סרטן

חוקרים מפתחים מודל בינה מלאכותית לחיזוי סרטן השד

חוקרים פיתחו מודל חדש של בינה מלאכותית כדי לחזות את הסיכון לחלות בסרטן השד ל-5 השנים הקרובות על סמך הדמיית ממוגרפיה

סרטן-השד.-אילוסטרציה-1

חוקרים פיתחו מודל חדש של בינה מלאכותית כדי לחזות את הסיכון לחלות בסרטן השד ל-5 השנים הקרובות על סמך הדמיית ממוגרפיה, כך עולה ממחקר חדש שפורסם היום בכתב העת Radiology, כתב העת של האגודה הרדיולוגית של צפון אמריקה.

אחת מכל 8 נשים, או כ-13% מאוכלוסיית הנשים בארה"ב, תפתח סרטן שד פולשני במהלך חייה ו-1 מכל 39 נשים (3%) תמות מהמחלה, על פי האגודה האמריקאית לסרטן. בדיקת סרטן השד באמצעות ממוגרפיה, עבור נשים רבות, היא הדרך הטובה ביותר לגלות סרטן שד בשלב מוקדם – כאשר הטיפול הוא היעיל ביותר.

ביצוע הדמיית ממוגרפיה באופן שגרתי לפי ההנחיות יכול להפחית באופן משמעותי את הסיכון למות מסרטן השד. עם זאת, עדיין לא ברור כיצד לחזות במדויק אילו נשים יפתחו סרטן השד באמצעות בדיקות סקר בלבד.

״Mirai״, אלגוריתם חדשני המבוסס על למידה עמוקה, הוכיח את מיומנותו ככלי המסייע בניבוי סרטן השד, אך מכיוון שמעט ידוע על תהליך החשיבה שלו, לאלגוריתם יש פוטנציאל ליצירת תלות בקרב הרדיולוגים וביצוע אבחנות שגויות.

"מיראי היא קופסה שחורה – רשת עצבית גדולה ומורכבת מאוד, הדומה במבנה שלה ל-ChatGPT – ואף אחד לא ידע איך היא מקבלת את ההחלטות שלה", אמר המחבר הראשי של המחקר, ג'ון דונלי, דוקטורנט במחלקה למדעי המחשב באוניברסיטת דיוק בדורהאם, צפון קרוליינה. "פיתחנו שיטת בינה מלאכותית שמאפשרת לנו לחזות סרטן שד מממוגרפיה שנה עד 5 שנים מראש. AsymMirai הרבה יותר פשוט והרבה יותר קל להבנה מאשר Mirai".

לצורך המחקר, דונלי ועמיתיו במחלקה למדעי המחשב ובמחלקה לרדיולוגיה השוו את מודל הלמידה העמוקה מבוסס הממוגרפיה החדש שלהם שנקרא AsymMirai לתחזיות הסיכון לסרטן השד של מיראי למשך שנה עד חמש שנים. AsymMirai נבנתה על חלק הלמידה העמוקה "הקדמית" של Mirai, תוך החלפת השיטה המסובכת במודל הניתן לפרשנות: שונות דו-צדדית מקומית, הבוחנת את הבדלי הרקמה בין השד השמאלי לשד הימני.

תגובות

האימייל לא יוצג באתר.

האחריות הבלעדית לתוכנן של תגובות שיפורסמו על ידי משתמשי האתר, תחול על המפרסם ועליו בלבד. על המגיבים להימנע מלכלול בתגובות תוכן פוגעני או כל תוכן אחר, שיש בו משום פגיעה או הפרת זכויות של גורם כלשהו
0:00
0:00