سیستم هوش مصنوعی گوگل می تواند سلول های سرطانی پروستات را با دقت ۷۰ درصد رتبه بندی کند.

طبق گفته موسسه ملی سرطان در آمریکا، از هر ۹ مرد در آمریکا یک نفر در زندگی اش با سرطان پروستات دست و پنجه نرم می کند و بیش از ۲٫۹ میلیون بیمار در سراسر آمریکا تشخیص داده شده اند که درمان آنها پیشرفته و مشکل ساز شده است. سرطان پروستات اغلب غیرتهاجمی است و نشانه های مشهودی ندارد. بنابراین لازم است که از سیستم های دقیق تری برای شناسایی و درمان آن استفاده کرد.

هوش مصنوعی گوگل چگونه رتبه بندی سلولهای سرطانی را انجام داد؟
یکی از این سیستم ها، هوش مصنوعی گوگل است که توانسته رویکردهای جدیدی را وارد این حوزه کند. یک مقاله به همراه یک پست وبلاگی در مورد این سیستم چنین توضیح می دهد که سیستم هوش مصنوعی گوگل از یک رتبه بندی Gleason استفاده می کند – یک سیستم رتبه بندی که سلول های سرطانی را بر اساس نزدیکی به غده طبیعی پروستات طبقه بندی می کند و می تواند در تشخیص توده های مشکل ساز در نمونه ها به کار گرفته شود.

بر طبق گفته سرپرست فنی پروژه به نام مارتین استامپ و کریگ مرمل، مدیر محصول بخش سلامت هوش مصنوعی گوگل، آنها از توسعه هوش مصنوعی برای اعمال رتبه بندی میزان وخیم بودن غده های سرطان پروستات استفاده کردند. مطالعات نشان می دهد که آسیب شناسان انسانی در مورد این رتبه بندی تا میزان ۵۳ درصد اختلاف نظر دارند.

سیستم یادگیری عمیق
آنها نوشتند: «ما از یک سیستم یادگیری عمیق یا (DLS) استفاده کردیم که در واقع کار یک پاتولوژیست را انجام می دهد و می تواند با توجه به الگوی گلیسون، تومورهایی که به غده طبیعی پروستات نزدیک تر هستند را طبقه بندی کند. رتبه بندی های بالاتر، نشانه خطر و پیشرفت سرطان است و لازم است که بیمار سریعا از اقدامات درمانی بهره مند شود. میزان دقت این سیستم بیش از ۷۰ درصد است و احتمال خطای آن کم است.»هوش مصنوعی گوگل چگونه رتبه بندی سلولهای سرطانی را انجام داد؟

محققان چگونه این کار را انجام دادند؟
محققان مدل هوش مصنوعی را با جمع آوری تصاویر ناشناس از نمونه های پروستاتکومی توسعه داده اند. گروهی از ۳۲ پاتولوژیست عمومی حاشیه نویسی الگوهای گلیسون را برای هر تصویر ارائه کرده اند و هر اسلاید به صورت جداگانه توسط ۳ تا ۵ آسیب شناس از یک گروه ۲۹ نفره درجه بندی شده است.

نتایج امیدوار کننده بود. بر طبق تست ها، دقت کلی مدل هوش مصنوعی به ۷۰ درصد رسید و توانایی را داشت که بافت هایی که میان دو مدل گلیسون قرار گرفته بودند را مشخص کند.