لماذا يتطلب اكتشاف السرطان عن طريق الذكاء الاصطناعي الدقة؟

أنتجت Google، مؤخرًا، دراسة تُظهر أن أنظمة الذكاء الاصطناعي لديها يمكنها اكتشاف سرطان الثدي من خلال تصوير الثدي بالأشعة السينية بدقة أكبر من الأطباء.

لكن بالنسبة للكثيرين في مجال الرعاية الصحية ، فإن ما تثبته مثل هذه الدراسات ليس مجرد أمر واعد للذكاء الاصطناعي، ولكنه في نفس الوقت يشكل تهديدًا محتملًا، وذلك لأنه بالرغم من جميع القدرات الواضحة للخوارزميات في تحطيم البيانات، فإن المهارات الدقيقة والمبنية على الأحكام للممرضات والأطباء لا يتم ترقيمها بسهولة، وقد تؤدي هذه التكنولوجيا إلى تفاقم المشاكل القائمة، في بعض المناطق التي تضغط فيها شركات التكنولوجيا على الذكاء الاصطناعي.

أضرار اكتشاف المزيد من أنواع السرطان

بالنسبة لورقة الماموجرام من Google، فإن النقد الأساسي هو أن الشركة تحاول أتمتة عملية مثيرة للجدل بالأصل إلى حد ما، كما أشار Christie Aschwanden في Wired في وقت سابق من هذا الشهر، إلى أن الأطباء جادلوا لسنوات بأن عمليات الفحص المبكر لسرطان الثدي قد تلحق الضرر بقدر ما تساعد، وقد يؤدي إدخال الذكاء الاصطناعي إلى قلب التوازن.

“هناك فكرة في المجتمع مفادها أن اكتشاف المزيد من السرطانات أمر جيد، لكن هذا ليس صحيحًا دائمًا”، كما يقول أديول أدامسون (Adewole Adamson)؛ إخصائي الأمراض الجلدية، والأستاذ المساعد في كلية طب Dell، مضيفًا “الهدف هو اكتشاف مزيد من السرطانات التي ستؤدي في الواقع إلى قتل الناس ولكن المشكلة هي أنه لا يوجد معيار ذهبي لأسباب تشكل السرطان”.

ووجدت الدراسات أنه يمكن إظهار نفس آفات المراحل المبكرة لمجموعة من الأطباء، والحصول على إجابات مختلفة تمامًا حول ما إذا كانت هذه الآفات هي السرطان، وحتى مع الموافقة على أن تشخيصاتهم صحيحة، لكن لا توجد طريقة لمعرفة ما إذا كان هذا السرطان يشكل تهديدًا لحياة هذا الشخص. يقول أدامسون (damson) إن هذا يؤدي إلى الإصابة بفرط التشخيص الزائد: “إن تسمية بعض الأشياء بالسرطان، لن تؤذي الناس طوال حياتهم، إذا لم يتم استكشافها”.

بمجرد أن نطلق اسم سرطان على شيء ما؛ فإن ذلك سيؤدي إلى سلسلة من التدخلات الطبية التي يمكن أن تكون مؤلمة ومكلفة وقد تغير الحياة، وفي حالة سرطان الثدي، قد يعني ذلك العلاج الإشعاعي، أو العلاج الكيميائي، أو إزالة الأنسجة من الثدي (استئصال الورم) أو إزالة الثديين أحدهما أو كليهما (استئصال الثدي). وهذه ليست بالقرارات السهلة.

يقول أدامسون إن تعقيدات مثل هذا التشخيص لا تحظى بالاهتمام المناسب في دراسة Google، فقد قام باحثو الشركة أولًا بتدريب الخوارزمية على الصور التي تم تحديدها بالفعل على أنها سرطانية أم لا، ولكن نظرًا لعدم وجود معيار ذهبي لتشخيص السرطان، وخاصة السرطان المبكر، يمكن القول إن هذه البيانات التدريبية توفر أساسًا جيدًا.

ثانياً: لا تنتج خوارزمية Google سوى نتائج ثنائية وهي إما: نعم، هذا سرطان ، أو لا ، هو ليس سرطانًا؛ حيث يناقش آدمسون في ورقة حديثة أنه يجب أن يكون هناك مساحة لعدم اليقين، وهو خيار ثالث يمثل مجال التشخيص الرمادي؛ والذي يؤدي إلى إطالة النقاش بدلاً من إغلاقه.

عندما سألنا عن هذه المشكلات ، كان الجواب أن التخفيضات التي تقوم بها الخوارزميات في معدلات إيجابية كاذبة، كأن يتم تشخيص شيء غير صحيح على أنه سرطان، من شأنه أن يقلل من خطر التشخيص الزائد، وشدد المتحدث باسم قسم الصحة في جوجل، أيضًا على أن الورقة كانت “بحثًا مبكرًا” وأنهم سوف يبحثون في المستقبل في نوع التحليل غير الثنائي الذي ينادي به آدمسون.

