هوش مصنوعی در تشخیص سرطان پستان با ماموگرافی؛ آیا AI میتواند به رادیولوژیست کمک کند؟
هوش مصنوعی در سالهای اخیر به یکی از مهمترین فناوریهای در حال توسعه در تصویربرداری پزشکی و رادیولوژی تبدیل شده است. یکی از مهمترین کاربردهای آن، استفاده از الگوریتمهای هوش مصنوعی برای تحلیل تصاویر ماموگرافی و کمک به تشخیص زودهنگام سرطان پستان است.
اما یک سؤال مهم وجود دارد: آیا هوش مصنوعی میتواند در تشخیص سرطان پستان به اندازه رادیولوژیستها دقیق عمل کند؟
مطالعات مختلفی به بررسی این موضوع پرداختهاند. یکی از مطالعات مهم در این زمینه، یک مطالعه جمعیتی بزرگ در دانمارک است که عملکرد یک سیستم هوش مصنوعی را در تشخیص سرطان پستان در تعداد زیادی از غربالگریهای ماموگرافی بررسی کرده است.
در این مقاله، این مطالعه و مهمترین یافتههای آن را بررسی میکنیم و به نقش احتمالی هوش مصنوعی در آینده غربالگری سرطان پستان میپردازیم.
هوش مصنوعی در تشخیص سرطان پستان چیست؟
هوش مصنوعی یا Artificial Intelligence (AI) به مجموعهای از الگوریتمها و روشهای محاسباتی گفته میشود که میتوانند الگوهای موجود در دادهها را شناسایی و تحلیل کنند.
در تصویربرداری پزشکی، سیستمهای هوش مصنوعی میتوانند با آموزش روی تعداد زیادی تصویر پزشکی، الگوهایی را که ممکن است با بیماری مرتبط باشند شناسایی کنند.
در ماموگرافی، این فناوری میتواند برای:
- شناسایی نواحی مشکوک در تصاویر
- تشخیص الگوهای مرتبط با سرطان پستان
- اولویتبندی تصاویر برای بررسی بیشتر
- کمک به کاهش خطاهای تشخیصی
- کاهش حجم کاری رادیولوژیستها
استفاده شود.
البته استفاده از AI به معنای حذف نقش رادیولوژیست نیست. در بسیاری از کاربردهای بالینی، هدف اصلی کمک به رادیولوژیست و افزایش کارایی فرآیند تشخیص است.
چرا استفاده از AI در ماموگرافی اهمیت دارد؟
سرطان پستان یکی از مهمترین سرطانها در زنان است و تشخیص زودهنگام آن میتواند نقش مهمی در روند درمان داشته باشد.
برنامههای غربالگری ماموگرافی با هدف شناسایی سرطان در مراحل اولیه انجام میشوند. با این حال، بررسی حجم بالای تصاویر ماموگرافی میتواند برای سیستمهای غربالگری و رادیولوژیستها چالشبرانگیز باشد.
در چنین شرایطی، هوش مصنوعی میتواند بهعنوان یک ابزار کمکی برای تحلیل تصاویر و شناسایی موارد مشکوک مورد استفاده قرار گیرد.
یکی از جذابترین کاربردهای AI، استفاده از آن در کنار رادیولوژیست است؛ بهگونهای که سیستم هوش مصنوعی بتواند مواردی را که نیاز به بررسی دقیقتر دارند مشخص کند.
بررسی یک مطالعه بزرگ درباره هوش مصنوعی و ماموگرافی
در یک مطالعه منتشرشده در European Radiology، عملکرد یک سیستم هوش مصنوعی برای تشخیص سرطان پستان با عملکرد رادیولوژیستهای غربالگری مقایسه شد.
دادههای این مطالعه شامل 249,402 غربالگری ماموگرافی مربوط به 149,495 زن در منطقه جنوب دانمارک بود. در این مجموعه، در مجموع 2033 مورد سرطان پستان شناسایی شد.
محققان عملکرد AI را با استفاده از شاخصهایی مانند:
- حساسیت (Sensitivity)
- ویژگی (Specificity)
- ارزش اخباری مثبت (PPV)
- ارزش اخباری منفی (NPV)
- نرخ Recall
بررسی کردند.
عملکرد هوش مصنوعی در مقایسه با رادیولوژیست
یکی از مهمترین یافتههای این مطالعه این بود که وقتی آستانه تصمیمگیری سیستم AI بهگونهای تنظیم شد که ویژگی آن با رادیولوژیستهای خوانش اول قابل مقایسه باشد، عملکرد کلی AI در تشخیص سرطان در سطح قابل مقایسهای قرار گرفت.
با این حال، یک نکته بسیار مهم وجود داشت:
AI و رادیولوژیستها دقیقاً همان سرطانها را شناسایی نمیکردند.
