دقت ۹۶ درصدی هوش مصنوعی CHIEF در تشخیص سرطان

محققان دانشکده پزشکی هاروارد، مدل هوش مصنوعی جدیدی به نام CHIEF را معرفی کرده‌اند که می‌تواند انواع مختلف سرطان را با دقت چشمگیر 96 درصدی تشخیص دهد و پیش‌بینی کند.

به گزارش تک‌ناک، بر اساس یک مطالعه جدید، CHIEF با دقت ۹۶ درصدی در تشخیص ۱۹ نوع مختلف سرطان، از سیستم‌های هوش مصنوعی موجود پیشی می‌گیرد. محققان تطبیق‌پذیری CHIEF را با ChatGPT مقایسه می‌کنند، که مدل زبانی می‌باشد و به دلیل توانایی‌ خود در انجام انواع وظایف گسترده توجه زیادی جلب کرده است.

CHIEF یک مدل هوش مصنوعی دیداری بسیار تخصصی است، که قادر به درک ورودی‌های بصری می‌باشد و در مقابل رویکرد عمومی که در مدل‌های سنتی مانند: GPT-4V یا LlaVA مشاهده می‌شود، برای ارزیابی تصاویر بسیار دقیق سلول‌های سرطانی آموزش دیده است.

به جای آموزش برای شناسایی عناصر عمومی مانند: گربه‌ها یا پرتقال‌ها، هوش مصنوعی CHIEF روی یک مجموعه داده چندوجهی عظیم، شامل ۱۵ میلیون تصویر بدون برچسب و ۶۰,۰۰۰ تصویر از برش‌های کامل بافت از ۱۹ مکان مختلف آناتومیک آموزش دیده است.

از طریق پیش‌آموزش روی ۴۴ ترابایت از مجموعه داده‌های تصویربرداری پاتولوژی با وضوح بالا، CHIEF نمایه‌های میکروسکوپی مفیدی برای تشخیص سلول‌های سرطانی، شناسایی منبع تومور، توصیف مشخصات مولکولی و پیش‌بینی، استخراج کرد. این تحقیق نشان می‌دهد که این مدل هوش مصنوعی بهتر از حد انتظار عمل می‌کند.

کون-هسینگ یو، محقق ارشد این مطالعه گفت: «هدف ما ایجاد یک پلتفرم هوش مصنوعی چندکاره مانند ChatGPT بود که بتواند وظایف گسترده‌ای در ارزیابی سرطان انجام دهد. مدل ما در وظایف مختلف مرتبط با تشخیص سرطان، پیش‌بینی و پاسخ به درمان در چندین نوع سرطان بسیار مفید بوده است.»

محققان CHIEF را روی بیش از ۱۹,۴۰۰ تصویر از ۳۲ مجموعه داده مستقل جمع‌آوری‌شده، به‌ طور جهانی آزمایش کردند و آن در مقایسه با روش‌های هوش مصنوعی پیشرفته تا ۳۶.۱ درصد عملکرد بهتری داشت.

همچنین این هوش مصنوعی در تمایز بین بیماران با نرخ‌های بقای بالا و پایین دقیق‌تر بود و توانست بینش دقیقی از نمونه‌های بافتی مختلف ارائه دهد.

محققان برنامه‌ریزی می‌کنند که CHIEF را با تصاویر بیماری‌های نادر، شرایط غیرسرطانی و بافت‌های پیش‌سرطانی آموزش دهند تا دقت آن را بهبود بخشند. آنها همچنین انتظار دارند که با افزودن داده‌های بیشتر به این مدل، توانایی آن را در شناسایی تهاجم سرطان و پیش‌بینی اثرات درمان‌های جدید بهبود بخشند.