گروهی از پژوهشگران با ساخت دستگاهی سعی داشته‌اند تا از هوش مصنوعی برای تشخیص سرطان استفاده کرده و دقت آن را با دقت تشخیص‌های انسانی مورد مقایسه قرار دهند. آنها در این روند به نتایج جالبی دست یافتند و مشخص شد که هوش مصنوعی دارای عملکردی تقریبا مشابه با انسان است و در ادامه نیز می‌تواند به بهبود دقت تشخیص نهایی کمک کند.
شاید روزی در آینده فرا برسد که کامپیوترها بتوانند بسیار سریع‌تر از آنچه که امروز وجود دارد، به پزشکان در تشخیص بیماری‌ها کمک کنند. محققان BIDMC و دانشکده‌ی پزشکی هاروارد (HMS) روشی را برای تمرین دادن هوش مصنوعی به منظور خواندن و تفسیر تصاویر آسیب‌شناسی بدن توسعه داده‌اند. اندرو بک (Andrew Beck) از BIDMC توضیح می‌دهد که روش آنها بر اساس یادگیری عمیق بنیان گذاشته شده است که به طور معمول نیز برای آموزش هوش مصنوعی برای تشخیص دادن گفتار، تصاویر و اشیا به کار برده می‌شود.
آنها به تازگی این فرصت را یافته‌اند تا میزان تاثیرگذاری و چگونگی عملکرد روش خود را در در طول یک رقابت در سمپوزیوم بین‌المللی سالانه‌ی تصویربرداری پزشکی به نمایش بگذارند. در این مسابقه باید از هوش مصنوعی برای جست‌وجوی سرطان پستان در تصاویر گرفته شده از غدد لنفاوی استفاده می‌شد.
این تیم، کار خود را با با دادن صدها اسلاید به دستگاهشان شروع کردند. آنها این اسلایدها را نشانه‌گذاری کرده بودند تا آن دسته از اسلایدهایی که دارای سلول‌های سرطانی هستند را از اسلایدهایی که تصاویر طبیعی داشته‌اند، تمییز دهند. سپس آنها اسلایدهایی را که دستگاه بیشترین مشکل را در مواجهه با آنها پیدا کرده بود را شناسایی کردند و برای آن تصاویر، شمار اسلایدهای سخت‌تری را در ادامه به دستگاه دادند. با استفاده از این روش، هوش مصنوعی به اندازۀ کافی دقیق شده و به دقت ۹۲ درصد رسید. این میزان از توانایی در دستگاه باعث شد تا آنها در دو شاخه‌ی مختلف از این مسابقه برنده شوند. این درصد هنوز با آسیب‌شناسان انسانی که ۹۶ درصد از مواقع تشخیص درست می‌دهند، قابل رقابت نیست. اما به وضوح می‌توان گفت که دستاورد اخیر بسیار امیدوارکننده و نویدبخش است.
به گفته‌ی بک، نکته‌ی واقعاً هیجان‌انگیزی که گروه به آن پی بردند، این بود که آنها با ترکیب عملکرد دستگاه خود با تجزیه و تحلیل‌های آسیب‌شناسان، به درصد دقت ۹۹.۵ درصدی دست یافتند. وی همچنین افزود که:
نتایج ما در رقابت ISBI نشان می‌دهد که کامپیوترها واقعاً به طور هوشمندانه عمل می‌کنند و از سویی، ترکیب تفاسیر انسانی و نتایج کامپیوتری به تشخیص دقیق‌تر می‌انجامد و از نظر بالینی نیز برای هدایت تصمیم‌گیری‌های درمانی، بسیار ارزشمند خواهد بود.
این گروه دستاوردهای خود را در این زمینه به صورت مقاله‌ای درباره‌ی تشخیص سرطان سینه منتشر کرده‌اند.