به عبارت دیگر، برخی سرطانها توسط AI شناسایی شدند که در خوانش اولیه رادیولوژیستها شناسایی نشده بودند و برعکس.
این یافته اهمیت استفاده از هوش مصنوعی بهعنوان یک ابزار مکمل را نشان میدهد.
نتایج مطالعه چه چیزی را نشان داد؟
در این مطالعه، در یکی از تنظیمات ارزیابی، ویژگی AI حدود 97.5 درصد در مقابل 97.7 درصد برای رادیولوژیستهای خوانش اول بود.
همچنین نرخ Recall برای AI حدود 3 درصد و برای رادیولوژیستها 2.8 درصد گزارش شد.
نکته قابل توجه دیگر این بود که AI توانست تعداد بیشتری از برخی سرطانهای فاصلهای یا Interval Cancer را شناسایی کند؛ سرطانهایی که در فاصله بین غربالگریها ظاهر میشوند.
این نتایج نشان میدهد که مقایسه AI و رادیولوژیست صرفاً با یک عدد مانند دقت تشخیصی قابل انجام نیست و نوع سرطانهایی که هر روش شناسایی میکند نیز اهمیت دارد.
آیا هوش مصنوعی میتواند جایگزین رادیولوژیست شود؟
پاسخ کوتاه این است: هنوز نمیتوان چنین نتیجهای گرفت.
اگرچه برخی مطالعات نشان دادهاند که عملکرد بعضی سیستمهای AI در شرایط خاص میتواند با رادیولوژیستها قابل مقایسه باشد، اما شواهد موجود به این معنا نیست که هوش مصنوعی میتواند بهطور کامل جایگزین متخصص رادیولوژی شود.
تفسیر تصویر پزشکی تنها به شناسایی یک الگوی تصویری محدود نمیشود. رادیولوژیست باید یافتههای تصویری را در کنار سابقه بیمار، علائم، سایر روشهای تصویربرداری و در صورت نیاز نتایج پاتولوژی تفسیر کند.
به همین دلیل، یکی از کاربردهای مهمتر AI در حال حاضر، تصمیمیار بودن برای رادیولوژیست است.
نقش هوش مصنوعی در کاهش حجم کاری رادیولوژیست
یکی از مزایای بالقوه AI در غربالگری سرطان پستان، کاهش حجم کاری متخصصان است.
در یک مطالعه دیگر در برنامه غربالگری دانمارک، استفاده از AI با کاهش حدود 33.5 درصدی حجم خوانش رادیولوژیستها همراه بود و همزمان برخی شاخصهای عملکرد غربالگری نیز بهبود پیدا کردند.
این موضوع بهخصوص در سیستمهایی که با تعداد زیادی تصویر و کمبود نیروی متخصص مواجه هستند، اهمیت زیادی دارد.
AI میتواند در چنین شرایطی به دستهبندی مطالعات، اولویتبندی موارد مشکوک و کاهش بررسیهای غیرضروری کمک کند.
مزایای احتمالی هوش مصنوعی در ماموگرافی
استفاده صحیح از AI در غربالگری ماموگرافی میتواند مزایای مختلفی داشته باشد:
1. کمک به تشخیص زودهنگام
الگوریتمهای AI میتوانند الگوهای مشکوک موجود در تصاویر را شناسایی کرده و موارد نیازمند بررسی بیشتر را مشخص کنند.
2. کاهش حجم کاری
با اولویتبندی یا دستهبندی تصاویر، امکان کاهش حجم بررسی مستقیم توسط رادیولوژیست وجود دارد.
3. ایجاد یک لایه بررسی اضافی
هوش مصنوعی میتواند بهعنوان یک ابزار مستقل یا مکمل، یک سطح اضافی از تحلیل را به فرآیند غربالگری اضافه کند.
4. افزایش استانداردسازی
عملکرد یک الگوریتم مشخص میتواند در شرایط یکسان، خروجی نسبتاً استانداردی ایجاد کند؛ هرچند عملکرد آن به داده آموزشی، جمعیت مورد بررسی و تنظیمات سیستم وابسته است.
محدودیتهای استفاده از AI در تشخیص سرطان پستان
در کنار مزایا، هوش مصنوعی محدودیتهایی نیز دارد.
عملکرد یک الگوریتم ممکن است با تغییر جمعیت، دستگاه تصویربرداری، کیفیت تصاویر، تراکم پستان و سایر عوامل تغییر کند.
همچنین ممکن است AI و رادیولوژیستها در تشخیص برخی انواع سرطان عملکرد متفاوتی داشته باشند.
به همین دلیل، ارزیابی یک سیستم AI در یک مطالعه بهتنهایی برای تعمیم نتایج آن به تمام مراکز درمانی کافی نیست.
