Το νέο σύστημα τεχνητής νοημοσύνης, που ονομάζεται AsymMirai και απλοποιεί τα προηγούμενα μοντέλα συγκρίνοντας αποκλειστικά τις διαφορές μεταξύ του δεξιού και του αριστερού στήθους για την πρόβλεψη του κινδύνου. Θα μπορούσε ενδεχομένως να σώσει ζωές, να αποτρέψει περιττές εξετάσεις και φυσικά να εξοικονομήσει χρήματα στο σύστημα υγειονομικής περίθαλψης, λένε οι δημιουργοί του.
«Στην παραδοσιακή τεχνητή νοημοσύνη, του κάνεις μια ερώτηση και σου δίνει απλώς μια απάντηση, αλλά κανείς δεν ξέρει πραγματικά πώς παίρνει τις αποφάσεις του. Πρόκειται επί της ουσίας για ένα μαύρο κουτί», δήλωσε ο Jon Donnelly, διδακτορικός φοιτητής στο Τμήμα Επιστήμης Υπολογιστών του Πανεπιστημίου Duke στο Durham της Βόρειας Καρολίνας και πρώτος συγγραφέας μιας νέας δημοσίευσης στο Radiology που περιγράφει το μοντέλο.
Ο ίδιος συμπληρώνει «με τη δική μας προσέγγιση, οι άνθρωποι μπορούν να ελέγξουν και να εμπιστευτούν τον σχετικό αλγόριθμο».
Μία στις οκτώ γυναίκες θα αναπτύξει διηθητικό καρκίνο του μαστού και 1 στις 39 θα πεθάνει από αυτόν. Από τις μαστογραφίες διαφεύγει περίπου το 20% των καρκίνων του μαστού. Μάλιστα, στις ελλείψεις του γενετικού ελέγχου και των μαστογραφιών δόθηκε πρόσθετη προσοχή πρόσφατα, όταν η ηθοποιός Olivia Munn αποκάλυψε ότι είχε υποβληθεί σε θεραπεία για μια επιθετική μορφή καρκίνου του μαστού παρά την κανονική μαστογραφία και το αρνητικό γενετικό τεστ.
Το μοντέλο θα μπορούσε να βοηθήσει τους γιατρούς να φέρουν τη συχνά αφηρημένη ιδέα της ΤΝ στην κλίνη του ασθενούς με ουσιαστικό τρόπο, δήλωσε η ακτινολόγος Vivianne Freitas, MD, επίκουρη καθηγήτρια ιατρικής απεικόνισης στο Πανεπιστήμιο του Τορόντο, στον Καναδά και συμπλήρωσε τα εξής: «Αυτό σηματοδοτεί ένα νέο κεφάλαιο στον τομέα της τεχνητής νοημοσύνης». Η ίδια, μάλιστα, έγραψε ένα επιστημονικό άρθρο που επαινεί τη νέα εργασία αναφέροντας τα εξής: «Κάνει την τεχνητή νοημοσύνη πιο απτή και κατανοητή, βελτιώνοντας έτσι τις δυνατότητες αποδοχής της».
Η τεχνητή νοημοσύνη ως ένα δεύτερο σετ ματιών
Ο Donnelly περιέγραψε το AsymMirai ως μια απλούστερη, πιο διαφανή και πιο εύχρηστη εκδοχή του Mirai, ενός πρωτοποριακού μοντέλου τεχνητής νοημοσύνης που έγινε πρωτοσέλιδο το 2021 με την υπόσχεση -τότε- να καθορίσει με πρωτοφανή ακρίβεια αν ένας ασθενής είναι πιθανό να πάθει καρκίνο του μαστού μέσα στην επόμενη πενταετία.
Το Mirai εντόπισε έως και δύο φορές περισσότερες μελλοντικές διαγνώσεις καρκίνου από ό,τι ο συμβατικός υπολογιστής κινδύνου Tyrer-Cuzick. Διατήρησε επίσης την ακρίβεια σε ένα σύνολο διαφορετικών ασθενών – ένα αξιοσημείωτο πλεονέκτημα για δύο τομείς (τεχνητή νοημοσύνη και υγειονομική περίθαλψη) που είναι διαβόητοι για την παροχή φτωχότερων αποτελεσμάτων για τις μειονότητες.
Το Tyrer-Cuzick και άλλοι υπολογιστές κινδύνου χαμηλότερης τεχνολογίας χρησιμοποιούν το προσωπικό και οικογενειακό ιστορικό για τον στατιστικό υπολογισμό του κινδύνου. Το Mirai, από την άλλη πλευρά, αναλύει αμέτρητα κομμάτια ακατέργαστων δεδομένων που ενσωματώνονται σε μια μαστογραφία για να αποκρυπτογραφήσει μοτίβα που τα μάτια ενός ακτινολόγου πιθανόν δεν θα εντοπίσουν. Τέσσερις εικόνες, συμπεριλαμβανομένων δύο γωνιών από κάθε μαστό, εισάγονται στο μοντέλο, το οποίο με τη σειρά του παράγει μια βαθμολογία μεταξύ 0 και 1 για να δείξει τον κίνδυνο ενός ατόμου να αναπτύξει καρκίνο του μαστού σε ένα, τρία ή πέντε χρόνια.
Αλλά ακόμη και οι δημιουργοί του Mirai παραδέχθηκαν ότι δεν γνώριζαν ακριβώς πώς καταλήγει σε αυτή την πρόβλεψη, γεγονός που έχει τροφοδοτήσει δισταγμούς μεταξύ των κλινικών γιατρών.
