تشخیص ضایعات پوستی با هوش مصنوعی : آیا واقعا قابل اعتماد است؟

مقدمه

وقتی برای اولین بار به مطب یک پزشک پوست مراجعه می‌کنید، ممکن است با خودتان فکر کنید، «چطور این پزشک فقط با یک نگاه سریع می‌فهمد این خال روی دست من بی‌ضرر است یا ممکن است نشانه‌ی یک بیماری پوستی خطرناک باشد ؟» فقط با یک نگاه ؟ واقعا چگونه امکان پذیر است؟ راز این توانایی، در سال‌ها آموزش و تجربه نهفته است. یک پزشک متخصص پوست در طول سال‌های تحصیل و کار خود، هزاران بیمار را معاینه کرده، در کنار اساتید خود عکس‌ها و نمونه‌های بی‌شماری را بررسی کرده و مغز او به تدریج یاد گرفته که چگونه الگوها را تشخیص دهد. این یک فرآیند تدریجی و پیچیده از یادگیری است: دیدن یک مورد، دریافت بازخورد (از استاد یا جواب آزمایش)، و سپس به خاطر سپردن آن الگو برای دفعات بعد. خب حالا جالب است بدانید که یک پزشک متخصص پوست برای کسب این تجربه حداقل 11 سال در دانشکده پزشکی و شاید حتی 40 سال زمان صرف کرده باشد.

حالا تصور کنید که بتوانیم این فرآیند یادگیری را سرعت ببخشیم و آن را به چند ساعت تا چند روز برسانیم. یعنی 30 سال تجربه ی یک پزشک را در چند ساعت به کامپیوتر آموزش دهیم ؟  این دقیقاً کاری است که تشخیص ضایعات پوستی با هوش مصنوعی انجام می‌دهد. در این مقاله، به طور کامل بررسی می‌کنیم که این فناوری چگونه کار می‌کند، چقدر قابل اعتماد است، و چگونه می‌تواند هم برای شما به عنوان یک شهروند نگران و هم برای پزشکان به عنوان یک دستیار قدرتمند مفید باشد.

فصل اول: پزشک پوست در دانشکده پزشکی نحوه ی تشخیص ضایعات پوستی را چگونه می آموزد ؟

مرحله اول : یادگیری تئوری 

یک دانشجوی پزشکی ابتدا باید آناتومی و فیزیولوژی و به طور کلی عملکرد طبیعی و سالم پوست و سایر ارگان ها را به طور عمیق یاد بگیرد. این مرحله، یادگیری تئوری است.

مرحله ی دوم : دیدن بیماران واقعی

 پس از پایه‌گذاری تئوری، دانشجو شروع به دیدن بیماران واقعی در کلینیک‌ها می‌کند. در این مرحله، او  تحت نظر یک استاد کار می‌کند. او یک ضایعه‌ی پوستی را می‌بیند، تشخیص خود را می‌گوید، و سپس استاد او را راهنمایی می‌کند که درست بوده یا نه. یعنی عملا استاد ، دانشجو را تصحیح میکند و تشخیص صحیح را از جواب آزمایشات و یا از معاینات به دانشجو میگوید. یعنی عملا دانشجو ابتدا میبیند ، تشخیص اختمالی را مطرح میکند و سپس استاد تشخیص درست را به او میگوید.

 مرحله ی سوم: شکل‌گیری الگوها در ذهن

 پس از دیدن صدها و هزاران ضایعه ی پوستی مختلف – از خال‌های معمولی و کک و مک و جوش صورت گرفته تا سرطان پوست و پسوریازیس – مغز پزشک به تدریج یک کتابخانه غنی از الگوها را ایجاد می‌کند.مثلا در مورد ضایعات پوستی خال مانند او ناخودآگاه یاد می‌گیرد که:

خال‌های خوش‌خیم معمولاً متقارن، با حاشیه‌های صاف و یکنواخت، و رنگ‌ یکدست هستند.

ضایعات بدخیم مانند ملانوما، اغلب نامتقارن ، با حاشیه‌های دندانه‌دار و نا منظم ، و دارای رنگ‌دانه‌های مختلف (قهوه‌ای، سیاه، قرمز، آبی) در یک ضایعه هستند.

. تخصص‌یابی: پس از سال‌ها، پزشک به نقطه‌ای می‌رسد که حتی قبل از دریافت تاییدیه آزمایشگاهی نمونه بافتی، می‌تواند با اطمینان بالا یک ضایعه‌ی مشکوک را شناسایی کند. این «چشم برزخی  او در واقع نتیجه‌ی تمرین بر روی هزاران بیمار و یادگیری از آن هاست.

