كيف يمكن للذكاء الاصطناعي أن يجعل قرارات علاج سرطان الثدي أكثر دقة وفعالية من حيث التكلفة؟

تخيل أنك طبيبة ولديك مساعد ذكي دائم مثل الذكاء الاصطناعي بجانبك والذي يمنحك نظرة ثاقبة للمرض ويساعدك على تحديد أفضل علاج لمرضاك مثل سرطان الثدي ؛ يعتقد فريق في Salesforce Research أن هذا السيناريو ، كنتيجة للتطورات المثيرة في تكنولوجيا رؤية الذكاء الاصطناعي والتعلم الآلي ، أقرب إلى الواقع مما تعتقد..

معدل الإصابة بسرطان الثدي آخذ في الازدياد

يصيب سرطان الثدي أكثر من مليوني امرأة في جميع أنحاء العالم كل عام ، حوالي واحدة من كل ثماني نساء في الولايات المتحدة ستصاب بسرطان الثدي في حياتهن.. أيضا 2550 حالة جديدة من سرطان الثدي لدى الرجال في الولايات المتحدة سنويا 2018 هناك. من دواعي القلق الشديد أن معدلات الإصابة بسرطان الثدي آخذة في الارتفاع في كل منطقة من مناطق العالم تقريبًا.

 

أبحاث Salesforce لتطوير ReceptorNet ، وهي خوارزمية تعليمية متعمقة يمكنها تحديد حالة مستقبل الهرمون – علامة بيولوجية للأطباء عند اتخاذ قرار بشأن طريق العلاج المناسب لمرضى سرطان الثدي – تعاون مع معهد Ellison Institute مع الأرقام والحساسية والميزات الممتازة.

على الرغم من أن استخدام الذكاء الاصطناعي لتحسين نتائج مرضى سرطان الثدي ليس بالأمر الجديد ، إلا أنه تم بذل جهود حتى الآن – مثل Google AI أداة فحص سرطان الثدي – لقد ركزت أكثر على تشخيص السرطان.

ما يجعل المتلقي فريدًا هو تركيزه على تحسين عملية اتخاذ القرار لمرضى سرطان الثدي.. على وجه الخصوص ، تتنبأ ReceptorNet بحالة مستقبل الهرمون مع صورة أنسجة منخفضة التكلفة في جميع المواقع المكانية.. وهذا يتعارض مع المعيار الحالي للرعاية ، والذي يتطلب كلاً من النوع الأكثر تكلفة وكمية أصغر من عينة الأنسجة. – وهناك حاجة إلى أخصائي علم الأمراض لفحص هذه الصور.

القضية الأكثر أهمية هي: إنها طريقة أرخص وأسرع لتحديد حالة مستقبلات الهرمون من النظام المستخدم بشكل شائع في دول مثل الولايات المتحدة اليوم ، ويمكن أن تساعد في اتخاذ قرارات عالية الجودة بشأن علاجات سرطان الثدي.كما أنها تتيح للمرضى تلقي أفضل علاج ممكن في جميع أنحاء العالم ، بغض النظر عن الخبرة في نظام الرعاية الصحية الخاص بهم..

 

• كيف تبدأ مشروع ReceptorNet

 

نشأ تطوير ReceptorNet في المحادثات بين باحثي Salesforce والدكتور ديفيد أجوس ، المدير المؤسس والرئيس التنفيذي لمعهد Lawrence J. Ellison Transformational Medical Institute of the USC.

الدكتور أجوس هو طبيب أورام مشهور وأستاذ الطب والهندسة. ويوضح أن أطباء السرطان يعتقدون منذ فترة طويلة أن الخلايا السرطانية تحتوي على معلومات مهمة حول السرطان لا يستطيع الدماغ البشري استخلاصها بشكل كامل..

يقول د. أجوس: “الدماغ البشري جيد جدًا في تحديد ما إذا كان هناك سرطان أم لا بناءً على أنماط الملاحظة في الخلية” ، ولكن لا يمكن تحديد الفروق الدقيقة لهذه الأنماط التي ترتبط بنتائج السرطان. بمعنى آخر ، ما هو مفتاح التشغيل والإيقاف الجزيئي؟. “

وهذا يعني أنه قد يتم تشخيص إصابة المريض بالسرطان ولكن بعد ذلك يتعين عليه الانتظار أسابيع حتى تظهر نتائج الدراسات الجزيئية لتحديد العلاج المطلوب..

