تشخیص سرطان ریه با هوش مصنوعی !
تشخیص یک سال زودتر سرطان ریه با هوش مصنوعی
یک هوش مصنوعی جدید می‌تواند به تشخیص زودهنگام سرطان ریه کمک کند و تاکنون در تشخیص 97 درصد از تومورها موثر بوده است.
به نقل از آی‌ای: زود رسیدن اخبار بد می‌تواند خبر خوبی باشد. بر اساس تحقیقات جدید ارائه شده در کنگره بین المللی انجمن تنفسی اروپا، دانشمندان از یک برنامه هوش مصنوعی جدید رونمایی کرده‌اند که می‌تواند علائم کلیدی سرطان ریه را در سی‌تی اسکن، یک سال زودتر از روش‌های موجود شناسایی کند.
از آنجا که سرطان یک بیماری پیش‌رونده است که تشخیص دیرهنگام آن کمتر قابل درمان است، این برنامه هوش مصنوعی جدید می‌تواند به نجات جان افراد بسیاری کمک کند.
سرطان ریه شایع‌ترین علت مرگ ناشی از انواع بیماری‌های سرطان است، زیرا سالانه 1.8 میلیون نفر در سراسر جهان را از بین می‌برد. اما مشکل اینجاست که سرطان ریه در اغلب موارد، دیر تشخیص داده می‌شود که متأسفانه به همین سبب، درمان آن کمترین نتیجه را در بردارد. به همین دلیل است که محققان با استفاده از هوش مصنوعی در فرآیند غربالگری سرطان ریه، به آن امیدوار شده‌اند، چرا که فرآیند تشخیص را تسریع کرده و به طور بالقوه بیماران را در مرحله اولیه و قابل درمان تشخیص می‌دهد.
اسکن‌های رایج توموگرافی کامپیوتری(CT) مشهور به سی‌تی اسکن می‌توانند ویژگی‌های تومورهای ریه را نشان دهند و بیوپسی یا جراحی پس از سی‌تی اسکن می‌تواند بدخیمی تومور را تأیید کند. اما در بررسی و تشریح هر اسکن از یک رادیولوژیست متخصص استفاده می‌شود که باید 300 تصویر را برای تشخیص علائم کلیدی تومورهای ریه که می‌توانند بسیار ظریف و کوچک باشند، بررسی کند.
در حالی که آزمایشات با استفاده از سی‌تی اسکن برای غربالگری کاندیدهای پرخطر سرطان ریه امیدوارکننده بوده است، اما چالش در دنیای واقعی این است که یک رادیولوژیست بنشیند و تک تک تصاویر را بررسی کند تا تصمیم بگیرد که کدام کاندیدهای سرطان نیاز به آزمایش بیشتر دارند و کدام اسکن مشکلی ندارد.
اکنون با کمک هوش مصنوعی به تسریع این فرآیند و تشخیص تومورهای ریه، این چالش برطرف می‌شود.
این سیستم توسط "بنویت اودلان" از موسسه ملی تحقیقات علوم و فناوری دیجیتال فرانسه توسعه داده شده است. وی علاوه بر شرکت "ترپیکسل"(Therpixel) که یک شرکت نرم‌افزاری متمرکز بر هوش مصنوعی است و بر روی تصویربرداری پزشکی کار می‌کند، با همکاران دانشگاهی خود و محققان بیمارستان دانشگاه "نیس" نیز همکاری کرد.
این برنامه هوش مصنوعی از طریق مجموعه‌ای از سی‌تی اسکن‌ها از 888 بیمار که قبلاً تحت غربالگری معمولی رادیولوژیست‌ها قرار گرفته بودند و برای تشخیص رشد تومورهای مشکوک آموزش داده شد. سپس محققان این هوش مصنوعی را بر روی گروه دیگری سامل 1179 بیمار که در آزمایش غربالگری ریه شرکت کرده بودند و نیاز به پیگیری سه ساله داشتند و در دو سال پایانی از سی‌تی اسکن استفاده کرده بودند، آزمایش کردند.
این برنامه 177 بیمار را که قبلاً مبتلا به سرطان ریه تشخیص داده شده بودند، تشخیص داد و تومورهای بدخیم را در 172 مورد از 177 موردی که توسط سی‌تی اسکن شناسایی شده بود، تشخیص داد و 97 درصد در تشخیص موفقیت آمیز سرطان‌های تهدید کننده زندگی موثر و موفق نشان داد.
بدیهی است که عدم تشخیص پنج تومور هنوز مشکل بزرگی است، اما گفتنی است که این پنج مورد دارای تومورهایی در نزدیکی مرکز قفسه سینه بودند که سخت‌ترین مکان برای تشخیص تورموهای سرطانی ریه نسبت به سایر قسمت‌های بدن انسان است.