Ο συν-συγγραφέας της μελέτης Fides Schwartz, MD, ακτινολόγος στο Νοσοκομείο Brigham and Women’s, στη Βοστώνη της Μασαχουσέτης, δήλωσε ότι οι ερευνητές κατάφεραν να σπάσουν τον κώδικα του «μαύρου κουτιού» του Mirai, διαπιστώνοντας ότι οι βαθμολογίες του καθορίζονται σε μεγάλο βαθμό από την αξιολόγηση λεπτών διαφορών μεταξύ των ιστών του δεξιού και του αριστερού μαστού.
Γνωρίζοντας αυτό, η ερευνητική ομάδα απλοποίησε το μοντέλο ώστε να προβλέπει τον κίνδυνο με βάση αποκλειστικά την «τοπική αμφίπλευρη ανομοιότητα». Κάπως έτσι γεννήθηκε το AsymMirai.
Στη συνέχεια, η ομάδα χρησιμοποίησε το AsymMirai για να εξετάσει περισσότερες από 200.000 μαστογραφίες από σχεδόν 82.000 ασθενείς. Διαπίστωσαν ότι λειτούργησε σχεδόν εξίσου καλά με την προγενέστερη εφαρμογή, αποδίδοντας υψηλότερο κίνδυνο σε εκείνες που θα εμφάνιζαν καρκίνο στο 66% των περιπτώσεων (έναντι 71% του Mirai). Σε ασθενείς όπου παρατήρησε την ίδια ασυμμετρία πολλά χρόνια στη σειρά, λειτούργησε ακόμη καλύτερα, με 88% πιθανότητα να δώσει στους ανθρώπους που θα εμφάνιζαν αργότερα καρκίνο υψηλότερη βαθμολογία από εκείνους που δεν θα εμφάνιζαν.
«Διαπιστώσαμε ότι μπορούμε, με εκπληκτικά υψηλή ακρίβεια, να προβλέψουμε αν μια γυναίκα θα αναπτύξει καρκίνο τα επόμενα 1-5 χρόνια, βασιζόμενοι αποκλειστικά σε εντοπισμένες διαφορές μεταξύ του αριστερού και του δεξιού ιστού του μαστού της», δήλωσε ο Donnelly.
Ο Schwartz φαντάζεται τη μέρα που οι ακτινολόγοι θα μπορούσαν να χρησιμοποιήσουν το μοντέλο για να βοηθήσουν στην ανάπτυξη εξατομικευμένων στρατηγικών διαλογής για τους ασθενείς. Οι γιατροί θα μπορούσαν να συμβουλεύουν εκείνες με υψηλότερες βαθμολογίες να υποβάλλονται σε έλεγχο συχνότερα από ό,τι προτείνουν οι κατευθυντήριες γραμμές, να συμπληρώνουν τις μαστογραφίες με μαγνητική τομογραφία , και να παρακολουθούν στενά τα προβληματικά σημεία που εντοπίζει η τεχνητή νοημοσύνη.
«Για τους ανθρώπους με πραγματικά χαμηλό κίνδυνο, από την άλλη πλευρά, ίσως μπορούμε να τους γλιτώσουμε από μια ετήσια εξέταση που δεν είναι εξαιρετικά ευχάριστη και ίσως να μην είναι απαραίτητη», δήλωσε χαρακτηριστικά ο Schwartz.
Συγκρατημένη αισιοδοξία
Ο Robert Smith, PhD, ανώτερος αντιπρόεδρος της επιτροπής για την έγκαιρη ανίχνευση του καρκίνου στην Αμερικανική Αντικαρκινική Εταιρεία, σημείωσε ότι η τεχνητή νοημοσύνη χρησιμοποιείται εδώ και δεκαετίες για τη μείωση του φόρτου εργασίας των ακτινολόγων και τη βελτίωση των διαγνώσεων.
Ωστόσο, όπως δήλωσε ο ίδιος «η ΤΝ δεν αξιοποίησε ποτέ τις δυνατότητές της αρκετά συχνά επειδή χρησιμοποιούνταν ως δεκανίκι από άπειρους ακτινολόγους, οι οποίοι, αντί να ερμηνεύουν τη μαστογραφία και στη συνέχεια να βλέπουν τι είχε να πει η ΤΝ, κατέληγαν να αφήνουν την ΤΝ να κάνει το μεγαλύτερο μέρος της εργασίας, η οποία, ειλικρινά, δεν ήταν τόσο ακριβής».
Ο ίδιος ελπίζει ότι οι νεότερες, πιο εξελιγμένες επαναλήψεις των πλατφορμών ιατρικής απεικόνισης με τεχνητή νοημοσύνη (περίπου 18-20 μοντέλα βρίσκονται υπό ανάπτυξη) μπορούν τελικά να σώσουν ζωές γυναικών, ιδίως σε περιοχές όπου οι ακτινολόγοι είναι σε έλλειψη.
Αλλά πιστεύει ότι θα περάσει πολύς καιρός προτού οι γιατροί, ή οι ασθενείς τους, είναι πρόθυμοι να διακινδυνεύσουν την αναβολή μιας μαστογραφίας με βάση έναν αλγόριθμο.
«Απλώς δεν είμαστε ακόμη εκεί», δήλωσε αφοπλιστικά.
Πηγη: https://www.news4health.gr/
