علی‌بابا هوش مصنوعی را برای تشخیص زودهنگام سرطان معده از طریق سی‌تی‌اسکن راه‌اندازی می‌کند
خانه »
گروه علی‌بابا از یک مدل هوش مصنوعی جدید رونمایی کرده که می‌تواند سرطان معده را حتی در مراحل اولیه با استفاده از سی‌تی‌اسکن تشخیص دهد.
به گزارش تکراتو و به نقل از ubergizmo، گروه علی‌بابا به‌تازگی اعلام کرده مدلی از هوش مصنوعی به نام Grape توسعه داده که به‌گفته این شرکت، نخستین ابزار هوش مصنوعی در جهان برای شناسایی سرطان معده با استفاده از تصاویر سی‌تی‌اسکن سه‌بعدی است.
نام کامل این مدل، فرایند ارزیابی ریسک سرطان معده است و با همکاری آکادمی Damo وابسته به علی‌بابا و بیمارستان سرطان استان ژجیانگ در شهر هانگژو چین طراحی شده است.
مدل Grape با بهره‌گیری از یادگیری عمیق، می‌تواند تصاویر سی‌تی‌اسکن را تحلیل کرده و نواحی مشکوک به تومور را شناسایی و جدا کند. در روش‌های سنتی، تشخیص سرطان معده معمولاً با آندوسکوپی انجام می‌شود، روشی تهاجمی که شامل وارد کردن دوربین و ابزار نمونه‌برداری از راه گلو است.
اما به گفته چنگ شیانگ‌دونگ، جراح معده در بیمارستان ژجیانگ، کمتر از ۳۰ درصد بیماران در چین حاضر به انجام آندوسکوپی هستند، چرا که این روش برای بسیاری ناراحت‌کننده و دشوار است.
بر اساس مقاله‌ای که در نشریه Nature Medicine منتشر شده، مدل Grape در مقایسه با رادیولوژیست‌های انسانی عملکرد بهتری از خود نشان داده است. دقت این مدل در شناسایی موارد واقعی سرطان (حساسیت) ۸۵.۱ درصد و در جلوگیری از تشخیص‌های اشتباه (ویژگی) ۹۶.۸ درصد اعلام شده است.
این ارقام به ترتیب ۲۱.۸ و ۱۴ درصد بالاتر از نتایج رادیولوژیست‌های انسانی هستند. این تفاوت به‌ویژه در شناسایی موارد اولیه سرطان که معمولاً بدون علامت هستند، بیشتر به چشم می‌آید.
توسعه‌دهندگان این مدل معتقدند Grape می‌تواند فرایند غربالگری سرطان معده را به‌ویژه در کشورهایی مثل چین متحول کند و حتی در سطح جهانی کاربرد پیدا کند. تشخیص زودهنگام سرطان معده اهمیت زیادی دارد، چرا که این بیماری چهارمین عامل مرگ‌ومیر ناشی از سرطان در دنیاست و اغلب تا مراحل پیشرفته بدون علامت باقی می‌ماند.
در یکی از نمونه‌های واقعی که آکادمی Damo منتشر کرده، بیماری که در نهایت به مرحله پیشرفته سرطان معده رسیده بود، می‌توانست با استفاده از مدل Grape حدود شش ماه زودتر شناسایی و درمان شود.
این نمونه نشان‌دهنده توانایی بالای این سیستم در کاهش تأخیر در تشخیص بیماری است. تیم توسعه امیدوار است با ادغام این ابزار هوش مصنوعی در فرآیندهای درمانی رایج، نرخ تشخیص زودهنگام سرطان به‌طور چشمگیری افزایش یافته و در نهایت نتایج بهتری برای بیماران حاصل شود.
