طور مستشفى MIT & Mass العام نظام ذكاء اصطناعي يمكنه اكتشاف سرطان الرئة

سرطان الرئة مرض مدمر. وفقا ل منظمة الصحة العالمية، يعد سرطان الرئة أحد أكثر أسباب الوفاة شيوعًا في جميع أنحاء العالم ، حيث يمثل ما يقرب من 2.21 مليون حالة في عام 2020 وحده. الأهم من ذلك ، يمكن أن يكون المرض تقدميا. وهذا يعني ، بالنسبة للكثيرين ، أنه قد يبدأ كأعراض خفيفة لا تثير أي قلق ، قبل أن تتطور بسرعة إلى تشخيص يهدد الحياة ، ويؤدي إلى الوفاة. لحسن الحظ ، نمت مجموعة العلاجات التي تركز على مساعدة مرضى سرطان الرئة بشكل كبير في العقدين الماضيين. ومع ذلك ، لا يزال الاكتشاف المبكر للسرطان هو الوسيلة الوحيدة لتقليل معدلات الوفيات بشكل كبير.

أحد الإنجازات البارزة في هذا المجال هو الإعلان الأخير عن معهد ماساتشوستس للتكنولوجيا (MIT) ومستشفى ماس العام (MGH) فيما يتعلق بتطوير نموذج التعلم العميق المسمى "Sybil" والذي يمكن استخدامه للتنبؤ بمخاطر الإصابة بسرطان الرئة ، باستخدام البيانات من مجرد تصوير مقطعي محوسب. ال دراسة تم نشره رسميًا في مجلة علم الأورام السريرية الأسبوع الماضي ، ويناقش كيف أن "الأدوات التي توفر تقييمًا شخصيًا لمخاطر السرطان في المستقبل يمكن أن تركز النهج تجاه أولئك الذين من المرجح أن يستفيدوا." ومن ثم ، افترض قادة الدراسة أنه "يمكن بناء نموذج التعلم العميق الذي يقيم بيانات LDCT الحجمية بالكامل [Low Dose Contrast CT] للتنبؤ بالمخاطر الفردية دون الحاجة إلى بيانات ديموغرافية أو سريرية إضافية."

يبدأ النموذج بمبدأ أساسي: "تحتوي صور LDCT على معلومات تنبؤية لخطر الإصابة بسرطان الرئة في المستقبل بما يتجاوز السمات المحددة حاليًا مثل عقيدات الرئة". ومن ثم ، سعى المطورون إلى "تطوير والتحقق من صحة خوارزمية التعلم العميق التي تتنبأ بمخاطر الإصابة بسرطان الرئة في المستقبل لمدة تصل إلى 6 سنوات من فحص LDCT واحد ، وتقييم تأثيرها السريري المحتمل."

بشكل عام ، كانت الدراسة ناجحة بشكل ملحوظ ، حتى الآن: Sybil قادرة على التنبؤ بخطر الإصابة بسرطان الرئة في المستقبل للمريض إلى حد معين من الدقة ، باستخدام البيانات من LDCT واحد فقط.

لا شك أن التطبيقات السريرية والآثار المترتبة على هذه التكنولوجيا لا تزال غير ناضجة. حتى قادة الدراسة يتفقون على ضرورة القيام بعمل كبير لمعرفة كيفية تطبيق هذه التقنية في الممارسة السريرية الفعلية - خاصة فيما يتعلق بتطوير درجة من الثقة في التكنولوجيا ، والتي سيشعر الأطباء والمرضى بالأمان بالاعتماد عليها مخرجات النظام.

ومع ذلك ، لا تزال فرضية الخوارزمية قوية بشكل لا يصدق وتستلزم تغييرًا محتملاً للعبة في مجال التشخيص التنبئي.

لم تكن الإجراءات التشخيصية بهذه القوة من قبل. يمكن لحقيقة أن أداة ما أن تستخدم مسحًا مقطعيًا واحدًا فقط للتنبؤ بوظيفة مرض طويلة المدى أن تحل العديد من المشكلات - وأهمها تمكين العلاج المبكر وتقليل معدل الوفيات.

قد يقاوم النقاد ، في البداية ، أنظمة مثل هذه ، مشيرين إلى أنه لا يمكن لأي نظام ذكاء اصطناعي أن يضاهي الحكم والبراعة السريرية بشكل كافٍ ليحل محل طبيب بشري. لكن الغرض من أنظمة كهذه ليس بالضرورة استبدال خبرة الطبيب ، بل زيادة احتمالية سير العمل الفيزيائي.

يمكن استخدام نظام مثل Sybil بسهولة كأداة للتوصية ، والإبلاغ عن احتمالية وجود الأشعة المقطعية للطبيب ، والذي يمكنه بعد ذلك استخدام حكمه السريري للموافقة أو عدم الموافقة على توصية Sybil. لن يؤدي ذلك على الأرجح إلى تحسين الإنتاجية السريرية فحسب ، بل يمكن أيضًا أن يكون بمثابة عملية "فحص" ثانوية وربما يعزز دقة التشخيص.

مما لا شك فيه أنه لا يزال هناك الكثير من العمل الذي يتعين القيام به في هذا المجال. أمام العلماء والمطورين والمبتكرين رحلة طويلة أمامهم ليس فقط في إتقان الخوارزمية الفعلية والنظام نفسه ، ولكن أيضًا في التنقل في الساحة شديدة الدقة لإدخال هذه التكنولوجيا في التطبيقات السريرية الفعلية. ومع ذلك ، فإن التكنولوجيا والنية والإمكانيات التي تحملها فيما يتعلق بتحسين رعاية المرضى ، إذا تم تطويرها بطريقة آمنة وأخلاقية وفعالة ، هي بالفعل واعدة لتوليد التشخيص في المستقبل.