پیش بینی خطر مرگ بیماران سرطانی با هوش مصنوعی تنها با یک عکس از چهره

محققان آمریکایی مدل جدیدی از هوش مصنوعی ابداع کرده اند که می تواند با تجزیه و تحلیل یک عکس ساده از صورت، احتمال بقای بیماران سرطانی و خطر مرگ آنها را پیش بینی کند.

گزارش کردن سرویس هوش مصنوعی یک مرحله ایمحققان مجتمع پزشکی Mass General Brigham این روش جدید را برای ارزیابی وضعیت سلامت بیماران سرطانی ارائه کرده اند. این فناوری می تواند اطلاعاتی در مورد سن بیولوژیکی و احتمال بقای بیماران بدون نیاز به تصویربرداری تخصصی در اختیار پزشکان قرار دهد.

نتایج این تحقیق در مجله علمی سلامت دیجیتال Lancet منتشر شده است. در این مطالعه محققان دو الگوریتم به نام‌های FAHR-FaceAge و FAHR-FaceSurvival را معرفی کرده‌اند که هر کدام وظیفه متفاوتی دارند.

الگوریتم اول سن بیولوژیکی افراد را بر اساس ویژگی های صورت تخمین می زند. سن بیولوژیکی نشان دهنده وضعیت فیزیکی و فرسودگی بدن است و ممکن است با سن واقعی فرد متفاوت باشد. الگوریتم دوم به طور مستقیم تصاویر چهره را بررسی می کند و بر اساس الگوهای شناسایی شده احتمال بقای بیماران سرطانی را پیش بینی می کند.

نتایج آزمایش‌ها نشان داد که FAHR-FaceAge می‌تواند سن بیولوژیکی افراد را با حاشیه خطا حدود پنج سال تخمین بزند. محققان معتقدند که این سطح از دقت بالاتر از سایر ابزارهای موجود است. همچنین تفاوت بین سن بیولوژیکی تخمینی و سن تقویمی بیماران رابطه مستقلی با احتمال بقای آنها دارد.

هوگو آرتس، یکی از نویسندگان ارشد این مطالعه و مدیر برنامه هوش مصنوعی در پزشکی در Mass General Brigham، گفت که تا آنجایی که محققان می‌دانند، این اولین بار است که یک مدل هوش مصنوعی قادر است احتمال بقای بیماران سرطانی را مستقیماً از روی یک عکس ساده پیش‌بینی کند.

بیشتر بخوانید: آیا هوش مصنوعی سرطان را درمان می کند؟

چگونه خطر مرگ در بیماران سرطانی را پیش بینی می کند؟

محققان دریافتند که دو الگوریتم توسعه یافته برای پیش‌بینی سن بیولوژیکی و احتمال بقای بیماران، قسمت‌های مختلف صورت را بررسی می‌کنند. الگوریتم FAHR-FaceAge بیشتر بر روی چین‌های اطراف بینی و دهان، ناحیه پیشانی بالای حدقه‌های چشم و شقیقه‌ها تمرکز دارد.

در مقابل، الگوریتم FAHR-FaceSurvival نواحی زیر چشم و اطراف پل بینی را ارزیابی می کند. برخلاف روش‌های مبتنی بر سن بیولوژیکی، این الگوریتم سعی می‌کند مستقیماً رابطه بین ویژگی‌های صورت و احتمال بقای بیمار را شناسایی کند.

محققان از بیش از 40 میلیون تصویر چهره بدون برچسب برای آموزش این مدل ها استفاده کردند. تصاویر ذکر شده از مجموعه داده WebFace42M انتخاب شده اند که توسط محققان دانشگاه Tsinghua، Imperial College لندن و XForwardAI تهیه شده است.

این مجموعه داده شامل تصاویری از افراد از گروه های سنی و قومی مختلف است. پس از آموزش الگوریتم‌ها، محققان با استفاده از داده‌های نزدیک به پنج هزار بیمار سرطانی که تحت پرتودرمانی در هلند بودند، عملکرد آنها را تأیید کردند.

یکی از ویژگی های مهم این فناوری استفاده از عکس های معمولی صورت به جای تصاویر پزشکی تخصصی است. به گفته نویسندگان این تحقیق، این قابلیت می تواند استفاده از ابزارهای هوش مصنوعی در مراکز درمانی را آسان کرده و دامنه کاربرد آنها را گسترش دهد.

ریموند مک، متخصص پرتودرمانی سرطان و نویسنده اصلی این مطالعه، توضیح داد که با افزایش سن جمعیت، پزشکان به روش‌های دقیق‌تری برای ارزیابی آمادگی جسمانی و ضعف بیماران نیاز دارند. چنین ارزیابی هایی قبل از تجویز درمان های سنگین مانند: جراحی، پرتودرمانی یا درمان های دارویی سیستمیک مهم هستند.

وی تاکید کرد که هدف از این فناوری کمک به تصمیم گیری در مورد درمان های شخصی و نه جایگزینی تشخیص و قضاوت پزشکان است.

بیشتر بخوانید: مدیر عامل Arm درمان سرطان با هوش مصنوعی را پیش بینی می کند

کارشناسان در مورد کاربرد پزشکی این فناوری تردید دارند

این تیم تحقیقاتی پروژه ای به نام FaceAge Research Study را برای گسترش تحقیقات خود راه اندازی کرده اند. علاقه مندان می توانند از طریق سایت faceage.bwh.harvard.edu عکس صورت خود را آپلود کنید و نتیجه تحقیق ارزیابی سن بیولوژیکی را دریافت کنید.

همچنین، اطلاعات ارائه شده توسط شرکت‌کنندگان به محققان کمک می‌کند عملکرد الگوریتم‌ها را در جمعیت‌های بزرگ‌تر و متنوع‌تر آزمایش کنند و دقت ابزارهای مبتنی بر هوش مصنوعی را برای ارزیابی پیری و سلامتی بهبود بخشند.

با وجود نتایج امیدوارکننده، برخی از کارشناسان در مورد آمادگی این فناوری برای استفاده پزشکی تردید دارند. میروسلاو بوبر، استاد دانشگاه سوری در بریتانیا و متخصص تصویربرداری و هوش مصنوعی، این تحقیق را مهم و قابل توجه توصیف کرد.

او معتقد است که نتایج مطالعه نشان می دهد که الگوریتم ها می توانند بیماران را بر اساس خطر دسته بندی کنند، اما هنوز مشخص نیست که آیا این فناوری اطلاعاتی فراتر از ارزیابی های معمول پزشکان ارائه می دهد یا خیر.

به گفته بوبر، محققان در این مطالعه ارزیابی پزشکان از سلامت عمومی و آمادگی جسمانی بیماران را اندازه گیری نکردند. بنابراین، هنوز نمی توان تعیین کرد که پیش بینی های هوش مصنوعی تا چه حد به تصمیم گیری بالینی کمک می کند.

این کارشناس تاکید کرد: فناوری ارائه شده نمونه امیدوارکننده ای برای اثبات امکان سنجی ایده تحلیل چهره است، اما هنوز برای استفاده در محیط های درمانی آماده نیست. نتایج تحقیق همچنین ضرورت انجام مطالعات تکمیلی برای بررسی ارزش بالینی این ابزار را نشان می دهد.

بیشتر بخوانید: هوش مصنوعی جدید گوگل راه را برای درمان سرطان هموار می کند