هوش مصنوعی چگونه بیماری‌ها را زودتر از پزشک تشخیص می‌دهد؟

تصور کنید دستگاهی وجود داشته باشد که بتواند علائم اولیه سرطان ریه را درست زمانی شناسایی کند که ضایعه هنوز آنقدر کوچک است که از نگاه تیزبین رادیولوژیست‌های ماهر نیز پنهان می‌ماند. یا نرم‌افزاری که با تحلیل صدای شما، لرزش‌های ظریفی را تشخیص دهد که ماه‌ها پیش از بروز علائم آشکار پارکینسون در تارهای صوتی ظاهر می‌شوند. این دیگر داستان علمی-تخیلی نیست؛ این واقعیت هوش مصنوعی در پزشکی امروز است.

هوش مصنوعی به‌ویژه زیرشاخه‌ای از آن به نام یادگیری عمیق، در حال دگرگون کردن مفهوم «تشخیص زودهنگام» است. ولی این فناوری دقیقاً چگونه موفق می‌شود در نبردی که به ظاهر مختص خرد و تجربه انسانی است، گوی سبقت را از پزشک برباید؟ پاسخ در یک کلمه خلاصه می‌شود: الگوها.

چشم‌هایی که پیکسل‌ها را می‌شمارند

تفاوت بنیادین نگاه هوش مصنوعی و نگاه انسان در تشخیص پزشکی، مقیاس و دقت تجزیه و تحلیل داده‌هاست. یک رادیولوژیست متخصص ممکن است در طول عمر حرفه‌ای خود ده‌ها هزار تصویر سی‌تی اسکن یا ماموگرافی ببیند. این تجربه ارزشمند است، اما محدود.

یک مدل هوش مصنوعی اما می‌تواند در عرض چند ساعت، میلیون‌ها تصویر پزشکی پردازش شده از سراسر جهان را «ببیند» و از آن‌ها یاد بگیرد. این الگوریتم‌ها، برخلاف چشم انسان، از پدیده‌ای به نام «خستگی تشخیصی» رنج نمی‌برند. در یک شیفت کاری طولانی، دقت تشخیص پزشک در یافتن ندول‌های کوچک ریه کاهش می‌یابد، ولی دقت الگوریتم در پردازش تصویر یکسان است.

هوش مصنوعی هر پیکسل از تصویر را به یک عدد تبدیل می‌کند. تغییرات جزئی در چگالی بافت که برای چشم غیرمسلح نامرئی است (مثلاً تغییر ۲-۳ واحدی در مقیاس هانسفیلد در سی‌تی اسکن) برای الگوریتم به منزله یک زنگ خطر است. این همان ناحیه‌ای است که ممکن است میکرومتاستاز یا تومور در آن در حال شکل‌گیری باشد؛ مرحله‌ای که درمان در آن بیشترین شانس موفقیت را دارد.

میدان‌های نبرد هوش مصنوعی در تشخیص زودهنگام

در ادامه به چند حوزه کلیدی اشاره می‌کنیم که هوش مصنوعی در آن‌ها با موفقیت "زنگ خطر" را ماه‌ها یا حتی سال‌ها زودتر از روش‌های سنتی به صدا درآورده است.

۱. سرطان پستان: دیدن آنچه پشت بافت متراکم پنهان است
یکی از چالش‌برانگیزترین موارد در ماموگرافی، بافت متراکم پستان است. در این بافت، تومورهای سفید رنگ در میان بافت سفید غدد پنهان می‌شوند و گویی در میان مه سفید به دنبال گلوله برفی می‌گردیم. مطالعات منتشر شده در مجله نیچر نشان داده‌اند که سیستم‌های هوش مصنوعی می‌توانند سرطان پستان را با کاهش نتیجه مثبت کاذب تا ۵.۷٪ و نتیجه منفی کاذب تا ۹.۴٪ نسبت به رادیولوژیست‌ها تشخیص دهند. نکته جالب‌تر آنکه هوش مصنوعی می‌تواند با تحلیل تصویر فعلی ماموگرافی، احتمال ابتلا به سرطان در ۵ سال آینده را پیش‌بینی کند. این یعنی فرصتی طلایی برای پیشگیری و مداخله زودهنگام.

۲. رتینوپاتی دیابتی: نجات بینایی در جایی که پزشک نیست
در بسیاری از مناطق کم‌برخوردار، دسترسی به چشم‌پزشک فوق تخصص شبکیه محدود است. این در حالی است که دیابت به سرعت در حال تبدیل شدن به یکی از علل اصلی نابینایی است. هوش مصنوعی توسعه‌یافته توسط پژوهشگران گوگل هلث، می‌تواند تنها با دیدن یک عکس ساده از شبکیه چشم، علائم نخستین رتینوپاتی دیابتی را با دقتی برابر یا بالاتر از چشم‌پزشکان فوق‌ تخصص تشخیص دهد. این الگوریتم نشتی‌های ریز مویرگ‌ها (میکروآنوریسم) را می‌بیند که قطر آن‌ها گاهی از چند میکرون تجاوز نمی‌کند. تشخیص در این مرحله یعنی جلوگیری از خونریزی‌های وسیع و نابینایی همیشگی.

