מחקרים אחרונים הראו את יכולתן של מערכות בינה מלאכותית באבחון רפואי של מחלות חשובות
מערכות בינה מלאכותית (AI) קיימים די הרבה זמן וכעת הם נעשים חכמים יותר ומשתפרים עם הזמן. AI יש יישומים הוא תחומים רבים והוא כעת אינטגרלי של רוב התחומים. AI יכול להיות מרכיב חיוני ושימושי של רפואי מדע ומחקר שכן יש להם פוטנציאל עצום להשפיע על תעשיית הבריאות.
בינה מלאכותית באבחון רפואי?
זמן הוא המשאב היקר ביותר בתחום הבריאות ואבחון מוקדם מתאים חשוב מאוד לתוצאה הסופית של מחלה. טיפול רפואי הוא לעתים קרובות תהליך ארוך וגוזל זמן ומשאבים, מעכב את האבחנה האפקטיבית ובתמורה מעכב את הטיפול הנכון. AI יכול לעזור למלא את הפער בין זמינות וניהול זמן על ידי רופאים על ידי שילוב מהירות ודיוק באבחון של מטופלים. זה יכול לעזור להתגבר על מגבלות של משאבים ואנשי מקצוע בתחום הבריאות, במיוחד במדינות בעלות הכנסה נמוכה ובינונית. AI הוא תהליך של למידה וחשיבה בדיוק כמו בני אדם דרך מושג שנקרא למידה עמוקה. למידה עמוקה משתמשת בקבוצות רחבות של נתונים לדוגמה כדי ליצור עצי החלטה בעצמה. עם למידה עמוקה זו, מערכת בינה מלאכותית יכולה למעשה לחשוב בדיוק כמו בני אדם, אם לא טובה יותר, ולכן בינה מלאכותית יכולה להיחשב כמתאימה לבצע משימות רפואיות. בעת אבחון חולים, מערכות AI ממשיכות לחפש דפוסים בקרב חולים עם אותן מחלות. לאורך זמן, דפוסים אלה יכולים לבנות בסיס לניבוי מחלות לפני שהן באות לידי ביטוי.
במחקר שנערך לאחרונה1 פורסם ב תא, השתמשו חוקרים מלאכותי טכניקות אינטליגנציה ולמידת מכונה לפיתוח כלי חישובי חדש לסינון חולים עם מחלות רשתית נפוצות אך מסנוורות, שעלולות להאיץ את האבחנות והטיפול. חוקרים השתמשו ברשת עצבית מבוססת בינה מלאכותית כדי לסקור יותר מ-200,000 סריקות עיניים שנערכו בטכנולוגיה לא פולשנית שמקפיצה אור מהרשתית כדי ליצור ייצוגים דו-ממדיים ותלת-ממדיים של רקמות. לאחר מכן, הם השתמשו בטכניקה שנקראת "למידת העברה" שבה ידע שנצבר בפתרון בעיה אחת מאוחסן על ידי מחשב ומיושם על בעיות שונות אך קשורות. לדוגמה, רשת עצבית בינה מלאכותית המותאמת לזיהוי מבנים אנטומיים נפרדים של העין, כגון הרשתית, הקרנית או עצב הראייה, יכולה לזהות ולהעריך במהירות וביעילות רבה יותר כאשר היא בוחנת תמונות של עין שלמה. תהליך זה מאפשר למערכת הבינה המלאכותית ללמוד בהדרגה עם מערך נתונים קטן בהרבה משיטות מסורתיות הדורשות מערכי נתונים גדולים מה שהופך אותם ליקרים וגוזלים זמן.