:اما حالا سوال اصلی 

فصل ۲: هوش مصنوعی چگونه «پزشک» می‌شود؟ تقلید از مسیر یادگیری انسان

هوش مصنوعی دقیقاً همین مسیر یادگیری را طی می‌کند، اما با چند تفاوت کلیدی و شگفت‌انگیز در مقیاس  سرعت یادگیری برای هوش مصنوعی مطرح است

مرحله ی اول : شکل دهی ساختار هوش مصنوعی توسط برنامه نویس

به جای مغز انسان، هوش مصنوعی یک «شبکه عصبی مصنوعی» دارد. این شبکه یک ساختار نرم‌افزاری است که از نورون‌های مغز انسان الهام گرفته شده است. این شبکه شامل لایه‌های متعددی است که هر کدام مسئول استخراج ویژگی‌های خاصی از یک تصویر هستند.

مرحله ی دوم: کارآموزی: آموزش با داده‌های عظیم

 
به جای کارآموزی در یک کلینیک پوست و دیدن بیماران ، هوش مصنوعی در یک مرکز داده ی عظیم آموزش می‌بیند. به آن میلیون‌ها عکس با وضوح بالا از ضایعات پوستی مختلف داده می‌شود. همزمان برای هر عکس، قبلا   یک استاد پوست حرفه ای با استفاده از جواب آزمایش پاتولوژی تشخیص  دقیق را نیز به هوش مصنوعی میگوید. سپس فرآیند تمرین و یادگیری هوش مصنوعی شروع میشود. یک پزشک پوست مصنوعی در حال تولید در پشت کد های برنامه نویس است . واقعا عجیبه !

فرآیند یادگیری هوش مصنوعی به این شکل است:

یک تصویر به شبکه داده می‌شود.

شبکه یک پیش‌بینی می‌کند (مثلاً می‌گوید «این یک ملانوما است»).

پاسخ صحیح با پیش‌بینی شبکه مقایسه می‌شود.

اگر پیش‌بینی اشتباه باشد، پارامترهای داخلی شبکه به طور خودکار تنظیم می‌شوند تا دفعه بعد خطای کمتری مرتکب شود.
این فرآیند، دقیقاً مشابه زمانی است که استاد، دانشجو را تصحیح میکند. هوش مصنوعی این کار را نه با چند صد، بلکه باچند میلیون تصویر تکرار می‌کند.

مرحله ی سوم : شکل‌گیری الگوها: ایجاد یک نقشه پیچیده

پس از آموزش، شبکه عصبی به یک متخصص بسیار کارآزموده تبدیل می‌شود. آنچه در “ذهن” هوش مصنوعی شکل می‌گیرد، یک الگوریتم یا فرمول ساده نیست، بلکه یک مدل آماری بسیار پیچیده است که قادر است هزاران ویژگی ظریف و نامرئی برای چشم انسان را در یک تصویر شناسایی کند.

مرحله ی آخر : تشخیص در کسری از ثانیه

وقتی شما عکس یک ضایعه‌ی پوستی را در پلتفرم تشخیص بیماری با هوش منصنوعی مانند آیویدیا آپلود می‌کنید، این مدل آموزش‌دیده فعال می‌شود. تصویر شما پردازش شده و با تمام الگوهایی که یاد گرفته مقایسه می‌شود. سپس یک گزارش تولید می‌کند که:

ضایعه را در یکی از دسته‌های از پیش تعریف شده قرار می‌دهد.

درصدی از اطمینان را برای تشخیص خود ارائه می‌دهد.

نواحی خاصی از تصویر که بیشترین نقش را در تصمیم‌گیری داشته‌اند (مثلاً یک ناحیه با رنگ‌دانه غیریکنواخت) را مشخص می‌کند. این قابلیت که «توضیح‌پذیری» نام دارد، به کاربر و پزشک کمک می‌کند تا بفهمند چرا هوش مصنوعی اینگونه نتیجه گرفته است.

فصل ۳: مقایسه علمی: پزشک مقابل هوش مصنوعی

آیا هوش مصنوعی واقعاً می‌تواند با دقت یک متخصص پوست رقابت کند؟ این سوالی است که مطالعات علمی معتبر متعددی به آن پاسخ داده‌اند. نتیجه اکثر قریب به اتفاق این مطالعات نشان می‌دهد که هوش مصنوعی یک رقیب بسیار سرسخت است.

