क्या कृत्रिम बुद्धिमत्ता कैंसर के निदान का भविष्य हो सकता है?
हाल के एक अध्ययन में, शोधकर्ताओं ने स्तन ऊतक के स्कैन में घातक और सौम्य घावों के बीच अंतर करने के लिए एक एल्गोरिथ्म को प्रशिक्षित किया।
कैंसर के साथ, सफल उपचार की कुंजी इसे जल्दी पकड़ रही है।
जैसा कि यह खड़ा है, डॉक्टरों के पास उच्च गुणवत्ता वाले इमेजिंग तक पहुंच है, और कुशल रेडियोलॉजिस्ट असामान्य वृद्धि के गप्पी के संकेत दे सकते हैं।
एक बार पहचाने जाने के बाद, अगला कदम डॉक्टरों के लिए यह पता लगाने के लिए है कि क्या विकास सौम्य या घातक है।
सबसे विश्वसनीय तरीका एक बायोप्सी लेना है, जो एक आक्रामक प्रक्रिया है।
फिर भी, त्रुटियाँ हो सकती हैं। कुछ लोग कैंसर का निदान करते हैं जहां कोई बीमारी नहीं होती है, जबकि अन्य को कैंसर होने पर निदान नहीं मिलता है।
दोनों परिणामों के कारण संकट होता है, और बाद की स्थिति उपचार में देरी का कारण बन सकती है।
शोधकर्ता इन मुद्दों से बचने के लिए नैदानिक प्रक्रिया में सुधार करने के इच्छुक हैं। यह पता लगाना कि क्या कोई घाव अधिक घातक या सौम्य है और बायोप्सी की आवश्यकता के बिना गेम चेंजर होगा।
कुछ वैज्ञानिक कृत्रिम बुद्धिमत्ता (एआई) की क्षमता की जांच कर रहे हैं। हाल के एक अध्ययन में, वैज्ञानिकों ने उत्साहजनक परिणामों के साथ एक एल्गोरिथ्म को प्रशिक्षित किया।
ऐ और इलास्टोग्राफी
अल्ट्रासाउंड इलास्टोग्राफी एक अपेक्षाकृत नई नैदानिक तकनीक है जो स्तन ऊतक की कठोरता का परीक्षण करती है। यह ऊतक को कंपन करके इसे प्राप्त करता है, जो एक लहर बनाता है। यह लहर अल्ट्रासाउंड स्कैन में विकृति का कारण बनती है, स्तन के उन क्षेत्रों को उजागर करती है जहां गुण आस-पास के ऊतक से भिन्न होते हैं।
इस जानकारी से, एक डॉक्टर के लिए यह निर्धारित करना संभव है कि कोई घाव कैंसर या सौम्य है या नहीं।
यद्यपि इस पद्धति में बड़ी क्षमता है, लेकिन इलास्टोग्राफी के परिणामों का विश्लेषण समय लेने वाली है, इसमें कई चरण शामिल हैं, और जटिल समस्याओं को हल करने की आवश्यकता है।
हाल ही में, लॉस एंजिल्स में दक्षिणी कैलिफोर्निया विश्वविद्यालय के विटर्बी स्कूल ऑफ इंजीनियरिंग के शोधकर्ताओं के एक समूह ने पूछा कि क्या एक एल्गोरिदम इन छवियों से जानकारी खींचने के लिए आवश्यक कदमों को कम कर सकता है। उन्होंने अपना परिणाम जर्नल में प्रकाशित किया कम्प्यूटर तरीके एप्लाइड मैकेनिक्स और इंजीनियरिंग के लिए.