يقول د. أجوس: “يعمل فريقنا على الذكاء الاصطناعي لعدة سنوات لفهم أنماط الخلايا والمساعدة في اتخاذ قرارات العلاج.. كانت لدينا فكرة أننا قد نكون قادرين على العثور على إجابات لهذه الأسئلة الجزيئية على الفور باستخدام الذكاء الاصطناعي والتعلم الآلي.”

هذا هو المكان الذي جاء فيه فريق البحث Salesforce. “نيكل نايك” ، يقول عالم أبحاث كبير في Salesforce Research والمؤلف الأول للدراسة: “لدينا فريق أبحاث ذكاء اصطناعي على مستوى عالمي” مضاف: “هذا التعاون مع فلسفة التطوير التكنولوجي ، والذي بالإضافة إلى كونه هدف الشركة ، له أيضًا تأثير إيجابي على الناس والعالم. “

 

• إيجاد دليل لسرطان الثدي لا تستطيع العين رؤيته

 

يتمثل الحل الذي توصل إليه الفريق في تطوير ذكاء اصطناعي يمكنه تعلم أدلة حيوية حول سرطان الثدي من خلال تعلم الأنماط في صور الورم باستخدام عملية تصوير رخيصة ويمكن الوصول إليها.. يعطي نايك تشبيهًا بسيطًا.

افترض أنك تعرضت لحادث وتعتقد أنك ربما تكون قد كسرت ذراعك. ماذا لو بدلاً من الذهاب إلى المستشفى لإجراء الأشعة السينية ، التقطت فقط صورة لذراعك على هاتفك الخلوي ، ويمكن لخوارزمية الذكاء الاصطناعي اكتشاف الكسر؟

“هذا مشابه جدًا لما نفعله. باستخدام الذكاء الاصطناعي ، نستبدل عملية مكلفة وتستغرق وقتًا طويلاً وتتطلب تقنية متخصصة بتقنية تصوير أبسط وأوسع نطاقًا.” [MC (2]

فكيف يعمل هذا في الممارسة؟ عادة ، عندما يتم تشخيص المريض بسرطان الثدي ، يستخدم أخصائي علم الأمراض عملية تسمى التلوين المناعي الكيميائي. (المدينة المنورة) يحلل أنسجة الورم تحت المجهر للبحث عن مستقبلات الهرمونات التي تسبب نمو السرطان. يساعدهم هذا في تحديد أفضل علاج ، مثل العلاج بالهرمونات أو العلاج الكيميائي.

تكمن مشكلة تلطيخ المدينة العالمية للخدمات الإنسانية في أنها باهظة الثمن وتستغرق وقتًا طويلاً ولا يمكن العثور عليها بسهولة في أجزاء كثيرة من العالم ، خاصة في البلدان النامية..

لقد تعلمت ReceptorNet استخدام عملية تصوير أرخص وأرخص بكثير – الهيماتوكسيلين ويوزين (ح&ه) – الذي يحلل حالة وحجم وبنية الخلايا لتحديد حالة مستقبلات الهرمون.

ReceptorNet على عدة آلاف من شرائح الفيديو H.&E ، كل منها يحتوي على مليارات من البكسل ، درب مرضى السرطان في عشرات المستشفيات حول العالم.

يقول أندريه إيتو ، رئيس قسم الذكاء الاصطناعي الطبي والمؤلف المشارك للدراسة: “هذه الخوارزمية قادرة على رؤية وحدات البكسل الفردية وتحديد الأنماط الدقيقة التي لا تستطيع العين البشرية فهمها.”

 

• أوقات ممتعة للذكاء الاصطناعي الطبي

 

منذ بداية العام 2019 يقود Naik و Esteva فريقًا في Salesforce يركز على توفير تطبيقات الذكاء الاصطناعي للمنفعة الاجتماعية ، ولا سيما في المجالات الطبية والعلمية. في الآونة الأخيرة ، أنشأ الفريق محركات بحث لـ COVID-19 لمساعدة الباحثين والأطباء في العثور على المعلومات بشكل أسرع..

يقول خط الاستواء: “يعد إجراء هذا النوع من أبحاث الذكاء الاصطناعي في الصناعة ، على عكس الجامعة ، ميزة مهمة. تميل فرق الذكاء الاصطناعي إلى الازدهار إذا قدمت القدرة على حساب النطاق الصناعي – والميزانيات ذات الحجم الصناعي ، لأن هذه العناصر تجعل الاختبار السريع أسهل بكثير”.

يضيف علي مدني ، عالم الأبحاث: “أعتقد أن معظم تطبيقات الذكاء الاصطناعي ستكون في مجال الرعاية الصحية.”

