Η τεχνητή νοημοσύνη θα μπορούσε να κάνει την εργασία των γιατρών απλούστερη, ταχύτερη και ακριβής

Μία στις εννέα γυναίκες στον ανεπτυγμένο κόσμο θα διαγνωστεί με καρκίνο του μαστού κάποια στιγμή στη ζωή της.

Ο επιπολασμός του καρκίνου του μαστού αυξάνεται, μια επίδραση που προκαλείται εν μέρει από τον σύγχρονο τρόπο ζωής και την αυξημένη διάρκεια ζωής. Ευτυχώς, οι θεραπείες γίνονται πιο αποτελεσματικές και πιο εξατομικευμένες.

Ωστόσο, αυτό που δεν αυξάνεται (και στην πραγματικότητα μειώνεται) είναι ο αριθμός των παθολόγων ή των γιατρών των οποίων η εξειδίκευση εξετάζει τους ιστούς του σώματος για να παράσχει τη συγκεκριμένη διάγνωση που είναι απαραίτητη για την εξατομικευμένη ιατρική.

Μια ομάδα ερευνητών στο Τεχνολογικό Ινστιτούτο Technion (Ισραήλ) έχει ως εκ τούτου επιδιώξει να μετατρέψει τους υπολογιστές σε αποτελεσματικούς βοηθούς παθολόγους, απλοποιώντας και βελτιώνοντας το έργο του ανθρώπινου γιατρού.

Το συγκεκριμένο έργο που ο Δρ. Gil Shamai και ο Amir Livne από το εργαστήριο του καθηγητή Ron Kimmel από τη Σχολή Επιστήμης Υπολογιστών Henry and Marilyn Taub στο Technion επιδίωξαν να επιτύχουν βρίσκεται στη σφαίρα της ανοσοθεραπείας.

Η ανοσοθεραπεία έχει κερδίσει την προβολή τα τελευταία χρόνια ως μια αποτελεσματική, μερικές φορές ακόμη και που αλλάζει το παιχνίδι, θεραπεία για διάφορους τύπους καρκίνου. Η βάση αυτής της μορφής θεραπείας είναι η ενθάρρυνση του ανοσοποιητικού συστήματος του ίδιου του σώματος να επιτεθεί στον όγκο. Ωστόσο, αυτή η θεραπεία πρέπει να εξατομικεύεται καθώς η σωστή φαρμακευτική αγωγή πρέπει να χορηγείται στους ασθενείς που θα επωφεληθούν από αυτήν με βάση τα ειδικά χαρακτηριστικά του όγκου.

Πολλαπλοί φυσικοί μηχανισμοί εμποδίζουν το ανοσοποιητικό μας σύστημα να επιτεθεί στο σώμα μας. Αυτοί οι μηχανισμοί συχνά αξιοποιούνται από καρκινικούς όγκους για να αποφύγουν το ανοσοποιητικό σύστημα. Ένας τέτοιος μηχανισμός σχετίζεται με την πρωτεΐνη PD-L1 , ορισμένοι όγκοι την εμφανίζουν και λειτουργεί ως ένα είδος κωδικού πρόσβασης πείθοντας λανθασμένα το ανοσοποιητικό σύστημα ότι ο καρκίνος δεν πρέπει να προσβληθεί. Η ειδική ανοσοθεραπεία για το PD-L1 μπορεί να πείσει το ανοσοποιητικό σύστημα να αγνοήσει τον συγκεκριμένο κωδικό πρόσβασης, αλλά φυσικά θα ήταν αποτελεσματική μόνο όταν ο όγκος εκφράζει το PD-L1.

Είναι καθήκον του παθολόγου να προσδιορίσει εάν ο όγκος ενός ασθενούς εκφράζει PD-L1.

Ακριβοί χημικοί δείκτες χρησιμοποιούνται για τη χρώση μιας βιοψίας που λαμβάνεται από τον όγκο προκειμένου να ληφθεί η απάντηση. Η διαδικασία είναι μη τετριμμένη, χρονοβόρα και μερικές φορές ασυνεπής. Ο Δρ Shamai και η ομάδα του ακολούθησαν μια διαφορετική προσέγγιση. Τα τελευταία χρόνια, έχει γίνει μια πρακτική εγκεκριμένη από τον FDA για τη σάρωση βιοψιών, ώστε να μπορούν να χρησιμοποιηθούν για ψηφιακή παθολογική ανάλυση.

Ο Amir Livne, ο Dr Shamai και ο Prof. Kimmel αποφάσισαν να δουν εάν ένα νευρωνικό δίκτυο θα μπορούσε να χρησιμοποιήσει αυτές τις σαρώσεις για να κάνει τη διάγνωση χωρίς να απαιτούνται πρόσθετες διαδικασίες.

''Μας είπαν ότι δεν μπορούσε να γίνει'', είπε η ομάδα, ''έτσι, φυσικά, έπρεπε να τους αποδείξουμε ότι έκαναν λάθος''.