המחקר התמקד בשני גורמים נפוצים לעיוורון בלתי הפיך, הניתנים לטיפול כאשר מתגלים מוקדם. אבחנות שנגזרו ממכונה הושוו לאבחנות של חמישה רופאי עיניים שבדקו את אותן סריקות. בנוסף לאבחון רפואי, פלטפורמת הבינה המלאכותית יצרה גם המלצה להפניה וטיפול שלא נעשתה בשום מחקר קודם. מערכת בינה מלאכותית מאומנת זו פעלה בדיוק כמו רופא עיניים מיומן היטב ויכלה להפיק החלטה בתוך 30 שניות אם יש להפנות את המטופל לטיפול או לא, עם דיוק של יותר מ-95 אחוז. הם גם בדקו את כלי הבינה המלאכותית באבחון דלקת ריאות בילדות, סיבת מוות מובילה בעולם בילדים (מתחת לגיל 5) בהתבסס על ניתוח מכונה של צילומי רנטגן בחזה. מעניין, תוכנת המחשב הצליחה להבדיל בין ויראלי ל חיידקי דלקת ריאות עם יותר מ-90 אחוז דיוק. זה חיוני מכיוון שלמרות שדלקת ריאות ויראלית נפטרת באופן טבעי על ידי הגוף לאחר מהלך שלה, דלקת ריאות חיידקית מצד שני נוטה להיות איום בריאותי חמור יותר ודורשת טיפול מיידי באנטיביוטיקה.
בקפיצה גדולה נוספת2 במערכות בינה מלאכותית לאבחון רפואי, מדענים מצאו שניתן לנתח תמונות שצולמו ברשתית של אדם על ידי אלגוריתמים או תוכנות למידת מכונה כדי לחזות את הסיכון הקרדיווסקולרי על ידי זיהוי אותות המעידים על מחלת לב. מצבם של כלי הדם בעין שנתפס בצילומים הוכח לחזות במדויק גיל, מין, מוצא אתני, לחץ דם, כל התקפי לב והרגלי עישון קודמים וכל הגורמים הללו מנבאים ביחד מחלות הקשורות ללב אצל אדם.
העין כגוש מידע
הרעיון להסתכל על תצלומי העין כדי לאבחן בריאות קיים כבר זמן מה. זה ידוע היטב שלקיר הפנימי האחורי של העיניים האנושיות יש הרבה כלי דם המשקפים את הבריאות הכללית של הגוף. על ידי לימוד וניתוח המראה של כלי דם אלה עם מצלמה ומיקרוסקופ, ניתן לחזות מידע רב על לחץ הדם של האדם, גילו, מעשן או לא מעשן וכו' וכל אלו הם אינדיקטורים חשובים לבריאות הלב של אדם. . מחלות לב וכלי דם (CVD) הן סיבת המוות מספר אחת בעולם ויותר אנשים מתים ממחלות לב וכלי דם בהשוואה לכל מחלה או מצב אחר. זה נפוץ יותר במדינות בעלות הכנסה נמוכה ובינונית ומהווה נטל עצום על הכלכלה והמין האנושי. הסיכון הקרדיווסקולרי תלוי במספר רב של גורמים כמו גנים, גיל, מוצא אתני, מין, בשילוב עם פעילות גופנית ותזונה. ניתן למנוע את רוב מחלות הלב וכלי הדם על ידי התייחסות לסיכונים התנהגותיים כמו שימוש בטבק, השמנת יתר, חוסר פעילות גופנית ותזונה לא בריאה על ידי ביצוע שינויים משמעותיים באורח החיים כדי להתמודד עם הסיכונים האפשריים.