يتحدث مدني بحماس عن التأثير التحويلي للذكاء الاصطناعي على حياة الناس. هو يقول: “هناك تطبيقات مباشرة يمكنها تحسين المجتمع ككل.”هذا هو الدافع الرئيسي الذي قادني إلى الذكاء الاصطناعي والرعاية الصحية.”

 

• القضاء على التحيز ، وتحسين الوصول ، والتحول الطبي

 

إذن ماذا يعني هذا للأطباء والمرضى؟ القدرة على تحديد حالة مستقبلات الهرمون من بقع H.&E ، يمكن أن تجعل تكلفة العلاج أرخص وأكثر سهولة ، خاصة في البلدان النامية.

"هذا قد يعني أن المرضى في مأمن من توقع مؤلم بين التشخيص والعلاج" ، يقول الدكتور أجوس..

اقترح الدكتور أجوس استخدام التكنولوجيا الجديدة في المستقبل: “تخيل أنه عندما تأتي امرأة للتشخيص ، يمكننا إخبارها على الفور كيف يجب أن يكون علاجها.. أو في بلد من العالم الثالث ( اختبارات الجزيء غير متوفرة) تخيل أن تكون قادرًا على إخبار امرأة بأنها تستطيع تناول حبة يمكنها السيطرة على سرطان الثدي فقط عن طريق مسح الشريحة.. هذا اختراق في الطب. “

من أجل أن يكون للذكاء الاصطناعي في الطب إمكاناته الكاملة ، يجب على الأطباء أولاً التأكد من دقته..

نايك يعترف: “إن الخوارزمية التي تبلغ دقتها 80٪ فقط ليست جيدة بما يكفي لتحديد نوع علاج السرطان للمريض.”

في مرحلة الاختبار لمشروع ReceptorNet ، عندما تم اختبار الخوارزمية على صور لم يسبق لها مثيل من قبل ، حققت دقة بنسبة 92 ٪ في تحديد مستقبلات الهرمون ، مما يشير إلى إمكانية انتشارها السريري في المستقبل..

بغض النظر عن الاختلافات في العينات المصنعة التي تم تحليلها ، تم إجراء عدة تغييرات صغيرة ومتزايدة لزيادة التأكيد على أن الخوارزمية كانت قادرة على تقديم تنبؤات دقيقة.. الأهم من ذلك ، أن الخوارزمية قادرة أيضًا على توفير أداء موثوق عبر مجموعات سكانية مختلفة.

لطالما كانت هناك مخاوف من أن الرعاية الصحية القائمة على الأدلة والأدوية قد تكون متحيزة ضد مجموعات معينة لأنها غالبًا ما تفتقر إلى الأدلة.. ومع ذلك ، أثناء تطوير ReceptorNet ، تمكن الباحثون من الحصول على نتائج دقيقة في مجموعات مختلفة ، والتي يمكن أن تكون حاسمة لضمان أداء الذكاء الاصطناعي بين المتخصصين في الرعاية الصحية..

يقول نايك ، “قمنا بتحليل ذلك بقسمة البيانات على عناصر مثل العمر والعرق والموقع ، ولم يكن هناك فرق ذو دلالة إحصائية في أداء الخوارزمية.”

 

• أهمية التعاون الوثيق

 

خلال مرحلة التصميم ، عمل فريق Salesforce بشكل وثيق مع الدكتور أجوس والدكتور دان رودمان والدكتور مايكل ف.. ساعد نموذج التعاون الوثيق أيضًا على ضمان توافق أهداف الفريق مع عملية العمل السريري والأسئلة التي يهتم بها الأطباء والممرضات..

ومع ذلك ، كان الفريق يدرك أنه لم يكن كل طبيب مقتنعًا بسهولة بأنه يمكن الوثوق بالذكاء الاصطناعي.

يقول نايك إن علماء الأمراض الذين تحدث إليهم كانوا متشككين في البداية ، موضحًا أن هذا النوع من التنبؤ يعتمد على الشريحة H&E ليس شيئًا يمكن أن يفعله علماء الأمراض بمفردهم.

“ومع ذلك ، عندما رأوا أن الخوارزمية تعمل بشكل جيد ، تأثروا حقًا بأنهم يستطيعون إجراء هذه التنبؤات فقط من خلال التعلم من آلاف الصور. – وأيضًا لتوقع هذه الشكوك حول مجموعة متنوعة من الأنماط. لقد كانت رائعة ومثيرة للغاية بالنسبة لهم. “

يوافق الدكتور أجوس. “عندما بدأنا في دراسة كيفية الإجابة بسرعة على الأسئلة الجزيئية باستخدام الذكاء الاصطناعي والتعلم الآلي ، حصلنا أيضًا على نتائج جيدة.. ولكن عندما عملنا مع Salesforce ، انتقلت النتائج من جيدة إلى رائعة.”

