نوشته شانیا کندی
بر اساس مطالعه‌ای که هفته گذشته منتشر شد، ابزارهای مبتنی بر هوش مصنوعی (AI) می‌توانند دقت تشخیصی سرطان پوست را در پزشکان، پرستاران و دانشجویان پزشکی بهبود بخشند. npj پزشکی دیجیتال.
محققان تاکید کردند که ابزارهای تشخیصی سرطان پوست مبتنی بر هوش مصنوعی به سرعت در حال توسعه هستند و این ابزارها احتمالاً پس از آزمایش مناسب و تأیید موفقیت آمیز در تنظیمات بالینی مستقر می شوند.
با این حال، تیم تحقیقاتی همچنین خاطرنشان کرد که وعده‌های قابل توجه این مدل‌ها تا حد زیادی تئوری باقی می‌ماند، زیرا شواهدی برای تقویت استفاده از ابزارهای پشتیبانی تصمیم‌گیری بالینی مبتنی بر هوش مصنوعی در تشخیص سرطان پوست محدود است.
برای رسیدگی به این موضوع، محققان یک بررسی سیستماتیک و متاآنالیز را برای بررسی تاثیر کمک هوش مصنوعی بر دقت تشخیص سرطان پوست انجام دادند.
مقالات بررسی شده در مورد ارزیابی تشخیص سرطان پوست به کمک هوش مصنوعی منتشر شده بین ۱ ژانویه ۲۰۱۷ تا ۸ نوامبر ۲۰۲۲ از PubMed، Embase، موسسه مهندسین برق و الکترونیک Xplore (IEE Xplore) و Scopus برای تجزیه و تحلیل استخراج شدند. از 2983 مقاله بازیابی اولیه، تنها 12 مقاله در بررسی سیستماتیک و ده مقاله در متاآنالیز گنجانده شدند.
بیشتر بخوانید: ابزار بالینی پاسخ درمانی اقتباسی را در بیماران مبتلا به سرطان چشم پیش بینی می کند
این مطالعات شامل بیش از 67000 ارزیابی سرطان پوست بالقوه توسط پزشکان مختلف – از جمله دانشجویان پزشکی، پزشکان مراقبت های اولیه و متخصصان پوست – با و بدون کمک هوش مصنوعی بود.
محققان تاکید کردند که ابزارهای هوش مصنوعی به جای اینکه به عنوان جایگزینی برای تخصص آنها عمل کنند، نقش کمکی را برای پزشکان ایفا می کنند و این تیم را به بررسی چگونگی تأثیر کمک هوش مصنوعی بر عملکرد تشخیصی هدایت می کند.
دکتر جیونگ کیم، محقق فوق دکتری در مرکز سلامت دیجیتال استنفورد، در بیانیه‌ای توضیح داد: «مطالعات قبلی بر نحوه عملکرد هوش مصنوعی در مقایسه با پزشکان متمرکز شده‌اند. “مطالعه ما پزشکانی را که بدون کمک هوش مصنوعی کار می کنند با پزشکانی که از هوش مصنوعی هنگام تشخیص سرطان پوست استفاده می کنند، مقایسه کرد.”
تیم تحقیقاتی نشان داد که مطالعات قبلی همچنین نشان داده‌اند که عوامل مختلفی – مانند میزان اطمینان یک پزشک به تصمیم بالینی خود، میزان اطمینان ابزار هوش مصنوعی و اینکه آیا پزشک و هوش مصنوعی بر سر تشخیص توافق دارند یا خیر – تعیین می‌کنند که آیا پزشک توصیه های الگوریتم را در تصمیم گیری بالینی خود لحاظ می کند.
کیم گفت: «ما می‌خواهیم بهتر درک کنیم که انسان‌ها چگونه با هوش مصنوعی تعامل می‌کنند و از آن برای تصمیم‌گیری بالینی استفاده می‌کنند.
بیشتر بخوانید: یادگیری ماشینی بستری شدن در بیمارستان را در طول درمان سرطان پیش بینی می کند
متاآنالیز و بررسی نشان داد که به طور کلی، پزشکان مراقبت های بهداشتی در تمام سطوح آموزشی و تخصص ها از استفاده از ابزارهای هوش مصنوعی سود می برند.