مطالعات بزرگ و اعتبارسنجی در جمعیتهای مختلف برای مشخص شدن عملکرد واقعی این فناوری ضروری هستند.
آینده هوش مصنوعی در تصویربرداری پزشکی
روند توسعه AI نشان میدهد که این فناوری احتمالاً نقش پررنگتری در تصویربرداری پزشکی خواهد داشت.
در آینده، هوش مصنوعی میتواند در بخشهایی مانند:
- تشخیص و طبقهبندی ضایعات
- تحلیل تصاویر ماموگرافی
- غربالگری سرطان
- اولویتبندی مطالعات
- اندازهگیری خودکار ضایعات
- مقایسه مطالعات قبلی و جدید
- کمک به گزارشنویسی
کاربرد بیشتری پیدا کند.
با این حال، ارزش واقعی AI زمانی مشخص میشود که این فناوری نه فقط در مطالعات آزمایشگاهی، بلکه در محیط واقعی بالینی بتواند دقت، سرعت و بهرهوری فرآیند تشخیص را بهبود دهد.
آیا آینده رادیولوژی بدون هوش مصنوعی خواهد بود؟
احتمالاً نه.
اما آینده رادیولوژی الزاماً به معنای «جایگزینی رادیولوژیست با هوش مصنوعی» نیست.
سناریوی محتملتر، همکاری میان رادیولوژیست و سیستمهای هوش مصنوعی است؛ جایی که AI وظایف محاسباتی و شناسایی الگوها را بر عهده میگیرد و رادیولوژیست از دانش پزشکی و تجربه بالینی خود برای تصمیمگیری نهایی استفاده میکند.
به همین دلیل، آینده تصویربرداری پزشکی را میتوان بیشتر بهعنوان Human + AI در نظر گرفت تا AI در مقابل انسان.
جمع بندی
هوش مصنوعی در حال تبدیل شدن به یکی از فناوریهای مهم در تصویربرداری پزشکی است و ماموگرافی یکی از حوزههایی است که تحقیقات گستردهای در آن انجام شده است.
مطالعات بزرگ انجامشده در دانمارک نشان دادهاند که سیستمهای AI میتوانند در برخی شرایط عملکردی قابل مقایسه با خوانش اولیه رادیولوژیستها داشته باشند و در عین حال سرطانهایی را شناسایی کنند که ممکن است در خوانش انسانی شناسایی نشده باشند.
با این حال، شواهد فعلی بیشتر از استفاده هوش مصنوعی بهعنوان ابزار کمکی و تصمیمیار رادیولوژیست حمایت میکنند تا جایگزینی کامل متخصص.
با پیشرفت الگوریتمها، کیفیت تصاویر و روشهای تصویربرداری، انتظار میرود نقش هوش مصنوعی در تشخیص و غربالگری بیماریها در سالهای آینده گستردهتر شود.
سوالات متداول
آیا هوش مصنوعی میتواند سرطان پستان را در ماموگرافی تشخیص دهد؟
بله. سیستمهای هوش مصنوعی میتوانند با تحلیل تصاویر ماموگرافی، الگوهای مشکوک مرتبط با سرطان پستان را شناسایی کنند. با این حال، نحوه استفاده از AI و میزان دقت آن به سیستم، جمعیت مورد بررسی و شرایط بالینی بستگی دارد.
آیا AI جایگزین رادیولوژیست میشود؟
در حال حاضر شواهد علمی چنین نتیجهای را تأیید نمیکنند. کاربرد مهم AI، کمک به رادیولوژیست در تحلیل تصاویر، اولویتبندی موارد و کاهش حجم کاری است.
آیا هوش مصنوعی دقت تشخیص سرطان پستان را افزایش میدهد؟
برخی مطالعات نشان دادهاند که استفاده از AI میتواند در شرایط خاص عملکرد غربالگری را بهبود دهد، اما نتایج بین سیستمها و جمعیتهای مختلف یکسان نیست و به مطالعات اعتبارسنجی بیشتری نیاز است.
هوش مصنوعی در چه بخشهایی از رادیولوژی کاربرد دارد؟
AI در حوزههایی مانند ماموگرافی، CT، MRI، سونوگرافی، تشخیص ضایعات، اندازهگیری خودکار و اولویتبندی تصاویر در حال توسعه است.
آیا AI میتواند تمام تصاویر پزشکی را بهصورت مستقل تفسیر کند؟
خیر. عملکرد AI به نوع الگوریتم، دادههای آموزشی، کیفیت تصاویر و کاربرد موردنظر وابسته است و در بسیاری از کاربردهای بالینی، تفسیر متخصص همچنان بخش مهم فرآیند تشخیص است.
