في الآونة الأخيرة ، تمت مناقشة استخدام الذكاء الاصطناعي في الطب بشكل متزايد. وبالطبع ، فإن مجال الطب الذي يطرح مباشرة لهذا التطبيق هو مجال التشخيص.
يبدو أنه في وقت سابق كان من الممكن تطبيق أنظمة الخبراء وخوارزميات التصنيف على مشاكل التشخيص. ومع ذلك ، هناك مجال واحد من الذكاء الاصطناعي كان الأكثر نجاحًا في السنوات الأخيرة ، وهو مجال التعرف على الصور والشبكات العصبية التلافيفية. في بعض الاختبارات ، تجاوزت خوارزميات الذكاء الاصطناعي في التعرف على الصور البشر. فيما يلي مثالان:
تحدي التعرّف المرئي على نطاق واسع ومعايير التعرف على إشارات المرور الألمانية .
تبعا لذلك ، نشأت الفكرة لتطبيق الذكاء الاصطناعى على مجال التعرف على الصور حيث يشارك الأطباء في التعرف على الصور ، وتحديدا في تحليل الصور ، وبالنسبة للمبتدئين ، الأشعة السينية.
يتم استخدام Radioscopy لتشخيص مجموعة واسعة من الأمراض والإصابات: تلف الرئة (الالتهاب الرئوي والسرطان) والكسور وغيرها من إصابات العظام ، وهي جزء من تشخيص الجهاز الهضمي ، وأكثر من ذلك بكثير.
من المهم في تشخيص بعض هذه الأمراض أن تكون صورة الأشعة السينية وتفسيرها هي الأداة السائدة في التشخيص.
يتم تفسير الصورة ، بدوره ، بواسطة أخصائي أشعة يعتمد على تحليل الصورة المرئية. السؤال الذي يطرح نفسه: ماذا لو قمنا بتطبيق التقدم في تحليل الصور باستخدام الذكاء الاصطناعي لتحليل وتفسير الأشعة السينية. ماذا سيحدث؟
هل سنكون قادرين على تحقيق جودة مماثلة للأطباء؟ أو ربما ستتجاوز دقة التصنيف دقة الأطباء ، كما يتم تجاوزها في التعرف على الصور في
تحدي التعرف البصري واسع النطاق ؟
هناك العديد من مسابقات تحليل الأشعة السينية في Kaggle لتشخيص الالتهاب الرئوي. على سبيل المثال ،
واحد منهم.
هنا تم تمييز 5،863 صورة بواسطة أطباء ، وتم تمييز كل صورة من قبل طبيبين ، وفقط إذا تزامنت في التشخيص ، تمت إضافة الصورة إلى مجموعة البيانات. لم يتم اختيار مرضى الصور خصيصًا (تم التقاط جميع الصور كجزء من العمل المعتاد مع المرضى). مجموعة الفصول متوازنة في اتجاه الالتهاب الرئوي ، الذي ربما يكون قريبًا من الحياة الواقعية ، لأن المرضى يلتقطون بالفعل صورًا مصابة بالتهاب رئوي مشتبه به.
أفضل الحلول تحقق الدقة = 0.84 وتذكر = 0.96. ثم يطرح السؤال: هل هو كثير أم قليلاً ... هذا سؤال جيد.
في الحالة ذاتها ، نتذكر أن الدقة هي النسبة المئوية لهؤلاء المرضى الذين عرفهم النموذج بأنهم مرضى الالتهاب الرئوي مصابون بالتهاب رئوي (وبالتالي ، ما هي النسبة المئوية للأطباء الذين لا يعالجون هذا المرض عن طريق الخطأ). تذكر ما هي النسبة المئوية لجميع المرضى الذين يعانون من الالتهاب الرئوي الذي سيكتشفه النموذج (معكوس هذه النسبة المئوية هو عدد المرضى المصابين بالتهاب رئوي سيصنفهم هذا النموذج بصحة جيدة).
هل هو كثير أم قليلا؟ حسنًا ، يمكنك إلقاء نظرة على مثل هذا السؤال: ماذا عن الأطباء؟ لديهم ما الدقة والتذكر.
للقيام بذلك ، سيكون من الضروري زرع مجموعة من الأطباء ، وإعطائهم صوراً لوضع علامات عليها ، ثم مقارنة جودة علاماتهم بجودة العلامات باستخدام خوارزمية مماثلة
لمعايير التعرف على إشارات المرور الألمانية ، حيث تمت مقارنة جودة التعرف على علامات الطرق. حسب علمي ، لم يفعل أحد هذا مع الأطباء حتى الآن.
لكن لنفترض أننا فعلنا ذلك واتضح أن جودة الترميز باستخدام الخوارزمية مماثلة لجودة الترميز من قبل الطبيب. إذا لم يكن الأمر كذلك الآن (وهي ليست حقيقة) ، فأنا متأكد من أن ذلك سيحدث في المستقبل القريب. ما التالي؟
استبدال علماء الأشعة مع الذكاء الاصطناعي؟ لقد كان هذا حلمًا منذ فترة طويلة في الولايات المتحدة ، حيث يتقاضى أطباء الأشعة أجوراً عالية ، وربما يستحقون ذلك ، نظرًا لأهميتهم في إجراء نوع معين من التشخيص.