"اودلان" گفت: غربالگری سرطان ریه به این معنی است که سی‌تی اسکن‌های بیشتری انجام می‌شود و ما رادیولوژیست کافی برای بررسی همه آنها را نداریم. به همین دلیل ما باید برنامه‌های رایانه‌ای را توسعه دهیم که بتوانند کمک کنند. مطالعه ما نشان می‌دهد که این برنامه هوش مصنوعی می‌تواند تا یک سال زودتر، علائم احتمالی سرطان ریه را پیدا کند. این یک پیشرفت اساسی در کاربردهای نوپای فناوری هوش مصنوعی در زمینه‌های پزشکی است و می‌تواند به ساده سازی روند غربالگری سرطان و نجات جان افراد کمک کند. مهم‌تر از همه اینکه اجرای برنامه‌های هوش مصنوعی برای تشخیص تومورهای بدخیم تنها به رادیولوژیست‌ها کمک می‌کند و جایگزین آنها نمی‌شود.
فناوری های به کار برده شده در رابطه با این موضوع
محققان شرکت بیوتکنولوژی Delfi Diagnostics مستقر در بالتیمور یک فناوری آزمایش خون مبتنی بر یادگیری ماشینی را توسعه داده اند که می‌تواند تا حد زیادی به تشخیص مراحل اولیه سرطان ریه کمک کند.
هوش مصنوعی
هنوز هیچ تعریف دقیقی از هوش مصنوعی که تمامی دانشمندادن بر روی آن توافق داشته باشند ارائه نشده است ولی اکثر تعریف‌ها را می‌توان به شکل زیر دسته بندی کرد.
- 1. مانند انسان فکر می‌کند
- 2. منطقی فکر می‌کند
- 3. مانند انسان عمل می‌کند
- 4. منطقی عمل می‌کند
دو تعریف اول مربوط به فرآیندهای تفکر و استدلال است، در حالی دو تعریف دیگر با رفتار سر و کار دارند.
تعریف ساده ای از هوش مصنوعی
هوش مصنوعی یا artificial intelligence شاخه ای از علوم رایانه است که هدف اصلی آن تولید ماشین‌های هوشمندی است که توانایی انجام وظایفی که نیازمند به هوش انسانی است را داشته باشد. هوش مصنوعی در حقیقت نوعی شبیه سازی هوش انسانی برای کامپیوتر است و منظور از هوش مصنوعی در واقع ماشینی است که به گونه ای برنامه نویسی شده که همانند انسان فکر کند و توانایی تقلید از رفتار انسان را داشته باشد. این تعریف می تواند به تمامی ماشین هایی اطلاق شود که بگونه‌ای همانند ذهن انسان عمل می‌کنند و می‌توانند کارهایی مانند حل مسئله و یادگیری داشته باشند.
اهداف هوش مصنوعی
اساس هوش مصنوعی آن است که هوش انسان و طریق کار آن به‌گونه‌ای تعریف شود که یک ماشین بتواند آن را به راحتی اجرا کند و وظایفی که بر آن محول می‌شود را به درستی اجرا کند. هدف هوش مصنوعی در حقیقت بر سه پایه استوار است:
- 1. یادگیری
- 2. استدلال
- 3. درک
هوش مصنوعی (AI) شاخه گسترده ای از علوم رایانه است که مربوط به ساخت ماشین های هوشمند با توانایی انجام وظایفی است که معمولاً به هوش انسان نیاز دارند. هوش مصنوعی یک علم میان رشته ای با چندین رویکرد است ، اما پیشرفت در یادگیری ماشین و یادگیری عمیق باعث ایجاد تغییر الگوی تقریباً در هر بخش از صنعت فناوری می شود.
شاخه های هوش مصنوعی
هوش مصنوعی یک علم بسیار گسترده و پیچیده است که شاخه‌های متعددی دارد؛ شاخه های هوش مصنوعی عبارتند از:
- 1. سیستم خبره (Experts Systems)
- 2. رباتیک (Robotics)
- 3. یادگیری ماشین (Machine Learning)
- 4. شبکه عصبی (Neural Network)
- 5. منطق فاری (Fuzzy Logic)
- 6. پردازش زبان طبیعی (Natural Language Processing)
یادگیری ماشین
یادگیری ماشین یا ماشین لرنینگ (Machine Learning) یکی از زیر مجموعه‌های هوش مصنوعی است که به سیستم‌ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند بدون اینکه به برنامه نویسی صریحی برای آن داشته باشند. تمرکز اصلی یادگیری ماشینی بر توسعه برنامه‌های رایانه ای است که بتوانند به داده‌ها دسترسی پیدا کنند و از آن برای یادگیری خود استفاده کنند. فرآیند یادگیری با مشاهدات یا داده‌ها آغاز می‌شود، مانند مثال‌ها، تجارب مستقیم و یا دستور العمل‌ها، تا به یک الگو در داده‌ها برسند و بر اساس این مثال‌هایی که ارائه می دهیم، تصمیمات بهتری بگیرند. هدف اصلی آن است که به کامپیوتر این اجازه را بدهیم که بدون دخالت و کمک انسان به طور اتوماتیک یادگیری داشته باشند و بتوانند اقدامات خود را بر مطابق با آن تنظیم کنند.
