تشخيص السرطان باستخدام الذكاء الاصطناعي: نظام ذكاء اصطناعي ثوري

لقد أتاح التقدم في مجال الذكاء الاصطناعي ليس فقط تشخيص أمراض خطيرة كالسرطان، بل أيضًا التنبؤ بمسارها. كلية الطب بجامعة هارفارد (نافذة جديدة)كشفت شركة TechCrunch مؤخرًا عن نموذج ذكاء اصطناعي متعدد الأغراض يُدعى Chief والذي يمكن استخدامه كـ ChatGPT لتشخيص وتوقع النتائج لأنواع مختلفة من السرطان.

تُركز معظم أنظمة الذكاء الاصطناعي الخاصة بالسرطان على مهام محددة، مثل تحديد الخلايا السرطانية وحساب الطفرات الجينية للورم. أما نموذج Chief فهو أكثر تطورًا بكثير، إذ يُمكن استخدامه لتشخيص العديد من أنواع السرطان، والتنبؤ بمعدل نجاة المريض، وتقديم المشورة بشأن العلاج المناسب.

رؤية شخصية للعلاج

يستخدم النموذج تحليل الصور للتنبؤ بالملف الجيني للأنسجة السرطانية بدقة عالية. خضع شيف للاختبار في 19 (نافذة جديدة) أنواع السرطان (نافذة جديدة)مرونته تُضاهي مرونة ChatGPT. يُمكن تحديد "بيئة الورم الدقيقة". يُعدّ النسيج المُحيط بالسرطان أساسيًا لاستجابة العلاج.

يستطيع تطبيق Chief تحديد ما إذا كان المريض أكثر استجابة للعلاج الإشعاعي أو الجراحة أو العلاج الكيميائي. وتُعد قدرته على التنبؤ بدقة باستجابة السرطان للعلاجات التقليدية من أهم إنجازاته. كما يتميز بقدرته على تحديد سمات الورم التي لم يكن من المعروف سابقًا ارتباطها ببقاء المريض على قيد الحياة. ويمكن أن تُسهم القدرة على تخصيص العلاج في توجيه تطوير علاجات جديدة مُستهدفة للمرضى الذين لا يستجيبون للخيارات التقليدية. وقد حددت هذه الأداة سمات سرطانية جديدة مرتبطة ببقاء المريض على قيد الحياة. وتُظهر هذه الأداة قوة الأساليب القائمة على الذكاء الاصطناعي في تقييم أنواع السرطان بفعالية وتحديد المرضى الأقل استجابة للعلاج التقليدي.

في نهاية المطاف، سد فجوة الموارد في مكافحة السرطان

باحثون في كلية الطب بجامعة هارفارد (نافذة جديدة) طوّر الباحثون قاعدة معرفية واسعة من خلال تدريب "الرئيس". استخدموا 15 مليون صورة أنسجة. ثم درب الباحثون النموذج على 60 ألف شريحة من أنسجة أنواع مختلفة من الأعضاء. سمح له ذلك بتحليل الصور الكاملة والمحددة، وربط تفاصيل الصورة بسياقها العالمي. يُعدّ هذا أمرًا بالغ الأهمية لتقييم خصائص السرطان بدقة. ثم اختُبر النموذج على 19400 صورة لمرضى من جميع أنحاء العالم، حيث تفوق على أساليب الذكاء الاصطناعي الحالية في الكشف عن السرطان، وتحديد أصل الورم، وحتى التنبؤ بالطفرات. التي ترتبط باستجابات العلاج بواسطة 36%.

يخطط الباحثون لتدريب "تشيف" على الأمراض النادرة، وصور الأنسجة ما قبل السرطانية، التي قد تساعد في الكشف المبكر عن السرطان والوقاية منه. كما يخططون لدمج المزيد من المعلومات الجزيئية للتمييز بين أنواع السرطان بدرجات متفاوتة من العدوانية، والتنبؤ بفوائد العلاج وآثاره الجانبية. ولسد فجوات الموارد وتحسين رعاية مرضى السرطان، فإن الهدف الأسمى لـ"تشيف" هو جعله في متناول الجميع.

سير العمل المخصصة باستخدام أتمتة Make.com