 در یک مطالعه ی بسیار معروف در سال 2017 ، یک الگوریتم هوش مصنوعی با 58 متخصص پوست از 17 کشور جهان رقابت کرد. وظیفه ی آن ها تشخیص ضایعه ی پوستی  ملانوما از خال‌های خوش‌خیم در مجموعه‌ای از تصاویربود. نتیجه دانشمندان را شگفت زده کرد.   هوش مصنوعی عملکرد بهتری حتی نسبت به پزشکان متخصص پوست داشت. دقت تشخیص درست سرطان پوستی ملانوما توسط هوش مصنوعی 90 % بود، در حالی که میانگین حساسیت برای متخصصان پوست 86.6% بود. این بدان معناست که هوش مصنوعی در شناسایی سرطان‌های واقعی، از پزشکان بهتر عمل کرد.

دریک مطالعه ی دیگر در دانشگاه استنفورد  محققان یک الگوریتم را بر روی 130 هزار عکس آموزش دادند. سپس عملکرد آن را در تشخیص 2000 بیماری پوستی مختلف با 21 متخصص پوست مقایسه کردند.  الگوریتم هوش مصنوعی به دقتی مشابه متخصصان پوست دست یافت.

نکته کلیدی اینجاست: این مطالعات نشان نمی‌دهند که هوش مصنوعی جایگزین پزشک می‌شود. بلکه نشان می‌دهند که هوش مصنوعی یک ابزار تشخیصی بسیار قدرتمند است. هوش مصنوعی خسته نمی‌شود، تحت تاثیر عوامل انسانیمانند خستگی، عجله و سوگیری ناخودآگاه قرار نمی‌گیرد، و می‌تواند دانش حاصل از میلیون‌ها بیمار  را در یک لحظه به کار بگیرد

فصل ۴: کاربرد برای شما: یک ابزار غربالگری قدرتمند در جیب شما

حالا که فهمیدیم این فناوری چقدر قدرتمند و معتبر است، چطور می‌تواند به مردم کمک کند؟

 دسترسی همگانی به تشخیص اولیه: بسیاری از افراد به دلایل مختلف (دور بودن از مراکز تخصصی، کمبود وقت، هزینه) به سرعت به یک متخصص پوست دسترسی ندارند. سرویس‌هایی مانند آیویدیا این شکاف را پر می‌کنند و امکان یک ارزیابی اولیه سریع، محرمانه و مقرون‌به‌صرفه را برای همه فراهم می‌کنند.

 کاهش اضطراب و استرس: نگرانی در مورد یک خال یا لک جدید می‌تواند بسیار استرس‌زا باشد. دریافت یک ارزیابی اولیه در کمتر از یک دقیقه می‌تواند یا به شما آرامش خاطر بدهد (اگر نتیجه خوش‌خیم باشد) یا شما را با هدایت درست به سمت مراجعه فوری به پزشک سوق دهد و از تعلل جلوگیری کند.

 پایش و ردیابی: شما می‌توانید به طور منظم (مثلاً هر ۳ ماه) از خال‌های خود عکس بگیرید و آن‌ها را توسط سیستم بررسی کنید. این به شما کمک می‌کند تا تغییرات ظریف در طی زمان را زیر نظر بگیرید، چیزی که برای تشخیص زودهنگام بسیار حیاتی است.

چگونه از آیویدیا استفاده کنیم؟ (گام به گام)

عکس باکیفیت بگیرید:در یک مکان با نور کافی (ترجیحاً نور طبیعی) از ضایعه عکس بگیرید. سعی کنید دوربین را ثابت نگه دارید و روی ضایعه فوکوس کنید. نور مناسب باشد . فقط ضایعه و پوست اطراف آن در کادر باشد . نه هیچ چیز دیگری.

آپلود در اپلیکیشن:عکس را در پلتفرم تشخیص ضایعات پوستی با هوش مصنوعی آیویدیا آپلود کنید.

دریافت تحلیل:هوش مصنوعی در یک الی دو دقیقه تصویر شما را پردازش می‌کند.

دریافت گزارش:یک گزارش واضح و قابل فهم دریافت خواهید کرد که شامل تشخیص احتمالی، میزان اطمینان سیستم و توصیه‌های عملی مانند «نیاز به معاینه توسط پزشک دارد» یا «به نظر خوش‌خیم می‌رسد، اما پیگیری توصیه می شود،  است.

فصل ۵: کاربرد برای پزشکان: یک دستیار تشخیصی هوشمند

برای یک پزشک عمومی یا حتی متخصص پوست، این فناوری یک همکار ارزشمند است.

دید دوم : یک پزشک می‌تواند از پلتفرم تشخیص ضایعات پوستی با هوش مصنوعی آیویدیا  به عنوان یک نظر دوم فوری استفاده کند تا تشخیص خود را تقویت کند یا نکات ظریفی که ممکن است از قلم افتاده باشند را بررسی نماید.

