پیش‌بینی سرطان سینه 5 سال قبل از ابتلا

اقتصاد۲۴ – مدل هوش مصنوعی توسعه یافته توسط دانشمندان مؤسسه فناوری ماساچوست(MIT) می‌تواند سرطان پستان را بدون توجه به مسائل نژادی تا ۵ سال زودتر از آن که فرد به آن مبتلا شود پیش‌بینی کند.

محققان MIT یک روش جدید مبتنی بر هوش مصنوعی برای دیدن تصاویر ماموگرافی اختراع کرده‌اند که می‌تواند در تشخیص سرطان پستان در زنان تا ۵ سال زودتر عمل کند.

به گزارش انگجت،یک مدل یادگیری عمیق که توسط یک تیم از محققان آزمایشگاه هوش مصنوعی MIT و آزمایشگاه هوش مصنوعی "CSAIL" و بیمارستان عمومی ماساچوست ایجاد شده است می‌تواند براساس یک ماموگرام پیش‌بینی کند که آیا یک زن در آینده به سرطان پستان مبتلا خواهد شد یا نه و بر خلاف روش‌های قدیمی‌تر، به خوبی روی بیماران سیاه پوست کار می‌کند.

سیستم‌های قبلی در تشخیص و پیش‌بینی سرطان پستان در بیماران سیاه پوست مشکل داشتند، اما این سیستم به خوبی روی هر دو کار می‌کند.

دانشمندان ابتدا به ماموگرام‌های بیش از ۶۰ هزار بیمار که در بیمارستان عمومی ماساچوست تحت درمان بودند، نگاه کردند. سپس زنانی را که طی پنج سال تحت نظارت بودند و به سرطان پستان مبتلا شده بودند شناسایی کردند و با استفاده از این اطلاعات یک مدل ساختند که الگوهای ظریف در بافت پستان را که از نشانه‌های اولیه سرطان پستان هستند تشخیص می‌دهد.

این هوش مصنوعی توانایی کمک به حل اختلاف نژادی در مراقبت‌های بهداشتی زنان را دارد. از آنجا که اطلاعات فعلی در زمینه سرطان پستان بر اساس جمعیت سفید پوست به دست آمده است موجب تأخیر در تشخیص این بیماری در زنان رنگین پوست شده است. این اتفاق به عواقب شدیدی منجر شده است، چرا که زنان سیاه پوست نسبت به زنان سفید پوست ۴۳ درصد بیشتر قربانی سرطان پستان می‌شوند و جان خود را از دست می‌دهند. همچنین به طور متوسط زنان هیسپانیک (اسپانیایی زبان)، سیاه پوست و آسیایی زودتر از همتایان سفیدپوست خود به سرطان پستان مبتلا می‌شوند.

مدل هوش مصنوعی جدید MIT به یک دلیل ساده بر روی هر دو بیمار رنگین پوست و سفید پوست خوب عمل می‌کند چرا که داده‌های آموزشی آن از هر دو جمعیت بوده است.

دکتر "آلیسون کوریان" محقق این پژوهش گفت: سیستم ما برای سفید پوستان و رنگین پوستان به طور یکسان عمل می‌کند که ابزارهای پیشین این قابلیت را نداشتند. این سیستم در صورت تأیید و در دسترس قرار گرفتن برای استفاده گسترده واقعاً می‌تواند استراتژی‌های فعلی ما برای برآورد خطر ابتلاء را بهبود بخشد.