مطالعاتی که توسط کارشناسان گوگل و پزشکان آمریکا انجام گرفته، در رابطه با نوعی از هوش مصنوعی (سیستم یادگیری عمیق) است که در تشخیص سرطان ریه کاربردی‌تر از رادیولوژی می‌باشد. این روش می‌تواند ندول‌های بدخیم ریه را با توموگرافی قفسه سینه یا LDCT نشان دهد. سیستم یادگیری عمیق، تصویر مورد نظر را به صورت خودکار ارزیابی می‌کند که با این راه تشخیص سرطان ریه زودتر صورت گرفته و مراحل درمانی به موقع انجام می‌گیرد. در مقایسه با رادیولوژیست‌ها، مدل‌های هوش مصنوعی یک هیچ جلو هستند!
سیستم یادگیری عمیق نوعی هوش مصنوعی است که به کامپیوتر دستور می‌دهد تا طبق برنامه عمل کند. این سیستم نسبت به روش دستی، از خطای کمتری برخوردار است. لذا تعداد موارد مثبت کاذب و منفی کاذب نیز کمتر شده و درمان‌های بیجا و تورمورهای سرطانی از قلم افتاده نخواهیم داشت. این مقاله در ۲۰ می ۲۰۱۹ در Nature Medicine چاپ شده است.
به گفته‌ی دکتر مازیار اعتمادی، متخصص بیهوشی از دانشگاه پزشکی Feinberg آمریکا؛ رادیولوژیست‌ها از صدتا عکس دو بعدی یا قطعات CT اسکن برای یافتن توده‌های سرطانی استفاده می‌کنند، درحالی که هوش مصنوعی، تصویری سه‌بعدی بزرگ و کاملی از ریه را نشان می‌دهد.
هوش مصنوعی سه‌بعدی در تشخیص زودرس سرطان ریه حساس‌تر از تصاویر دوبعدی است. البته این روش عملا چهاربعدی می‌باشد، چون دو تصویر CT را به طور همزمان نمایش می‌دهد. برای رسیدن به این تصویری، سیستمی عظیم با مقیاس گوگل مورد نیاز است. نتیجه‌ی این مهندسی دقیق و برنامه‌ریزی شده، بی‌نظیر خواهد شد.
دکتر اعتمادی، سرپرستی تیم تحقیقاتی را در حالی برعهده دارد که در دانشگاه Northwestern درحال گذارندن دوره‌ی تخصصی بیهوشی می‌باشد. نقش دوجانبه‌ی او در این تحقیقات باعث جابه جایی ارتباطات و تکنولوژی بین عرصه‌ی سلامت و مهندسی، شده است. آزمایشگاه دکتر اعتمادی در یکی از بخش‌های ICU بیمارستان Northwestern قرار دارد که در آنجا می‌توان شاهد همکاری یکپارچه مهندسان، پرستاران و پزشکان بود.
این بخش از تحقیقات بسیار مهم است. سرطان ریه یکی از کشنده‌ترین سرطان‌های دنیاست که تشخیص به موقع آن برای درمان، از اهمیت ویژه‌ای برخوردار است. به گفته‌ی Shravya Shetty، یکی از مدیران بخش نرم‌افزاری گوگل:
کار ما، یافتن روش‌هایی است که هوش مصنوعی بتواند عمل غربالگری را بهینه سازی کرده و به بهترین صورت آن را انجام دهد. تا به امروز به نتایج امیدوار‌کننده‌ای دست یافتیم و همچنان به کارمان ادامه می‌دهیم.
سرطان ریه، شایع‌ترین علت مرگ و میر در ایالات متحده است که فقط در سال ۲۰۱۸، ۱۶۰هزار کشته برجای گذاشت. آزمایشات بالینی گسترده در آمریکا و اروپا حاکی از آن است که غربالگری به موقع برای تشخیص سرطان ریه میزان مرگ و میر را به میزان چشم‌گیری کاهش می‌دهد. با این وجود، هنوز هم بسیاری از موارد بیماری در مراحل پیشرفتته تشخیص داده می‌شود و دیگر قابل درمان نیست.
سیستم یادگیری عمیق هوش مصنوعی، از یک عکس CT اسکن اولیه و هر زمان که امکان داشته باشد، از یک عکس قبلی CT به عنوان ورودی سیستم استفاده می‌کند. CTاسکن‌های قبلی در پیش‌بینی سرطان ریه نقش دارند، زیرا رشد مشکوک ندول‌های ریوی ممکن است نشانه‌ی بدخیمی باشد. این سیستم پیشرفته، نواحی مشکوک به سرطان و نواحی مستعد سرطان را مشخص می‌کند.
بدون وجود عکس‌های CT قبلی، این مدل توانست فراتر از ۶ رادیولوژیست، موثر واقع شود. مدل هوش مصنوعی، ضایعات را با اختصاصیت بیشتری طبقه بندی کرده و امکان تشخیص سرطان ریه و درمان به موقع آن را فراهم می‌کند. به گفته‌ی دکتر اعتمادی، حتی اگر فردی به سرطان ریه مبتلا نباشد، با این سیتم می‌توانیم افراد را از عوارض خطرناک بیوپسی و هزینه‌های اضافی نجات دهیم.
دانشمندان گوگل سیستم یادگیری عمیق هوش مصنوعی را راه‌اندازی کرده و به منظور ارزیابی، بر روی دستگاه‌های CT اسکن بیمارستان Northwestern اعمال کردند. آنان بر این باورند که مدل AUC هوش مصنوعی، قادر است گره‌های لنفی مستعد بدخیمی موجود در ریه را شناسایی کند. بیماران انتخاب شده برای این تحقیقات، از مرکز درمانی Northwestern می‌باشد.
بسیاری از اطلاعاتی که به عنوان پزشک از آنها استفاده می‌کنیم، برای بیماران طراحی شده‌اند، نه برای تحقیقات. تلاش مستمر من و همکارانم بیش از یکسال طول کشید تا از این اطلاعات برای تحقیقات هیجان‌انگیز استفاده کنیم. مهارت همکاری با دانشمندان نام‌آشنای گوگل، استفاده از قابلیت‌های محاسباتی بی‌سابقه برای اختراع روشی که بتوان جان هزاران نفر را نجات داد، موهبت بزرگی است که نصیب‌مان شده است.
این مطالعات باید به طور بالینی در نمونه‌های انسانی گسترده‌تری آزمایش شود، ولی تا آن زمان، مدل‌های هوش مصنوعی می‌توانند در تشخیص سرطان ریه به رادیولوژیست‌ها کمک کنند.
