هوش مصنوعی (AI) می‌تواند مقادیر زیادی از داده‌ها، مانند تصاویر یا نتایج آزمایش‌ها را تجزیه و تحلیل کند، و می‌تواند الگوهایی را که اغلب توسط انسان غیرقابل شناسایی هستند، شناسایی کند، که آن را در تسریع تشخیص، تشخیص و درمان بیماری بسیار ارزشمند می‌کند.
این تیم الگوریتم های هوش مصنوعی را بر روی داده های مطالعه سه گروه از بیماران از ایرلند شمالی، آلمان و ایالات متحده آموزش دادند. الگوریتم‌ها روی دو مجموعه بزرگ از تصاویر داده‌ای تولید شده در لیدز آزمایش شدند و مشخص شد که با موفقیت یاد گرفته‌اند که چگونه وجود انواع مختلف سرطان را در تصاویر پیش‌بینی کنند.
Swarm Learning الگوریتم‌های هوش مصنوعی را آموزش می‌دهد تا الگوهای موجود در داده‌ها را در یک بیمارستان یا دانشگاه محلی شناسایی کند، مانند تغییرات ژنتیکی در تصاویر بافت انسانی. سپس سیستم یادگیری ازدحام این الگوریتم تازه آموزش دیده را – اما مهمتر از همه بدون داده های محلی یا اطلاعات بیمار – به یک کامپیوتر مرکزی ارسال می کند. در آنجا، با الگوریتم های تولید شده توسط بیمارستان های دیگر به روشی یکسان برای ایجاد یک الگوریتم بهینه ترکیب می شود. سپس به بیمارستان محلی فرستاده می‌شود، جایی که دوباره روی داده‌های اصلی اعمال می‌شود و به لطف قابلیت‌های تشخیص حساس‌تر، تشخیص تغییرات ژنتیکی را بهبود می‌بخشد.
“ایجاد یک سیستم هوش مصنوعی که بتواند این کار را انجام دهد، توانایی ما را برای استفاده از هوش مصنوعی در آینده بهبود می بخشد.”
محققان بر آن شدند تا کشف کنند که آیا نوعی از هوش مصنوعی به نام یادگیری ازدحام می‌تواند برای کمک به رایانه‌ها برای پیش‌بینی سرطان در تصاویر پزشکی نمونه‌های بافت بیمار، بدون انتشار داده‌ها از بیمارستان‌ها استفاده شود.
فیل کویرک، پروفسور آسیب شناسی در دانشکده پزشکی دانشگاه لیدز، می گوید: “ما نشان داده ایم که یادگیری ازدحام می تواند در پزشکی برای آموزش الگوریتم های هوش مصنوعی مستقل برای هر کار تجزیه و تحلیل تصویر استفاده شود. این بدان معنی است که می توان بر نیاز به انتقال داده ها بدون اینکه مؤسسات مجبور باشند کنترل ایمن داده های خود را رها کنند.
دکتر کاتر گفت: “بر اساس داده های بیش از 5000 بیمار، ما توانستیم نشان دهیم که مدل های هوش مصنوعی آموزش دیده با یادگیری ازدحامی می توانند تغییرات ژنتیکی مرتبط بالینی را مستقیماً از تصاویر بافت تومورهای روده بزرگ پیش بینی کنند.”
با این حال، استفاده از این فناوری در تنظیمات پزشکی به دلیل خطر انتشار تصادفی داده ها بحث برانگیز است و بسیاری از سیستم ها تحت مالکیت و کنترل شرکت های خصوصی هستند و به آنها امکان دسترسی به داده های محرمانه بیمار – و مسئولیت حفاظت از آنها را می دهد.
این تحقیق توسط جاکوب نیکولاس کاتر، دانشیار مدعو در دانشکده پزشکی دانشگاه لیدز و محقق در بیمارستان دانشگاهی RWTH آخن رهبری شد. این تیم شامل پروفسور هایک گرابش و فیل کویرک و دکتر نیک وست از دانشکده پزشکی دانشگاه لیدز بود.
مواد تهیه شده توسط دانشگاه لیدز. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.
با چندین بار انجام این کار، می توان الگوریتم را بهبود بخشید و الگوریتمی ایجاد کرد که روی همه مجموعه داده ها کار کند. این به این معنی است که این تکنیک را می توان بدون نیاز به انتشار هیچ گونه داده ای برای شرکت های شخص ثالث یا ارسال بین بیمارستان ها یا در سراسر مرزهای بین المللی به کار برد.
روش جدیدی برای استفاده از هوش مصنوعی برای پیش‌بینی سرطان از روی داده‌های بیمار بدون به خطر انداختن اطلاعات شخصی توسط تیمی از جمله دانشمندان پزشکی دانشگاه لیدز ایجاد شده است.