 

• العواقب طويلة المدى وقصيرة المدى

 

من وجهة نظر سريرية ، يمكن أن تؤدي هذه التكنولوجيا في النهاية إلى عدد من الآثار الإيجابية. في بلد متقدم مثل الولايات المتحدة ، يمكن أن يقلل هذا من تكلفة الرعاية والوقت اللازم لبدء علاج سرطان الثدي لأنه يستخدم تقنية تصوير أرخص بكثير ويستخدم صنع القرار الآلي.. يمكنه أيضًا تحسين الدقة وتحقيق نتائج أفضل للمرضى.

في البلدان النامية ذات الوصول المحدود إلى تلطيخ المدينة العالمية للخدمات الإنسانية ، يمكن أن يكون لها تأثير كبير على توسيع الوصول إلى العلاج..

يتمثل التأثير الفوري لهذا العمل في وضع الأساس للدراسات المستقبلية لمقارنة عملية العمل السريري لأخصائي علم الأمراض مع هذا النوع من الذكاء الاصطناعي وبدونه ، من أجل فهم إمكاناته بشكل أفضل..

يقول الدكتور أجوس ذلك ، “هذا مجرد غيض من فيض فيما يمكننا فعله بالذكاء الاصطناعي في رعاية مرضى السرطان. هذا مجرد مشروع تجريبي لإظهار ما هو ممكن. الآن ، يمكننا التعمق أكثر فأكثر. ويمكنني أن أتخيل يومًا بعيدًا جدًا ، عندما ننظر فقط إلى شريحة ، بمساعدة الذكاء الاصطناعي ، يمكننا إخبار شخص ما “سوف تتلقى الدواء X وليس Y '.”

بالنسبة إلى Esteva ، أحد أكثر الأشياء إثارة للاهتمام في هذا المشروع هو أنه أظهر كيف يمكن للذكاء الاصطناعي أن يفعل أكثر من مجرد تقليد دور الطبيب..

“ما نقوم به هنا هو في الواقع تدريب الذكاء الاصطناعي على القيام بشيء لا يستطيع الطبيب القيام به ، كقدرة إضافية على المجموعة.. يمكن للذكاء الاصطناعي أن يرى الأنماط غير المرئية بشكل أساسي للطبيب والتي يحتمل أن تكون حيوية للمريض.. “

أخيرًا ، يمكن أن يكون للذكاء الاصطناعي تأثير إيجابي على العلاقة بين الطبيب والمريض. من خلال اكتساب رؤى باستخدام الذكاء الاصطناعي ، يمكن للأطباء إجراء محادثة أكثر استنارة مع مرضاهم في المراحل الأولى من علاجهم وتزويدهم بصورة كاملة قائمة على البيانات لما ينتظرهم في العلاج..

• انتقل إلى المستقبل

 

تؤكد إستيفا بشغف أن الذكاء الاصطناعي يساعد على تقوية دور الطبيب وليس استبداله.

“ما يثيرني حقًا هو أنني أعتقد ،” هؤلاء الخمسة أو 10 إلى أين هو ذاهب العام القادم؟ ” لسوء الحظ ، يمكن للكثيرين منا أن يتعاملوا مع مواقف يتم فيها التعامل مع الشخص الذي نحبه بشكل غير صحيح أو يتم تشخيصه بشكل خاطئ.. في النهاية ، تساءل كيف كانت حياته ستكون مختلفة إذا كان قد اتخذ قرارًا أفضل ، حياة المريض لسنوات أو عقود. “.

“يجب أن يكون الأطباء قادرين على الحصول على أفضل معرفة ممكنة بناءً على المعرفة الطبية الموجودة. إذا كان بإمكانك بناء ذكاء اصطناعي يمكن أن يساعد الأطباء في اتخاذ القرارات الصحيحة ، باستخدام الذكاء الجماعي للأطباء والبيانات الطبية ، فهذا أمر قوي للغاية.”

يضيف الدكتور أجوس: “يعلنا الذكاء الاصطناعي والتعلم الآلي عن حقبة جديدة ، مع إمكانية تطبيقهما على أمراض تتجاوز السرطان وتحقيق نتائج أفضل للمرضى في نهاية المطاف. لن يحدث هذا بين عشية وضحاها وستكون عملية بطيئة. عملية خطوة بخطوة ، ولكن في العقد التالي شرعنا في رحلة لتحسين كل جانب من جوانب ما نقوم به من خلال البيانات.. هذا حقا مثير. “

 

(هذا البحث في اتصالات الطبيعة تم نشره.)