نهج جديد يعزز قدرة الذكاء الاصطناعي على اكتشاف السرطان

المعلومة/متابعة ...
كشفت دراسة جديدة أن تدريب الذكاء الاصطناعي على محاكاة طريقة أطباء علم الأمراض في البحث عن علامات السرطان قد يعزز قدرته على اكتشاف المناطق المشبوهة داخل عينات الأنسجة.
ويعتمد كثير من أنظمة الذكاء الاصطناعي المستخدمة في علم الأمراض على تقسيم شريحة الأنسجة إلى أجزاء ثابتة وتحليلها، فيما يتبع الطبيب أسلوباً أكثر مرونة، إذ يبدأ بمسح الشريحة بشكل عام، ثم يغير مستوى التكبير ويتنقل بين المناطق المختلفة، قبل التركيز على الأجزاء التي تبدو غير طبيعية.
وتبرز أهمية هذه الطريقة في أن الشريحة النسيجية قد تحتوي على مليارات البكسلات، بينما قد تكون العلامات التي تشير إلى وجود السرطان محصورة في مساحة صغيرة جدا.
وشبه تشي هوانغ، الأستاذ المساعد في علم الأمراض وطب المختبرات بجامعة بنسلفانيا وأحد المشاركين في الدراسة، هذه العملية بمروحية تبحث عن أشخاص مفقودين، موضحا أن الطبيب لا يبدأ بفحص مساحة صغيرة من الأرض، بل يمسح المشهد كاملا قبل الانتقال إلى الفحص الدقيق.
وطور هوانغ وزملاؤه طريقة لتدريب الذكاء الاصطناعي على سلوك أطباء علم الأمراض أثناء فحص الشرائح، بدلا من تدريبه فقط على النتائج النهائية التي يتوصلون إليها.
جمع الباحثون بيانات من ثمانية أخصائيين، وسجلوا تحركاتهم داخل الشرائح ومستويات التكبير التي استخدموها أثناء البحث عن المناطق المشبوهة، ثم استبعدوا الحركات العرضية، وركزوا على السلوكيات التي تعكس اهتماما فعليا بمنطقة معينة، مثل التوقف لفترة أطول أو فحص منطقة بشكل متكرر.
وقارن الباحثون هذه البيانات بتتبع حركة العين، للتأكد من أن النظام يتعلم المناطق التي كان الأطباء يركزون عليها بالفعل، كما طلبوا من نموذج الذكاء الاصطناعي تقديم تفسير مختصر لسبب أهمية كل منطقة، مع إتاحة الفرصة للأطباء لقبول التفسير أو تعديله أو رفضه.
واستخدم الباحثون هذه البيانات لبناء نظام أطلقوا عليه اسم "Pathology-o3"، يبدأ بمسح الشريحة بدقة منخفضة، ثم يحدد المناطق التي تستحق فحصا أكثر دقة، ويرسل صورا عالية الدقة لهذه المناطق إلى نموذج ذكاء اصطناعي لتحليلها.انتهى/25