خب بیاید یه بار دیگه راجع‌به سرطان سینه حرف بزنیم؛ همون سرطانی که متأسفانه هر سال نزدیک به ۲.۳ میلیون نفر در دنیا بهش مبتلا می‌شن! حالا اگه شما یا آشناتون مشکوک به این بیماری باشن، دکترها برای تشخیص بدخیم بودنش، معمولاً تستی به اسم ایمونوهیستوشیمی (Immunohistochemistry یا همون IHC) انجام می‌دن.
حالا IHC یعنی چی؟ یعنی می‌آن چهار تا چیزی که سازمان جهانی بهداشت (WHO) گفته رو برات چک می‌کنن؛ این چهار تا “بیومارکر” (biomarker) هستن: گیرنده استروژن، گیرنده پروژسترون، گیرنده ترکیبات رشد اپیدرمال انسانی-۲ (که بهش HER2 هم می‌گن)، و کی-۶۷ (Ki-67).
بیومارکر یعنی چی؟ بیومارکرها موادی هستن که بدن تولید می‌کنه یا نشون می‌ده و باهاشون می‌تونیم یک بیماری خاص یا فعالیت یه سلول رو تشخیص بدیم.
توی روش IHC، کاری که متخصص‌ها انجام می‌دن اینه که مقدار این بیومارکرها رو توی سلول‌ها اندازه می‌گیرن. حواسشون هم هست که ببینن هسته سلولی چه تعداد قهوه‌ای رنگ شده و شدت قهوه‌ای بودن غشا (یا همون پوسته سلول) چقدر بوده؛ این نشون می‌ده اون سلول چقدر نشونه‌ی سرطانی شدن داره.
حالا بیاید از اینجا وارد یه داستان هیجان‌انگیز بشیم؛ یعنی ترکیب هوش مصنوعی (AI) با تشخیص سرطان. توی این تحقیق، پژوهشگرها اومدن چندین مدل «یادگیری جمعی» (ensemble learning) رو تست کردن تا ببینن کدوم یکی بهتر می‌تونه نوع بیماری و شدت بدخیمی رو تشخیص بده. یادگیری جمعی یعنی چی؟ یعنی به جای اینکه یه مدل تنها تصمیم بگیره، چند تا مدل دسته‌جمعی کار می‌کنن تا دقت نتیجه بالا بره.
اون‌ها دو نوع روش داشتن: یکی “همگن” (homogeneous) که یعنی مدل‌هاشون از یک جنس بودن و با هم رأی‌گیری می‌کردن؛ یکی هم “ناهمگن” (heterogeneous)، یعنی مدل‌های متفاوتی با هم ترکیب می‌شن. مثلاً توی مدل همگن اومدن چند مدل معروف مثل Xception، ResNet50V2، InceptionResNet50V2 و ConvNextTiny رو گذاشتن کنار هم و هر کدوم نتیجه خودشون رو گرفتن، بعد رأی دادند که جمع‌بندی کنن.
اما در نهایت توی مدل ناهمگن، از بین همه مدل‌ها ConvNextTiny بهترین شد و همین رو محور قرار دادن. ConvNextTiny یکی از مدل‌های جدید شبکه‌های عصبی کانولوشنیه (یعنی همون مدل‌هایی که توی تشخیص تصویر حسابی مهارت دارن).
اینجا یه حرکت جالب زدن و اطلاعاتی که از تصاویر می‌گرفتن رو با اطلاعاتی که از شمارش سلول‌ها داشتن “ادغام” (feature fusion) کردن. این یعنی هر دو نوع دیتا رو ترکیب می‌کنن تا بهتر بفهمن تصویر چی می‌گه.
حالا نتیجه چی شد؟ این مدل ConvNextTiny که فیوژن فیچرها رو داشت (همون ترکیب ویژگی‌ها)، تونست با دقت خیلی بالا تشخیص بده که سلول‌ها سرطانی هستن یا نه. مثلاً:
- دقت کلی (accuracy): ۰.۹۹۷
- دقت مخصوص هر کلاس (precision): ۰.۹۷۳
- یادآوری (recall): ۰.۹۹۱
- امتیاز F1 (یعنی میانگین تعادل precision و recall): ۰.۹۸۲
- و ROC-AUC که نشون می‌ده مدل چقدر قدرت تمایز داره: ۰.۹۹۴
یعنی خلاصه‌ش این مدلا حسابی دارن درست کار می‌کنن و می‌تونن سلول‌های سرطانی رو از سالم به راحتی تشخیص بدن.
فقط یه نکته: هنوز باید این مدلا توی آزمایشگاه و روی دستگاه‌های واقعی تست بشن تا معلوم بشه تو کار عملی و به صورت زنده هم همین‌قدر عالی جواب می‌دن یا نه.
در مجموع، این پیشرفت‌ها یعنی ممکنه به زودی تو تشخیص و حتی پیش‌بینی درمان سرطان سینه شاهد کلی پیشرفت باشیم و با کمک هوش مصنوعی بتونیم جان آدم‌ها رو راحت‌تر نجات بدیم.
منبع: +