אבחון בריאות באמצעות תמונות רשתית
מחקר זה שנערך על ידי חוקרים בגוגל וחברת טכנולוגיות הבריאות שלה Verily Life Sciences, הראה כי נעשה שימוש באלגוריתם של בינה מלאכותית על מערך נתונים גדול של צילומי רשתית של כ-280,000 חולים ואלגוריתם זה הצליח לחזות בהצלחה גורמי סיכון לב בשניים לחלוטין. מערכי נתונים עצמאיים של כ-12000 ו-1000 מטופלים עם דיוק סביר. האלגוריתם השתמש בתצלום שלם של הרשתית כדי לכמת את הקשר בין התמונה לבין הסיכון להתקף לב. אלגוריתם זה יכול לחזות אירוע קרדיווסקולרי ב-70 אחוז מהזמן בחולה ולמעשה גם מעשן ולא מעשן היו ניתנים להבחין בבדיקה זו ב-71 אחוז מהמקרים. האלגוריתם יכול גם לחזות לחץ דם גבוה המעיד על מצב לב ולחזות לחץ דם סיסטולי - הלחץ בכלי הדם כאשר הלב פועם - בטווח של רוב החולים עם או בלי לחץ דם גבוה. הדיוק של תחזית זו, על פי המחברים, דומה מאוד לבדיקה קרדיווסקולרית במעבדה, שבה נשאב דם מהמטופל כדי למדוד את רמות הכולסטרול הנראות במקביל להיסטוריה של המטופל. האלגוריתם במחקר זה, שפורסם ב הנדסה ביו רפואית, יכול ברוב הסבירות גם לחזות התרחשות של אירוע קרדיווסקולרי גדול - למשל. התקף לב.
היבט מעניין ומכריע ביותר במחקרים אלה היה שהמחשב יכול לדעת היכן הוא מסתכל בתמונה כדי להגיע לאבחנה, מה שמאפשר לנו להבין את תהליך החיזוי. לדוגמה, המחקר של גוגל הראה בדיוק "אילו חלקים ברשתית" תרמו לאלגוריתם החיזוי, במילים אחרות כיצד האלגוריתם עשה את החיזוי. הבנה זו חשובה לא רק כדי להבין את שיטת למידת המכונה במקרה הספציפי הזה, אלא גם כדי ליצור ביטחון ואמונה בכל המתודולוגיה הזו על ידי הפיכתה לשקופה.
אתגרים
תמונות רפואיות כאלה באות עם האתגרים שלה, כי התבוננות ולאחר מכן לכמת אסוציאציות המבוססות על תמונות כאלה אינן פשוטות בעיקר בגלל מספר תכונות, צבעים, ערכים, צורות וכו' בתמונות אלו. מחקר זה עושה שימוש בלמידה עמוקה כדי לבחון את הקשרים, האסוציאציות והקשרים בין שינויים באנטומיה האנושית (מורפולוגיה פנימית של הגוף) לבין מחלות באותו אופן כמו שאיש מקצוע יעשה כשהוא או היא מתאם בין תסמינים של מטופל למחלה. . אלגוריתמים אלו דורשים בדיקות נוספות לפני שניתן יהיה להשתמש בהם בסביבה קלינית.
למרות דיונים ואתגרים, ל-AI יש פוטנציאל עצום לחולל מהפכה באבחון וניהול מחלות על ידי ביצוע ניתוחים וסיווגים הכוללים כמויות אדירות של נתונים שקשה למומחים אנושיים. הוא מספק כלי אבחון חלופיים מהירים, חסכוניים ולא פולשניים. הגורמים החשובים להצלחה של מערכות AI יהיו כוח חישוב גבוה יותר ויותר ניסיון של האנשים. בעתיד סביר ניתן יהיה להשיג תובנות ואבחון רפואיים חדשים עם AI ללא כיוון או פיקוח אנושי.
***
{תוכל לקרוא את עבודת המחקר המקורית על ידי לחיצה על קישור ה-DOI המופיע להלן ברשימת המקורות המצוטטים}
מקור (ים)
1. Kermany DS et al. 2018. זיהוי אבחנות רפואיות ומחלות הניתנות לטיפול על ידי למידה עמוקה מבוססת תמונה. תָא. 172(5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R et al. 2018. חיזוי של גורמי סיכון קרדיווסקולריים מצילומי קרקעית הרשתית באמצעות למידה עמוקה. טבע הנדסה ביו-רפואית. 2. https://doi.org/10.1038/s41551-018-0195-0
