سرطان پوست یکی از رایج‌ترین سرطان‌ها تو دنیاست و خب معلومه که هرچی زودتر و دقیق‌تر تشخیص داده بشه، شانس درمان موفقیت هم بیشتر میشه. اما مشکل اینجاس که روش‌های سنتی مثل درموسکوپی (یعنی بررسی خال و لکه‌های پوست با دستگاه مخصوص) و هیستوپاتولوژی (یعنی بررسی نمونه پوست زیر میکروسکوپ) خیلی وابسته به تخصص دکترهاست و همین باعث میشه هم زمان‌بر باشه و هم ممکنه نظر آدم‌ها فرق کنه.
اینجا بود که دانشمندها تصمیم گرفتن از هوش مصنوعی کمک بگیرن! مخصوصاً الگوریتم‌های یادگیری عمیق (Deep Learning)، یعنی یه مدل کامپیوتری که خودش از کلی عکس و داده یاد می‌گیره چطور یه کار (مثلا تشخیص سرطان) رو خوب انجام بده. اما مسئله اینه که این مدل‌ها کلی داده و کلی قدرت پردازشی می‌خوان و یاد گرفتنشون هم زمان می‌بره.
حالا راه‌حلی که تو این مقاله ارائه شده اینه: یه مدل ترکیبی هوشمند طراحی کردن که بهش میگن CAD یا Computer-Aided Diagnosis (یعنی تشخیص کامپیوتری که به دکترها کمک می‌کنه). اول عکس‌های پوست رو از دیتابیس معروف ISIC که تو سایت Kaggle هم هست جمع‌آوری کردن. بعدش از یه بخش مخصوص توی مدل یادگیری عمیق که بهش Stem Block میگن (یه بخش اولیه که اطلاعات مهم عکس رو تشخیص میده)، ویژگی‌های اصلی عکس رو استخراج کردن. بعد اون ویژگی‌ها رو با استفاده از یه ابزار ساده‌سازی که اسمش StandardScaler هست (یعنی هر داده رو طوری تغییر میده که معدلش صفر بشه و انحراف معیارش یک؛ اینجوری همه چیز تو یه مقیاس و قابل مقایسه میشه)، آماده کردن.
ویژگی‌هایی که آماده شده بودن، دادن به یه دسته‌بند متا-لرنر. اگه نمی‌دونی متا-لرنر چیه: متا-لرنینگ یعنی یاد گرفتن اینکه چطور باید یاد گرفت! این مدل‌های هوش مصنوعی می‌تونن خودشون رو با مشکلات جدید وفق بدن و خیلی سریع‌تر از مدل‌های سنتی سراغ جواب درست برن.
یه نکته جذاب دیگه اینه که توی این سیستمی که ساختن، بحث دیجیتال توین (Digital Twin) رو هم آوردن وسط: یعنی چی؟ یعنی یه مدل مجازی از فرایند تشخیصی ساختن که میشه همه مراحل رو به صورت شبیه‌سازی شده و مجازی بررسی کرد و بازخورد لحظه‌ای و پایش عملکرد گرفت. اینکار کمک می‌کنه هم دقت بالاتر بره، هم میشه دنبال رفع اشکال و بهبود دائمی بود و بهترین تجربه رو تو محیط واقعی بیمارستان داشت.
یکی از دغدغه‌های اصلی تو اینجور هوش مصنوعی‌ها شفافیت تصمیم‌گیریه. برای همین از روش‌های XAI یا Explainable Artificial Intelligence استفاده کردن؛ یعنی تکنیک‌هایی که اجازه میده بفهمیم مدل دقیقاً چرا و چطور اون تصمیم رو گرفته. این خیلی مهمه، چون دکترها باید بدونن که چرا الگوریتم‌ها یک جواب خاص دادن تا به تصمیم سیستم اعتماد کنن.
نتیجه نهایی؟ این مدل پیشنهادی به دقت ۹۶.۲۵ درصد رسیده! یعنی تقریباً همیشه با صحت خیلی بالا می‌تونه سرطان پوست رو شناسایی کنه — بدون اینکه نیاز به کامپیوتر خیلی قوی یا آموزش‌های خیلی زمان‌بر داشته باشه. خلاصه اگر مدل‌های یادگیری عمیق قبلی هم خوب بودن ولی پیچیده و سنگین بودن، این یکی دیگه قشنگ بهینه و دسته‌بندیه.
در کل این روش جدید هم دقت داره، هم کاربرپسنده و هم می‌تونه به عنوان یه ابزار سریع و دقیق برای غربالگری سرطان پوست حسابی نقش بازی کنه. حالا دکترها می‌تونن با خیال راحت‌تر و سریع‌تر پیشرفت کنن و بیماران هم شانس بیشتری برای درمان خوب دارن!
منبع: +