Τα νευρωνικά δίκτυα εκπαιδεύονται με τρόπο παρόμοιο με τον τρόπο που μαθαίνουν τα παιδιά: παρουσιάζονται με πολλά παραδείγματα με ετικέτα. Σε ένα παιδί παρουσιάζονται πολλά σκυλιά και διάφορα άλλα πράγματα, και από αυτά τα παραδείγματα σχηματίζει μια ιδέα για το τι είναι «σκύλος».

Το νευρωνικό δίκτυο που ανέπτυξε η ομάδα του καθηγητή Kimmel παρουσιάστηκε με ψηφιακές εικόνες βιοψίας από 3.376 ασθενείς που είχαν επισημανθεί ως εκφράζοντας ή μη PD-L1. Μετά από προκαταρκτική επικύρωση, ζητήθηκε να προσδιοριστεί εάν οι πρόσθετες εικόνες βιοψίας κλινικής δοκιμής από 275 ασθενείς ήταν θετικές ή αρνητικές για PD-L1.

Αποδίδει καλύτερα από το αναμενόμενο: για το 70% των ασθενών, μπόρεσε να προσδιορίσει με σιγουριά και σωστά την απάντηση. Για το υπόλοιπο 30% των ασθενών, το πρόγραμμα δεν μπόρεσε να βρει τα οπτικά μοτίβα που θα του επέτρεπαν να αποφασίσει με τον ένα ή τον άλλο τρόπο. Είναι ενδιαφέρον ότι στις περιπτώσεις όπου η τεχνητή νοημοσύνη (AI) διαφώνησε με τον προσδιορισμό του ανθρώπινου παθολόγου, μια δεύτερη δοκιμή απέδειξε ότι η τεχνητή νοημοσύνη είχε δίκιο.

''Αυτό είναι ένα σημαντικό επίτευγμα. Οι παραλλαγές που βρήκε ο υπολογιστής - δεν είναι διακριτές στο ανθρώπινο μάτι. Τα κύτταρα διατάσσονται διαφορετικά εάν παρουσιάζουν PD-L1 ή όχι, αλλά οι διαφορές είναι τόσο μικρές που ακόμη και ένας εκπαιδευμένος παθολόγος δεν μπορεί να τις αναγνωρίσει με σιγουριά. Τώρα το νευρωνικό μας δίκτυο μπορεί'' -Professor Ron Kimmel, Henry and Marilyn Taub Faculty of Computer Science, Technion-Israel Institute of Technology

Αυτό το επίτευγμα είναι έργο μιας ομάδας αποτελούμενη από τον Δρ. Gil Shamai και τον μεταπτυχιακό φοιτητή Amir Livne, ο οποίος ανέπτυξε την τεχνολογία και σχεδίασε τα πειράματα, ο Dr. António Polónia από το Ινστιτούτο Μοριακής Παθολογίας και Ανοσολογίας του Πανεπιστημίου του Πόρτο, Πορτογαλία, Καθηγητής Ο Edmond Sabo και η Dr. Alexandra Cretu από το Carmel Medical Center στη Χάιφα του Ισραήλ, οι οποίοι είναι ειδικοί παθολόγοι που διεξήγαγαν την έρευνα και με την υποστήριξη του καθηγητή Gil Bar-Sela, επικεφαλής του τμήματος ογκολογίας και αιματολογίας στο Haemek Medical Center στην Afula, Ισραήλ .

''Είναι μια καταπληκτική ευκαιρία να συνδυάσουμε την τεχνητή νοημοσύνη και την ιατρική'', είπε ο Δρ Shamai. "Λατρεύω τα μαθηματικά, μου αρέσει να αναπτύσσω αλγόριθμους. Το να μπορώ να χρησιμοποιώ τις δεξιότητές μου για να βοηθήσω τους ανθρώπους, να προάγω την ιατρική είναι περισσότερο από ό,τι περίμενα όταν ξεκίνησα ως φοιτήτρια πληροφορικής."

Τώρα ηγείται μιας ομάδας 15 ερευνητών, οι οποίοι πηγαίνουν αυτό το έργο στο επόμενο επίπεδο.

''Αναμένουμε ότι η τεχνητή νοημοσύνη θα γίνει ένα ισχυρό εργαλείο στα χέρια των γιατρών'', δήλωσε ο καθηγητής Κίμελ. "Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην πραγματοποίηση ή στην επαλήθευση μιας διάγνωσης, μπορεί να βοηθήσει στην αντιστοίχιση της θεραπείας με τον μεμονωμένο ασθενή, μπορεί να προσφέρει μια πρόγνωση. Δεν νομίζω ότι μπορεί, ή θα έπρεπε, να αντικαταστήσει τον άνθρωπο γιατρό. Αλλά μπορεί να δημιουργήσει ορισμένα στοιχεία η εργασία των γιατρών απλούστερη, ταχύτερη και ακριβέστερη''.

Source : Technion-Israel Institute of Technology