خب، امروز می‌خوام براتون درباره یه موضوع جالب و مهم حرف بزنم: اینکه چطور هوش مصنوعی داره میاد وسط و کلی به دکترها کمک می‌کنه تا بتونن پولیپ‌های گوارشی رو زودتر تشخیص بدن. حالا این پولیپ چی هست؟ یه جور توده کوچیک تو دستگاه گوارش که اگه زود پیداش نکنن ممکنه بدخیم و سرطانی بشه.
ماجرا اینجوریه که سرطان‌های دستگاه گوارش (همون GIC که خلاصه GastroIntestinal Cancer هست) از اون سرطان‌های پرتلفات محسوب میشه؛ هم کلی مردم رو درگیر می‌کنه، هم احتمال مرگش زیاده. خود دکترها هم گفتن که هنوز تکنولوژی‌هایی که برای تشخیص زودهنگام این سرطان‌ها دارن، اونقدرها هم عالی نیست و بعضی‌وقت‌ها نمی‌تونن بعضی توده‌ها رو به موقع پیدا کنن.
حالا یه سری دانشمند باهوش اومدن سراغ «هوش مصنوعی»، مخصوصاً یه شاخه به اسم Deep Learning یا «یادگیری عمیق»؛ یعنی همون سیستمی که می‌تونه کلی داده رو ببینه و خودش بفهمه چه اتفاقی داره میفته. این بچه‌ها یه روش سه مرحله‌ای با یادگیری عمیق ساختن که واقعاً جواب داده.
خب بریم سر اصل سیستم که خیلی هم باحاله:
اول باید از عکس‌های بافت‌شناسی و اندوسکوپی استفاده کنن (اندوسکوپی اون دوربین کوچیکیه که می‌فرستن تو بدن تا عکس بگیرن). روششون سه مرحله داره:
– مرحله اول: میایم یه شبکه Encoder-Decoder می‌سازیم (این یعنی یه مدل یادگیری عمیق که خودش یه تصویر رو می‌گیره و یه سری اطلاعات مهم از توش درمیاره) تا اون تیکه‌های مهم عکس که ممکنه پولیپ توشون باشه رو پیدا کنیم. به این محدوده میگن ROI یا Region of Interest؛ یعنی همون بخش‌های مهم تصویر.
– تو مرحله دوم: از یه سری مدل یادگیری عمیق از قبل آموزش‌دیده شده استفاده می‌کنن مثل VGG16، VGG19، ResNet50 و InceptionV3 (اینا اسم مدل‌های معروف در یادگیری عمیقن که اکثراً تو تشخیص تصویر استفاده میشن).
– مرحله آخر: میرن سراغ یه مدل به اسم SVM یا ماشین بردار پشتیبان (یه الگوریتم که میاد حسابی داده‌ها رو از هم تفکیک می‌کنه و تصمیم می‌گیره که کدوم تصویر مریضه و کدوم سالم).
برای اینکه این سیستم درست کار کنه، با ۵ تا دیتاست مختلف تمرینش دادن:
1. CRC-VAL-HE-7K
2. CRC-VAL-HE-100K
3. Kvasir_v2
4. دیتاست بیمارستان سرطان پکن
5. یه دیتاست با برچسب ضعیف (یعنی عکس‌هاییه که خیلی دقیق هم نشونه‌گذاری نشدن)
این دیتاست‌ها عکس بافت‌شناسی (یعنی عکس زیر میکروسکوپ از بافت) و اندوسکوپی دارن.
نتایج واقعاً خوب بوده:
– مدل ResNet50 تونسته دقیق‌ترین باشه، مثلاً روی دیتاست‌های ۱، ۲ و ۴ دقت‌هایی مثل 97.01%، 96.49% و حتی 98.90% گرفته! (دقت یا Accuracy یعنی چند درصد مواقع درست تشخیص داده)
– مدل VGG16 روی دیتاست ۳ به دقت 96.64% رسیده و VGG19 روی دیتاست ۵ به 98.75%.
– مدل InceptionV3 هم بد نبود ولی نسبت به بقیه یه کوچولو دقتش کمتر شد.
خلاصه الان با این روش سه مرحله‌ای و هوش مصنوعی، واقعاً شانس تشخیص زودهنگام سرطان‌های دستگاه گوارش خیلی بیشتر شده. یعنی دیگه شاید کم‌کم بشه توده‌هایی که هنوز خیلی کوچیکن و با چشم غیرمسلح پیدا نمی‌شن رو هم به موقع بشه تشخیص داد و جون کلی آدم رو نجات داد.
اصلاً فکر کن چه آینده خوبی می‌تونه باشه اگه این مدل‌ها رو تو بیمارستان‌های بیشتر استفاده کنن، مخصوصاً جاهایی که متخصص کم دارن یا حجم بیماران زیاده. در کل، هوش مصنوعی داره به کمک پزشک‌ها میاد تا بیماری‌های سنگین مثل سرطان گوارش رو، خیلی زودتر از قبل شناسایی کنن و یه قدم بزرگ به سمت سلامت بیشتر جامعه برداریم! 🌟
منبع: +