بالنسبة لآدمسون، فإن هذه التحديات أكبر من أن تكون ورقة واحدة، ويضيف: “إن فرط التشخيص” يمثل مشكلة لكثير من أنواع السرطان المختلفة. كالبروستاتا، وسرطان الجلد، وسرطان الثدي، والغدة الدرقية، وإذا أصبحت أنظمة الذكاء الاصطناعي أفضل في العثور على آفات أصغر، فسوف يؤدي هذا إلى وجود الكثير من المرضى الزائفين الذين لديهم “مرض”، إلا أنه لن يقتلهم فعليًا”.

إخصائي الأشعة

يشكل التشخيص الزائد أحد التحديات عند دمج الذكاء الاصطناعي في الطب، ولكن بالنسبة لبعض الأطباء، فإن جذور المشكلة تزداد عمقًا، ولم يتم العثور عليهم في أوراق أو خوارزميات محددة، ولكن ثقة العالم بالذكاء الاصطناعي أنه يمكن أن يحل محل فئة كاملة من العمل الطبي (الأشعة).

في عام 2016 ، قال الرائد جيفري هينتون؛ أحد العرابين الثلاثة للذكاء الاصطناعي الذي فاز بجائزة تورينج لعام 2018: “يجب أن يتوقف الناس عن تدريب إخصائيي الأشعة الآن، فمن الواضح تمامًا أنه خلال خمس سنوات سيكون التعلم العميق أفضل من إخصائيي الأشعة، وفي عام 2017، كرر المؤسس المشارك لـ Google Brain، أندرو نغ (Andrew Ng)، هذه النقطة أثناء التعليق على خوارزمية تكتشف الالتهاب الرئوي من الأشعة السينية:”هل يجب أن يكون علماء الأشعة قلقين بشأن وظائفهم؟”.

وعلى الرغم من أنّ الخطاب هدأ في السنوات الأخيرة، لكن بالنسبة إلى إخصائيي الأشعة الفعليين، ظلت هذه اللقطات الصوتية تبدو مضللة، ومهينة بعض الشيء، كما أشار هينتون في عام 2016 .

وعلى الرغم من أن الخوارزميات قادرة بالتأكيد على اكتشاف ميزات محددة في الصور الطبية وكذلك الأطباء، إلا أن هذا بعيد جدًا.

يقول هيو هارفي (Hugh Harvey)؛ إخصائي الأشعة ومستشار التكنولوجيا الصحية، إن جوهر المشكلة هو أن إخصائيي الأشعة لا ينظرون فقط إلى الصور، ويضيف: “إنه سوء فهم تام لما يفعله إخصائي الأشعة، فالوظيفة، هي أشبه بقراءة رواية ومحاولة كتابة ملخص حول الموضوع”.

كما لاحظ Harvey في مدونة منشورة في عام 2018، فإن اختصاص الأشعة يشمل جدولة المرضى وتهيئتهم، وجمع البيانات بطرق مختلفة (من التنظير الفلوري، والموجات فوق الصوتية، والخزعات، وما إلى ذلك)، وربط ذلك بأجزاء أخرى من التشخيص، والانخراط في جميع أنواع المهام الإضافية، مثل التدريس والتدريب ومراجعة عمل الآخرين.

يقول هارفي: “لا يمكن أن يحل الذكاء الاصطناعي محل ما يفعله إخصائيو الأشعة بأي شكل”.

فقد يتمثل دور الذكاء الاصطناعي في تمكنه من إيجاد بعض الأشياء التي يصعب العثور عليها، ثم يقوم بعرضها على إخصائي الأشعة، ليس أكثر.

إن أصول الثقة الزائدة في عالم الذكاء الاصطناعي هنا لا تكمن في أي ثأر معين ضد إخصائيي الأشعة، بل في الانتماءات الهيكلية للذكاء الاصطناعي نفسه. وأثبتت رؤية الآلة أنها، إلى حد بعيد، أعظم قوة للتعلم العميق، ولهذا السبب، قطع باحثو الذكاء الاصطناعي عددًا كبيرًا من الأميال في تطبيق خوارزميات الرؤية القياسية نسبيًا على مجموعات البيانات الطبية.

وهناك موضوع واحد ثابت مشترك، يمكن العثور عليه في المناطق الحدودية للذكاء الاصطناعي والطب، هو أن المشاكل ليست بسيطة كما تبدو في البداية.

المصدر: The verge: WHY CANCER-SPOTTING AI NEEDS TO BE HANDLED WITH CARE

بعد قراءة الموضوع يمكنك معرفة المزيد حول الكلمات الآتية: