پیشرفت‌های هوش مصنوعی می‌توانند راه‌گشای تشخیص و ارزیابی خطر ابتلا به سرطان باشند.
مطالعه‌ای جدید در سوئد نشان می‌دهد هوش مصنوعی ۲۰ درصد بهتر از رادیولوژیست‌های مجرب قادر به تشخیص سرطان سینه است و علاوه بر آن، بار کاری بررسی ماموگرافی‌ها را بیش از ۴۰% کاهش می‌دهد. این مطالعه نشان می‌دهد هوش مصنوعی ابزار مفیدی برای تشخیص سرطان سینه است و به افزایش کارآیی پزشکان و رادیولوژیست‌ها کمک می‌کند.
در این مطالعه که یک کارآزمایی تصادفی‌سازی و کنترل‌شده جمعیت‌محور در مجله آنکولوژی لنست است، ۸۰۰۳۳ ماموگرافی از زنان سوئد بررسی شد. شرکت‌کنندگان ۴۰ تا ۸۰ ساله بودند و به دو گروه تقسیم شدند. در فاصله آوریل ۲۰۲۱ و ژوئیه ۲۰۲۲، ماموگرافی گروهی از زنان پیش از ارائه به رادیولوژیست، توسط هوش مصنوعی بررسی شد و دو رادیولوژیست ماموگرافی‌های گروه دوم را بدون استفاده از هوش مصنوعی بررسی کردند.
در گروهی که هوش مصنوعی و رادیولوژیست ماموگرافی‌ها را بررسی کرده بودند، ۲۰% بیشتر از گروه دوم که دو رادیولوژیست ماموگرافی‌ها را خوانده بودند، سرطان شناسایی شد.
کریستیانا لانگ، محقق اصلی این مطالعه و دانشیار رادیولوژی تشخیصی در دانشگاه لوند و مشاور بیمارستان دانشگاه اسکونه، در گزارشی درباره این مطالعه، در وب‌سایت دانشگاه لوند گفت: «ما در کارآزمایی خود، از هوش مصنوعی برای تشخیص آزمایش‌های غربالگری استفاده کردیم که خطر بالای سرطان سینه را نشان می‌دادند و آن را با بررسی دو رادیولوژیست مقایسه کردیم. سایر آزمایش‌ها در دسته کم‌خطر قرار گرفتند و تنها یک رادیولوژیست آن‌ها را خواند. در مطالعه غربالگری، رادیولوژیست‌ها از هوش مصنوعی به عنوان ابزاری کمکی برای تشخیص استفاده کردند که یافته‌های مشکوک روی تصاویر را برجسته می‌کرد.»
بر اساس این مطالعه، ۷۵ درصد سرطان‌های شناسایی‌شده در گروه هوش مصنوعی، تهاجمی و ۲۵ درصدشان درجا بودند. در گروه کنترل که دو رادیولوژیست ماموگرافی‌ها را بررسی می‌کردند، ۸۱ درصد سرطان‌ها، تهاجمی و ۱۹ درصدشان درجا تشخیص داده شدند.
کارسینوم درجا
در کارسینوم درجا، با وجود آن‌که سلول‌ها در زیر میکروسکوپ سرطانی به نظر می‌رسند، موضعی هستند و از جایی که هستند گسترش پیدا نمی‌کنند. کلمه «in situ» که برای توصیف این سرطان به کار می‌رود، به معنای «در جای خود» است. معمولاً این نوع سرطان، مرحله آغازین یا سرطان غیرتهاجمی در نظر گرفته می شود. این سلول‌های درجا، بدخیم یا سرطانی محسوب نمی‌شوند، اما گاه می‌توانند سرطانی شوند و گسترش پیدا کنند.
کارسینوم درجا می‌تواند در هر جایی از بدن رخ دهد، اما دو نوع از آن با سرطان سینه در ارتباط هستند: کارسینوم مجاری شیری درجا (DCIS) و کارسینوم لوبولار درجا (LCIS).
در کارسینوم مجاری شیری درجا، این سلول‌ها در مجاری شیر در پستان رشد می‌کنند و در کارسینوم لوبولار درجا، در لوبول‌های غدد تولید شیر رشد می‌کنند.
کارسینوم مجاری شیری درجا تنها در ۲۰ درصد موارد به سرطان تبدیل می‌شود و هر ساله، در حدود ۶۰۰۰۰ مورد از آن در ایالات متحده تشخیص داده می‌شود.
زنان باید کارسینوم درجا، به‌خصوص این دو نوع کارسینوم را که به سینه ربط دارند، به خوبی بشناسند تا بتوانند درباره درمان آن تصمیم بگیرند. ممکن است بسیاری از پزشکان مفهوم کارسینوم مجاری شیری درجا و کارسیوم لوبولار درجا را خوب توضیح ندهند که می‌تواند باعث شود زنان در جایی که ضروری نیست، تصمیم به درمان بگیرند. پزشکان و انکولوژیست‌ها می‌توانند این نوع سرطان را از طریق ماموگرافی تشخیص دهند و اطمینان حاصل کنند که سلول‌های معیوب از محل خود گسترش نمی یابند و در آینده به سرطان سینه تبدیل نمی‌شوند.
کاهش بار کاری
علاوه بر این، در این مطالعه نشان داده شد که استفاده از هوش مصنوعی می‌تواند بار کاری بررسی نتایج ماموگرافی را تا ۴۴ درصد کاهش دهد. برای بررسی این مسئله، ۴۶۳۴۵ ماموگرافی در اختیار گروهی قرار داده شد که از هوش مصنوعی استفاده می‌کردند. به گفته خانم لانگ، رادیولوژیست‌ها به طور متوسط قادر به بررسی ۵۰ آزمایش غربالگری در ساعت هستند. بر اساس تخمین این محققان، هوش مصنوعی زمانی را که رادیولوژیست‌ها برای بررسی این تعداد آزمایش نیاز داشتند، حدود پنج ماه کاهش داد.
در سوئد، هریک از آزمایشات غربالگری ماموگرافی توسط دو رادیولوژیست پستان بررسی می‌شوند تا از دقت تشخیص اطمینان حاصل شود. با این وجود، در حال حاضر، سوئد و جاهای دیگر با کمبود رادیولوژیست پستان مواجه هستند که مشکل‌ساز است. شاید در آینده، کمک هوش مصنوعی بتواند زمان بررسی نتایج معاینه غربالگری پستان را کاهش دهد.
تأثیری بر مثبت‌های کاذب ندارد
کریستینا لانگ می‌گوید: «متوجه شدیم هوش مصنوعی قادر به تشخیص ۲۰ درصد (۴۱ مورد) سرطان بیشتر در مقایسه با غربالگری استاندارد است، بدون این‌که تأثیری بر تعداد مثبت‌های کاذب بگذارد. مثبت کاذب در غربالگری زمانی اتفاق می‌افتد که مجدداً از یک زن مشکوک به سرطان آزمایش گرفته می‌شود، اما مشخص می‌شود که سالم است.»
مثبت کاذب یکی از نگرانی‌های برنامه‌های غربالگری ماموگرافی است. احتمال مثبت کاذب بودن یک ماموگرافی تقریباً ۷ تا ۱۲ درصد است و در زنان جوان‌تر و زنانی که سینه‌های متراکم دارند (حدود ۴۰ درصد از زنان)، شایع‌تر است. با گذشت زمان، احتمال مشاهده نتیجه مثبت کاذب افزایش می‌یابد، به طوری‌که این احتمال پس از ۱۰ سال ماموگرافی سالانه بین ۵۰ تا ۶۰ درصد افزایش می‌یابد.
پزشکان و دانشمندان با جدیت به دنبال راه‌های مؤثرتری برای تشخیص و پیش‌بینی خطر ابتلا به سرطان سینه هستند، زیرا میزان بروز آن با نرخ ۰.۵ درصد در سال در حال افزایش است. در حال حاضر، سرطان سینه تقریباً ۳۰ درصد سرطان‌هایی را که در زنان ایالات متحده تشخیص داده می‌شوند، در بر می‌گیرد و شایع‌ترین سرطان در جهان است که ۱۲.۵ درصد از کل موارد جدید سرطان در سراسر جهان را تشکیل می‌دهد.
سایر مطالعاتی که از هوش مصنوعی برای شناسایی سرطان استفاده کرده‌اند
مطالعات دیگر نیز به بررسی راه‌هایی پرداخته‌اند که هوش مصنوعی می‌تواند به تشخیص سرطان سینه کمک کند.
مطالعه‌ای نشان داد که هوش مصنوعی در پیش‌بینی خطر ابتلا به سرطان پستان بهتر از مدل‌های خطر بالینی استاندارد عمل می‌کند. در این مطالعه، نتایج ماموگرافی با پنج الگوریتم هوش مصنوعی ارزیابی شدند و همه آن‌ها در پیش‌بینی خطر ابتلا به سرطان پستان در طی پنج سال، بهتر از مدل‌های استاندارد مورد استفاده عمل کردند. این الگوریتم‌ها سرطان‌های تشخیص داده نشده و ویژگی‌هایی را در بافت پستان شناسایی کردند که به پیش‌بینی سرطان‌های آینده کمک می‌کردند. علاوه بر آن، این مطالعه نشان داد که استفاده از الگوریتم‌های هوش مصنوعی در کنار مدل‌های خطر، منجر به بهبود بیشتر پیش‌بینی سرطان سینه می‌شود.
مقاله‌ای در نشریه بکرز هاسپیتال ریویو نیز نشان می‌دهد که پزشکان مجارستانی می‌توانند با استفاده از هوش مصنوعی، سرطان سینه را چهار سال جلوتر از ابتلا تشخیص دهند. در این فناوری تشخیصی رایانه‌ای، هوش مصنوعی قادر به شناسایی مناطقی از تصویر ماموگرافی است که رادیولوژیست‌ها و پزشکان باید آن‌ها را با دقت بیشتری بررسی کنند.
آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشگاه ام‌آی‌تی نیز یک مدل پیش‌بینی هوش مصنوعی توسعه داده است که می‌تواند تنها با استفاده از ماموگرافی بیمار، پیشرفت سرطان سینه را از پنج سال جلوتر پیش‌بینی کند. این الگوریتم با بیش از ۲۰۰۰۰۰ تصویر ماموگرافی آموزش داده شد و به طور قابل توجهی دقیق‌تر از روش‌های پیشین پیش‌بینی خطر سرطان و شناسایی گروه‌های پرخطر عمل می‌کند. نتیجه این مطالعه در نشریه ساینس ترنسلیشنال مدیسین منتشر شده است.
مطالعه‌ای که اخیراً در نشریه رادیولوژی منتشر شده نیز به دنبال ارزیابی میزان کارآیی هوش مصنوعی در تشخیص سرطان سینه است. محققان توانایی یک الگوریتم هوش مصنوعی تجاری در خواندن آزمایشات غربالگری ماموگرافی را با ۵۵۲ انسان مقایسه کردند. این مطالعه نشان داد که هوش مصنوعی در تشخیص سرطان سینه به خوبی انسان عمل می‌کند.
مؤسسه ملی سرطان تخمین می‌زند که تقریباً ۲۰ درصد از سرطان‌های سینه در ماموگرافی تشخیص داده نمی‌شوند. شاید با کمک الگوریتم‌های هوش مصنوعی بتوان تعداد تشخیص‌های سرطان‌های سینه و شانس بقای زنان را افزایش داد.
چه آینده‌ای را می‌توان برای استفاده از هوش مصنوعی در غربالگری سرطان سینه متصور شد؟ کریستینا لانگ، نویسنده اصلی این مطالعه سوئدی در مقاله وب‌سایت دانشگاه لوند اشاره می‌کند که غربالگری فرآیند پیچیده‌ای است.
او می‌گوید: «همیشه باید دید چه چیزهایی به دست می‌آیند و چه چیزهایی فدا می‌شوند. فقط این‌که یک روش غربالگری قادر به تشخیص سرطان‌های بیشتری است، لزوماً به این معنی نیست که روش بهتری است. باید روشی پیدا کنیم که بتواند سرطان‌های جدی بالینی را در مراحل اولیه شناسایی کند.»
«باید مضرات تشخیص‌های مثبت کاذب و تشخیص بیش از اندازه سرطان‌های غیرفعال را نیز تعدیل کرد. نتایج اولین تجزیه‌وتحلیل ما نشان می‌دهد که غربالگری مبتنی بر هوش مصنوعی ایمن است زیرا با وجود کاهش قابل توجه حجم کار غربالگری، تعداد سرطان‌های تشخیص‌داده‌شده کاهش پیدا نکرد.»
او می‌گوید تحلیل برنامه‌ریزی‌شده سرطان‌های سینه‌ای که به‌طور ناگهانی در فاصله بین دو آزمایش غربال‌گیری منظم ظاهر می‌شوند و اغلب تهاجمی هستند، نشان خواهد داد که آیا غربالگری مبتنی بر هوش مصنوعی به برنامه غربالگری دقیق‌تر و مؤثرتر منجر می‌شود یا خیر.