مفهوم ساده یادگیری ماشین
الگوریتم‌های بسیار مختلفی برای یادگیری ماشین وجود دارد و هر روزه صدها الگوریتم جدید نیز تولید می شوند، و به طور معمول توسط سبک یادگیری (learning style) (مانند یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارت) و یا با توجه به شباهتشان در فرم و عملکرد ( مانند طبقه بندی، برگشت، درخت تصمیم گیری، دسته کردن، یادگیری عمیق و…) گروه بندی می شوند. صرف نظر از سبک یادگیری یا عملکرد، تمام الگوریتم‌های یادگیری ماشینی به شرح زیر هستند:
- 7. نمایش: مجموعه ای از طبقه بندی کننده‌ها یا زبانی که کامیوتر آن را می فهمد.
- 8. ارزشیابی: همچنین معروف به عملکرد هدف/نمره دهی.
- 9. بهینه سازی: روش جست و جو؛ اغلب طبقه بندی کننده ای با بالاترین امتیاز.
پردازش تصویر
به فرآیند تبدیل یک عکس به فرم دیجیتال و اعمال عملیات‌هایی مشخص در جهت استخراج اطلاعات از آن، “پردازش تصویر”(Image Processing) می‌گویند. معمولاً فرایند پردازش تصویر با همه عکس‌ها به عنوان سیگنال‌هایی دوبعدی رفتار می‌کند و متودهای از پیش تعیین‌شده پردازش سیگنال را بر روی آنها اعمال می‌کند.
پنج نوع اصلی پردازش تصویر عبارتند از:
- 1. تجسم: یافتن اشیائی که در تصویر قابل دیدن نیستند
- 2. تشخیص: تمایز قائل شدن و شناسایی اشیاء در تصویر
- 3. واضح ساختن و ترمیم کردن: ساختن عکسی بهبودیافته از عکس اصلی
- 4. شناسایی الگو: سنجیدن الگوهای مختلف در اطراف اشیاء درون عکس
- 5. بازیابی: جستجو کردن عکس‌ها از پایگاه اطلاعاتی گسترده عکس‌های دیجیتال که به عکس اصلی شبیه باشند
معرفی 9 زبان برنامه نویسی قدرتمند برای پروژه‌های هوش مصنوعی
زبان‌های مختلفی برای کار با الگوریتم‌های برنامه نویسی وجود دارند، اما توسعه‌دهندگان بهتر است به سراغ یادگیری چه زبان‌هایی بروند تا از مزایای فراوان هوش مصنوعی بهره‌مند شوند؟ بدون شک به زبانی نیاز است که از انواع مختلفی از کتابخانه‌های یادگیری ماشین و یادگیری عمیق پشتیبانی کند، سرعت و عملکرد خوبی داشته باشد، از ابزارهای مفید پشتیبانی کند، جامعه بزرگی از برنامه‌نویسان از آن پشتیبانی کنند و به خوبی از بسته‌ها و چارچوب‌های کمکی استفاده کند. برخی از این زبان‌های برنامه نویسی در حال پیشرفت و گسترش هستند در حالی که برخی دیگر پیشرفت خاصی نداشته‌اند، اما عملکرد قابل قبولی در این زمینه دارند. 9 زبان برنامه نویسی قدرتمند برای پروژه‌های هوش مصنوعی عبارتند از :
- 1. زبان برنامه نویسی پایتون
- 2. زبان برنامه نویسی سی پلاس پلاس
- 3. زبان برنامه نویسی جاوا
- 4. زبان برنامه نویسی سی شارپ
- 5. برنامه نویسی جاوا اسکریپت
- 6. زبان برنامه نویسی سوئیف
- 7. زبان برنامه نویسی R
- 8. زبان برنامه نویسی لوا
- 9. زبان برنامه نویسی Julia
خشایار سلوکی
خشایار سلوکی ۲۲ ساله متخصص و طراحی اپلیکیشن های اندروید و ios
دیدگاه کاربران
ثبت دیدگاه
برای ثبت نظر، ابتدا وارد شوید.
محمد عبادی پور
پایتون بهترین زبانه و یادگیریش اسونه🐍