۳. بیماری‌های قلبی: شنیدن نجوای الکتریکی قلب
نوار قلب آزمونی ساده و ارزان است، ولی تفسیر ظرایف آن نیازمند سال‌ها تجربه است. هوش مصنوعی نشان داده است که می‌تواند از روی یک نوار قلب به ظاهر طبیعی، نشانه‌های اختلال کارکرد بطن چپ (نارسایی قلب بدون علامت) یا فیبریلاسیون دهلیزی خاموش را شناسایی کند. این اختلالات ممکن است ماه‌ها بدون علامت بالینی مشخص باقی بمانند تا اینکه ناگهان با یک سکته مغزی ویرانگر خود را نشان دهند. مطالعه‌ای در مایو کلینیک نشان داد هوش مصنوعی می‌تواند با تحلیل موج P و فاصله PR در نوار قلب، احتمال بروز فیبریلاسیون دهلیزی در آینده را با دقت ۸۰٪ پیش‌بینی کند. این پیش‌بینی زودهنگام می‌تواند پزشک را به تجویز داروهای ضدانعقاد پیشگیرانه و نجات بیمار از عوارض مرگبار سوق دهد.

۴. پارکینسون و آلزایمر: پی بردن به بیماری پیش از لرزش و فراموشی
بیماری‌های تحلیل‌برنده عصبی معمولاً زمانی تشخیص داده می‌شوند که بخش بزرگی از سلول‌های عصبی از بین رفته‌اند. هوش مصنوعی در حال تغییر این معادله از راه آنالیز زیست‌نشانگرهای دیجیتال است. برای نمونه، الگوریتمی در دانشگاه MIT با تحلیل صدای ضبط شده افراد هنگام صحبت کردن یا حتی تایپ کردن روی صفحه کلید، قادر است نوسانات بسیار ظریف در ریتم و بسامد صدا یا سرعت حرکت انگشتان را شناسایی کند. این تغییرات که برای گوش انسان یا خود فرد قابل تشخیص نیستند، نخستین نشانه‌های اختلال در عقده‌های قاعده‌ای مغز هستند که مشخصه پارکینسون است.

همچنین در مورد آلزایمر، هوش مصنوعی با تحلیل تصاویر ام‌آرآی مغز، می‌تواند کاهش حجم نواحی خاصی مانند هیپوکامپ را که با سرعت میلی‌متر در سال اتفاق می‌افتد، شناسایی و روند آن را شش سال زودتر از ظهور علائم بالینی پیش‌بینی کند.

محدودیت‌ها: آیا هوش مصنوعی جای پزشک را می‌گیرد؟

با وجود موفقیت‌های چشمگیر، این پرسش پیش می‌آید که آیا هوش مصنوعی پزشکان را بیکار می‌کند؟ پاسخ قاطعانه متخصصان این حوزه «خیر» است. دلیل آن در ماهیت هوش مصنوعی نهفته است:

۱. جعبه سیاه (Black Box): الگوریتم‌های یادگیری عمیق به ما می‌گویند «چه چیزی» نادرست است، اما به ندرت می‌توانند توضیح دهند «چرا». یک پزشک می‌تواند استدلال بالینی خود را بر اساس فیزیولوژی و پاتولوژی تشریح کند؛ هوش مصنوعی کنونی تنها یک خروجی آماری ارائه می‌دهد. در پزشکی قانونی و اخلاق حرفه‌ای، مسئولیت نهایی تشخیص و درمان بر عهده پزشک است.

۲. درک نکردن زمینه (context) : هوش مصنوعی نمی‌داند بیمار از درد قفسه سینه‌اش می‌ترسد، اخیراً عزیزی را از دست داده یا سابقه خانوادگی خاصی دارد. پزشکی فقط دیدن یک ندول در عکس نیست؛ هنر شفا شامل همدلی، شنیدن شرح حال و درک اضطراب بیمار است.

۳. سوگیری داده‌ها: اگر هوش مصنوعی عمدتاً با داده‌های بیماران سفیدپوست اروپایی آموزش دیده باشد، ممکن است در تشخیص ملانوما روی پوست تیره‌تر یا علائم خاص نژادهای دیگر دقت کافی نداشته باشد.

آینده‌ای مشارکتی: پزشک سایبورگ
آینده تشخیص پزشکی نه در رقابت هوش مصنوعی با پزشک، بلکه در همکاری آن‌ها خلاصه می‌شود. هوش مصنوعی به عنوان یک «دستیار خستگی‌ناپذیر» عمل خواهد کرد. این دستیار هوشمند انبوه داده‌ها (تصاویر، آزمایشات، ژنتیک) را غربالگری می‌کند و «یافته‌های مشکوک» را به پزشک گزارش می‌دهد. پزشک نیز با بهره‌گیری از خرد بالینی و ارتباط انسانی، یافته‌ها را تفسیر کرده و برنامه درمانی شخصی‌سازی‌شده‌ای برای بیمار می‌چیند.

تصور کنید در آینده‌ای نزدیک، گوشی هوشمند شما با شنیدن چند سرفه، احتمال عفونت ویروسی خاص یا وخامت آسم را هشدار دهد. یا توالت هوشمندتان با تحلیل ادرار، علائم نارسایی کلیوی در مراحل فوق‌العاده اولیه را گزارش کند. این آینده‌ای است که هوش مصنوعی برای ما رقم می‌زند: **حرکت از درمان واکنشی به پیش‌بینی پیش‌دستانه**.

نتیجه‌گیری این است که هوش مصنوعی با قدرت محاسباتی بی‌نظیر خود، چشم‌های پزشکان را به روی دنیایی از جزئیات نامرئی گشوده است. این فناوری به ما فرصتی دوباره می‌دهد تا بیماری را پیش از آنکه بیمار، طعم تلخ علائم را بچشد، مهار کنیم. در این عصر جدید، پیروزی از آنِ بیمارانی خواهد بود که از این "تشخیص‌های خاموش اما زودهنگام" هوش مصنوعی بهره می‌برند و پزشکانی که یاد می‌گیرند این همکار دیجیتال قدرتمند را به خدمت بگیرند.