دعونا نرى كيف ينبغي أن تبدو عملية استخدام الخوارزمية في هذه الحالة في الممارسة العملية؟
- أولاً ، سيكون من الضروري توحيد تنسيق وجودة إخراج الصور على أجهزة الأشعة السينية المختلفة. ربما أصبحت الآن موحدة (لست خبيرًا) ، لكن لسبب ما يبدو لي أنه لا. في حالة عدم وجود هذا التقييس ، فلن يكون من الممكن ضمان ثبات النموذج أثناء الانتقال من تثبيت إلى آخر.
- ثانياً ، يجب إضافة مراقبة الجودة المنتظمة للنموذج. بمعنى أنه يجب تغذية النموذج بانتظام بإدخال عينة الاختبار التي يميزها الأطباء ويجب التحقق من جودة عملها باستمرار. على جميع النماذج المستخدمة في جميع العيادات. هذا يعني أنه يجب أن يكون هناك نموذج مركزي واحد (أو عدد قليل جدًا من هذه النماذج) ، لأنه بخلاف ذلك ، هناك حاجة إلى موارد كثيرة لتمكين جميع النماذج من التحقق من صحتها. منطقيا ، ربما توصل مصنعو معدات الأشعة السينية إلى استنتاج مفاده أنه سيتم تسليم النموذج مع وحدة الأشعة السينية.
- ثالثًا ، يجب أن تكون حدود الثقة مضمنة في النموذج ، وبعدها يتم نقل الصورة إلى الطبيب لتصنيفها.
كما تعلم ، حتى لو كانت النماذج الآن قابلة للمقارنة أو تفوق على الأطباء من حيث جودة التصنيف ، فهناك مجموعة من خطوات العملية مطلوبة لاستبدالهم (الأطباء) أو ، بشكل أكثر دقة ، تقليل عدد الموظفين. ناهيك عن مجموعة الخطوات التنظيمية وإصدار الشهادات اللازمة بشكل عام لوضع هذا الحل موضع التنفيذ.
بشكل عام ، نحن لا نزال بعيدين عن السيناريو أعلاه ، يبدو لي.
هل سيناريو مختلف ممكن؟ أعتقد ذلك. أذكر
نظرية هيئة المحلفين في كوندورست ، والتي تقول إن احتمال اتخاذ القرار الصحيح من قبل مجموعة من الناس أعلى من كل منهم على حدة. وبالتالي ، فإن جودة تصنيف الطبيب والنموذج معًا أعلى من جودة تصنيف أي منها.
وبالتالي ، يمكن للطبيب استخدام النموذج كمستشار. لماذا؟ لأن الطبيب نفسه لديه الدقة والتذكر. لنفترض أن الأطباء لا يسمون ذلك ، لكن هناك أخطاء. بعض الأخطاء تؤدي إلى حقيقة أن بعض الأمراض ضاعت. أعتقد أن مثل هذه الأخطاء أقل ، لأن الأطباء يحاولون فقط تقليل الخطأ من النوع الأول. أخطاء أخرى تؤدي إلى حقيقة أن الناس يعالجون من الالتهاب الرئوي ، الذي لا يعانون منه ، وبعض الأماكن في المستشفيات تؤخذ دون داع. كم من إجمالي الأخطاء غير معروفة ، لكنها كذلك.
تبعا لذلك ، تخيل أننا نستخدم نموذجين مختلفين ورأي الطبيب فيما يتعلق بالصورة. الإيجابيات من نظرية كوندورسيه هي أنه لا يدعي فقط أن رأسين أفضل من رأس واحد ، ولكن يسمح لك أيضًا بحساب المبلغ.
اسمح لكل منهم (لكل طراز والطبيب) بدقة 0.84 (بالطبع ، نحن لا نعرف دقة الطبيب ، ولكن لنفترض أنه ليس أقل من دقة النماذج). ثم ، وفقًا لنظرية Condorcet ، فإن الدقة الكلية تساوي 0.84 ^ 3 + 3 * 0.84 ^ 2 * (1 - 0.84) = 0.93 ، مما يعطي زيادة واضحة مقارنة بالدقة المبدئية عند 0.84. وبالتالي ، عند تطبيق النموذج ، يصبح الطبيب أكثر دقة في تنبؤاته.
لاحظ أنه في هذا النموذج ، ننقذ قدس الأقداس ، ونترك القرار النهائي للطبيب ، دون تحويله إلى الجهاز. يبدو لي أن هذا سيسهل إدخال مثل هذه الحلول ويفتح الطريق لمستشاري الذكاء الاصطناعى في الطب.
ما رايك
كالعادة ، إذا كنت ترغب في إتقان تطبيق الشبكات العصبية التلافيفية ورؤية الكمبيوتر في الممارسة العملية - تعال إلى طريقنا
للمحللين ، ابتداءً من 28 يناير. هناك أيضا
دورة تمهيدية إذا كنت بحاجة إلى تشديد الأساسيات.