تمرین‌کنندگانی که از هوش مصنوعی استفاده نمی‌کردند توانستند 74.8 درصد موارد سرطان پوست را به‌طور دقیق تشخیص دهند و 81.5 درصد از بیماران مبتلا به بیماری‌های پوستی مشابه سرطان را که سرطان نداشتند، به درستی علامت‌گذاری کنند. افرادی که با کمک هوش مصنوعی کار می کردند، 81.1 درصد موارد سرطان پوست و 86.1 درصد از بیماری های پوستی مشابه سرطان را به درستی شناسایی کردند.
برای به دست آوردن بینش بیشتر در مورد استفاده از هوش مصنوعی، محققان تجزیه و تحلیل های زیر گروهی را انجام دادند. اینها نشان داد که همه پزشکان از این ابزارها سود می بردند، اما بیشترین پیشرفت ها در بین غیر متخصصان پوست مشاهده شد.
دانشجویان پزشکی، پرستاران و پزشکان مراقبت های اولیه بیشترین افزایش را مشاهده کردند، یعنی حدود 13 امتیاز در حساسیت و 11 امتیاز در ویژگی به طور متوسط با کمک هوش مصنوعی بهبود یافتند. متخصصان پوست و دستیاران پوست نسبت به همکاران خود به طور کلی با و بدون هوش مصنوعی بهتر عمل کردند، اما عملکرد تشخیصی آنها نیز با پشتیبانی تصمیم گیری بالینی مبتنی بر هوش مصنوعی بهبود یافت.
محققان خاطرنشان کردند که این یافته ها پتانسیل هوش مصنوعی را در تخصص های پزشکی سنگین تصویربرداری مانند پوست و رادیولوژی برجسته می کند.
بیشتر بخوانید: هوش مصنوعی به طور غیرقابل پیش بینی بر عملکرد رادیولوژیست تأثیر می گذارد
النی لینوس، MD، مدیر مرکز سلامت دیجیتال و استاد پوست و اپیدمیولوژی در استنفورد، گفت: «این نشان می دهد که چگونه می توان از هوش مصنوعی در همکاری با یک پزشک برای بهبود مراقبت از بیمار استفاده کرد.
اگر این فناوری بتواند به طور همزمان دقت تشخیصی پزشک را بهبود بخشد و در وقت آنها صرفه جویی کند، واقعاً یک برد-برد است. لینوس ادامه داد: علاوه بر کمک به بیماران، می‌تواند به کاهش فرسودگی شغلی پزشک و بهبود روابط بین فردی بین پزشکان و بیمارانشان کمک کند. من شک ندارم که کمک هوش مصنوعی در نهایت در تمام تخصص های پزشکی استفاده خواهد شد. سوال کلیدی این است که چگونه مطمئن شویم که از آن به گونه ای استفاده می شود که به همه بیماران صرف نظر از پیشینه آنها کمک کند و به طور همزمان از رفاه پزشک حمایت کند.
این تحقیق یکی از مجموعه‌ای از تلاش‌ها برای بررسی این موضوع است که چگونه ابزارهای تحلیلی پیشرفته می‌توانند مراقبت از سرطان را افزایش دهند.
این هفته، یک تیم تحقیقاتی از مرکز پزشکی دانشگاه پیتسبورگ (UPMC) توضیح داد که چگونه یک مدل پیش‌بینی‌کننده می‌تواند به پیش‌بینی پاسخ بیماران ملانومای یووئال متاستاتیک به درمان اقتباسی کمک کند – نوعی ایمونوتراپی که در آن سلول‌های T بیمار استخراج می‌شوند و در چندین برابر می‌شوند. یک آزمایشگاه و تزریق مجدد.
ملانوم Uveal نسبت به ایمونوتراپی های استاندارد مقاوم است، و در نتیجه برای بسیاری از بیماران پس از متاستاز سرطان، پیش آگهی ضعیفی دارد. تحقیقات قبلی نشان داد که درمان پذیرفته شده در برخی بیماران موفقیت آمیز است و به لنفوسیت های نفوذ کننده تومور (TILs) اجازه می دهد تا سلول های تومور را فعال کرده و به آنها حمله کنند.
برای شناسایی بیمارانی که احتمالاً به این نوع درمان پاسخ می‌دهند، محققان امتیاز ایمنی ملانوم Uveal (UMIS) را طراحی کردند که برای اندازه‌گیری فعالیت ژن‌های بیان‌شده توسط سلول‌ها در ریزمحیط تومور برای پیش‌بینی موفقیت درمان طراحی شده است.