افزایش دقت:  تشخیص ضایعات پوستی با هوش مصنوعی می‌تواند با هایلایت کرد نکات مهم و ارزشمند به عنوان یک دستیار هوشمند ، به پزشک کمک کند تا تمرکز خود را روی آن مسایل قرار دهد.

صرفه‌جویی در زمان: در محیط‌های شلوغ  کلینیک ، هوش مصنوعی می‌تواند به تریاژ و غربالگزی سریع‌تر بیماران کمک کند و مواردی که نیاز به توجه فوری دارند را ابتدا شناسایی کند

فصل ۶: محدودیت‌ها و آینده: هوش مصنوعی به عنوان یک همکار، نه یک جایگزین

با وجود همه پیشرفت‌ها، درک محدودیت‌های این فناوری ضروری است.

تشخیص قطعی نیست: خروجی هوش مصنوعی یک پیش‌بینی آماری است، نه یک تشخیص پزشکی نهایی. هیچ چیز نمی‌تواند جای بیوپسی (نمونه‌برداری) را که استاندارد طلایی تشخیص است، بگیرد.

خطای احتمالی: مانند هر سیستم دیگری، احتمال خطا (هرچند کم) وجود دارد.

آینده چیست؟ آینده به سمت همکاری عمیق‌تر انسان و ماشین پیش می‌رود. تصور کنید یک پزشک با یک دوربین درماتوسکوپ پیشرفته که به یک هوش مصنوعی لحظه ای متصل است، پوست شما را معاینه کند. هوش مصنوعی بلافاصله نواحی مشکوک را مشخص می‌کند، پیش‌نهادهای تشخیصی می‌دهد و به پزشک این امکان را می‌دهد تا تمام توجه خود را بر روی تصمیم‌گیری نهایی و ارتباط با بیمار متمرکز کند. این همکاری است که می‌تواند دقت تشخیص را به سطحی بی‌سابقه برساند و نجات‌بخش جان‌های بیشتری باشد. آیویدیا آینده ی کاربرد هوش مصنوعی در پزشکی را میبیندو چشم انداز های واضح و هدف های مشخصی در این باره دارد. آیویدیا را بیشتر بشناسیم.

جمع‌بندی نهایی

فناوری تشخیص ضایعات پوستی با هوش مصنوعی یک داستان علمی‌تخیلی نیست؛ بلکه یک واقعیت هیجان انگیزو معتبر است که امروز در دسترس ما قرار دارد. این فناوری با تقلید از فرآیند یادگیری یک پزشک، اما در مقیاسی میلیونی و با سرعتی فوق‌بشری، توانسته است به یک سطح از دقت تشخیصی برسد که با متخصصان پوست حتی قابل قیاس است.

سرویس‌هایی مانند پلتفرم تشخیص بیماری ها با هوش مصنوعی آیویدیا این قدرت را دارند که دانش تخصصی متخصصان پوست و قدرت اعجاب انگیز هوش مصنوعی را در خدمت همه ی مردم خصوصا مردم مناطق محروم بکارگیری کنند و آن را به دست هر کسی که یک گوشی هوشمند و دسترسی به اینترنت دارد برسانند. آنها یک ابزار غربالگری قدرتمند، یک دستیار هوشمند و خستگی ناپذیر برای پزشک و یک منبع برای کاهش اضطراب بیماران هستند.

اما به یاد داشته باشید که  از این فناوری به عنوان یک قدم اولیه هوشمندانه استفاده کنید. پاسخ هوش مصنوعی را به عنوان یک راهنما در نظر بگیرید، نه یک حکم نهایی. اگر سیستم به شما هشدار داد، آن را نادیده نگیرید؛ آن هشدار نتیجه تحلیل میلیون‌ها الگو است. اگر هشداری درباره ی یک تشخیص ضایعه پوستی با هوش مثنوعی پلتفرم آیویدیا دریافت کردید ، حتماً به یک متخصص پوست مراجعه کنید و گزارش هوش مصنوعی را به او نشان دهید.

ترکیب قدرت پردازش بی‌پایان هوش مصنوعی با تجربه، قضاوت و قدرت همدردی پزشک ، فرمول نهایی برای دستیابی به بهترین نتایج در سلامت پوست شماست. آینده پزشکی همینجاست، و شما می‌توانید از امروز از آن بهره‌مند شوید.

منابع و برای مطالعه بیشتر:

• Haenssle, H. A., et al. (2018). Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Annals of Oncology, 29(8), 1836-1842.
• Esteva, A., et al. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542(7639), 115-118.
• وبسایت انجمن درماتولوژی آمریکا (American Academy of Dermatology – AAD)