خب بیا یه نگاه خودمونی و بدون اینکه بخوایم خیلی رسمی حرف بزنیم بندازیم به داستان هوش مصنوعی و سونوگرافی دستی برای غربالگری سرطان سینه. همه میدونیم که کشف زودهنگام سرطان سینه چقدر می‌تونه مهم باشه و تو کشورهای پرپول، کلی برنامه غربالگری با ماموگرافی (یه نوع عکسبرداری مخصوص سینه) راه انداختن که واقعاً تو کاهش آمار مرگ حسابی تاثیرگذار بوده. اما مشکل اینجاست که تو خیلی از کشورهایی که زیاد اوضاع اقتصادی‌شون گل و بلبل نیست (یعنی کشورهای کم‌درآمد یا متوسط)، ماموگرافی خیلی دسترسی راحتی نداره و همه نمی‌تونن برن انجامش بدن.
اینجاست که سونوگرافی دستی سینه یا همون BUS وارد ماجرا میشه. BUS نسبت به ماموگرافی هزینه کمتری داره و راحت‌تر میشه سراغش رفت، ولی یه مشکل داره و اونم اینه که برای گرفتن و تفسیر کردن عکسش، حسابی تخصص و آموزش می‌خواد. یعنی هر کسی نمی‌تونه راحت بشینه پشت دستگاه و نتیجه درست و حسابی بده.
حالا این وسط هوش مصنوعی (AI) اومده که ماجرا رو هیجان‌انگیز کنه! مثلاً AI یعنی همون هوش مصنوعی که می‌تونه اطلاعات رو آنالیز کنه، تصمیم بگیره و حتی چیزهایی ایجاد کنه. حالا هوش مصنوعی اگه به BUS وصل بشه، می‌تونه هم تو شناسایی توده‌های مشکوک کمک کنه و هم تو دسته‌بندی تصاویر و حتی تشخیص اینکه توده سرطانی هست یا نه. اینجوری آدمای غیرمتخصص هم می‌تونن از سونوگرافی دستی واسه غربالگری استفاده کنن و هزینه‌ها هم کلی میاد پایین.
حالا یه تیم محقق (Arianna Bunnell و همکاراش) اومدن کلی مقاله از سال ۲۰۱۶ تا آخر ۲۰۲۳ رو جمع کردن تا ببینن واقعاً این هوش مصنوعی و سونوگرافی دستی با هم چقدر تو تشخیص سرطان سینه دقیق عمل می‌کنن، مخصوصاً برای جاهایی که کلی محدودیت دارن و بودجه آنچنانی ندارن. اونا ۷۶۳ تا مقاله رو زیر و رو کردن، ۳۱۴ تا رو کامل خوندن و آخرش ۳۴ تا مقاله رو انتخاب کردن که واقعا به درد می‌خوردن.
مطالعاتی که انتخاب شدن، چند تا کار رو با هوش مصنوعی بررسی کردن؛ مثلاً یکی فقط فریم (قاب) مناسب تصویر رو انتخاب می‌کرد، شش تا دنبال شناسایی خودِ توده بودن، ۱۱ تا دنبال تقسیم‌بندی (Segmentation یعنی برش دادن بخش‌های مختلف تصویر برای دیدن جزییات مثل نواحی مشکوک تو سونوگرافی)، و ۱۶ تا هم الگوریتم‌های طبقه‌بندی یا همون Classification رو تست کردن که باید جواب بده این توده خوبه یا بد.
از بین این مطالعات، یکی تو بخش طبقه‌بندی، AUROC ۰.۹۷۶ رو ثبت کرد. اگه برات سواله AUROC چیه؟ این یه معیار برای سنجش دقت سیستم تو طبقه‌بندی درسته، مثلاً هرچی به ۱ نزدیک‌تر باشه عالی‌تره. یکی هم که تو بخش تقسیم‌بندی بوده، Dice coefficient ۰.۸۳۸ آورده که اونم نشون‌دهنده دقت خوب الگوریتم تو مشخص کردن نواحی مختلف تصویر هست.
اما بذار رک بگم؛ حدود ۷۹٪ این مطالعات یا ریسک تعصب زیاد داشتن، یا کاملاً معلوم نبوده چقدر میشه بهشون اطمینان کرد! خلاصه اینکه با اینکه نتایج اولیه هیجان‌انگیز و امیدوارکننده بودن، هنوز خیلی جا برای کار و تست باقی مونده. مخصوصاً باید این سیستم‌های هوش مصنوعی رو تو دیتاست‌هایی که از جاهای مختلف جغرافیایی هستن امتحان کنن، یعنی نباید فقط رو چندتا بیمارستان یا کشور خاص تست شن و بعد بگیم اوکیه.
پس در کل، هوش مصنوعی داره خفن عمل می‌کنه و اگه واقعا تو دنیای واقعی هم موفق بشه، می‌تونه باعث بشه تو کشورهایی که به ماموگرافی دسترسی ندارن، غربالگری همگانی سرطان سینه بالاخره به نتیجه برسه و جون کلی آدم نجات پیدا کنه. ولی فعلاً باید منتظر باشیم تا تست‌های با کیفیت بیشتری انجام بشه تا معلوم شه این تکنولوژی واقعاً آماده ورود به میدونه یا نه!
منبع: +