शोधकर्ता यह देखना चाहते थे कि स्तन स्कैन में घातक और सौम्य घावों के बीच अंतर करने के लिए वे एल्गोरिथ्म को प्रशिक्षित कर सकते हैं या नहीं। दिलचस्प है, उन्होंने वास्तविक स्कैन के बजाय सिंथेटिक डेटा का उपयोग करके एल्गोरिथ्म को प्रशिक्षित करके इसे प्राप्त करने का प्रयास किया।
सिंथेटिक डेटा
यह पूछे जाने पर कि टीम ने सिंथेटिक डेटा का इस्तेमाल क्यों किया, प्रमुख लेखक प्रो। असद ओबेराय का कहना है कि यह वास्तविक दुनिया के आंकड़ों की उपलब्धता के लिए कम है। वे बताते हैं कि “यदि आप 1,000 चित्र रखते हैं, तो मेडिकल इमेजिंग के मामले में, आप भाग्यशाली हैं। इस तरह की स्थितियों में, जहां डेटा दुर्लभ है, इस प्रकार की तकनीकें महत्वपूर्ण हो जाती हैं। ”
शोधकर्ताओं ने उनके मशीन लर्निंग एल्गोरिदम को प्रशिक्षित किया, जिसे वे 12,000 से अधिक सिंथेटिक छवियों का उपयोग करते हुए एक गहन संवेदी तंत्रिका नेटवर्क के रूप में संदर्भित करते हैं।
प्रक्रिया के अंत तक, एल्गोरिथ्म सिंथेटिक छवियों पर 100% सटीक था; अगले, वे वास्तविक जीवन स्कैन पर चले गए। उनके पास सिर्फ 10 स्कैन तक पहुंच थी: जिनमें से आधे में घातक घाव और दूसरे आधे चित्रित सौम्य घाव थे।
“हमारे पास लगभग 80% सटीकता दर थी। अगला, हम इनपुट के रूप में अधिक वास्तविक दुनिया की छवियों का उपयोग करके एल्गोरिथ्म को परिष्कृत करना जारी रखते हैं। "
असद ओबराय के प्रो
यद्यपि 80% अच्छा है, यह पर्याप्त अच्छा नहीं है - हालांकि, यह सिर्फ प्रक्रिया की शुरुआत है। लेखकों का मानना है कि अगर उन्होंने एल्गोरिथ्म को वास्तविक डेटा पर प्रशिक्षित किया था, तो इसमें बेहतर सटीकता दिखाई दे सकती है। शोधकर्ता यह भी स्वीकार करते हैं कि सिस्टम की भविष्य की क्षमताओं का अनुमान लगाने के लिए उनका परीक्षण बहुत छोटा था।
एआई की वृद्धि
हाल के वर्षों में, डायग्नोस्टिक्स में एआई के उपयोग में रुचि बढ़ रही है। जैसा कि एक लेखक लिखते हैं:
"एआई को रेडियोलॉजी, पैथोलॉजी और त्वचाविज्ञान में छवि विश्लेषण के लिए सफलतापूर्वक लागू किया जा रहा है, नैदानिक गति से अधिक है, और सटीकता समानता, चिकित्सा विशेषज्ञ।"
हालाँकि, प्रो। ओबराय यह नहीं मानते हैं कि AI कभी भी प्रशिक्षित मानव ऑपरेटर की जगह ले सकता है। वह बताते हैं कि "[t] वह आम सहमति है इन प्रकार के एल्गोरिदम में एक महत्वपूर्ण भूमिका निभाई जाती है, जिसमें इमेजिंग पेशेवरों से शामिल होता है, जो इसे सबसे अधिक प्रभावित करेगा। हालांकि, ये एल्गोरिदम सबसे उपयोगी होंगे जब वे ब्लैक बॉक्स के रूप में काम नहीं करेंगे। इसने क्या देखा जो इसे अंतिम निष्कर्ष तक ले गया? इसके अनुसार काम करने के लिए एल्गोरिथ्म को समझाने योग्य होना चाहिए। "
शोधकर्ताओं को उम्मीद है कि वे अन्य प्रकार के कैंसर के निदान के लिए अपनी नई पद्धति का विस्तार कर सकते हैं। जहां भी एक ट्यूमर बढ़ता है, यह बदल जाता है कि शारीरिक रूप से एक ऊतक कैसे व्यवहार करता है। इन अंतरों को चार्ट करना और उन्हें स्पॉट करने के लिए एक एल्गोरिथ्म को प्रशिक्षित करना संभव होना चाहिए।
हालांकि, क्योंकि प्रत्येक प्रकार का कैंसर अपने परिवेश के साथ अलग-अलग तरीके से बातचीत करता है, प्रत्येक प्रकार की समस्याओं के लिए एक एल्गोरिथ्म को कई समस्याओं को दूर करना होगा। पहले से ही, प्रो। ओबराय गुर्दे के कैंसर के सीटी स्कैन पर काम कर रहे हैं ताकि एआई के निदान में मदद मिल सके।
हालांकि कैंसर निदान में एआई के उपयोग के लिए ये शुरुआती दिन हैं, भविष्य के लिए उच्च उम्मीदें हैं।
