Η Τεχνητή Νοημοσύνη επαναπροσδιορίζει την καταπολέμηση του καρκίνου

Ενα εκτιμάται 610.000 άνθρωποι στις ΗΠΑ πέθαναν από καρκίνο πέρυσι. Αυτός είναι σχεδόν ο ίδιος αριθμός ανθρώπων που χάθηκαν στη χώρα τετραετής εμφύλιος πόλεμος. Τουλάχιστον δύο εκατομμύρια περισσότεροι άνθρωποι διαγνώστηκαν με κάποια μορφή καρκίνου το 2024, αριθμός που έχει αυξηθεί τα τελευταία χρόνια. Η έγκαιρη ανίχνευση παραμένει ένας από τους μεγαλύτερους παράγοντες που καθορίζουν εάν κάποιος τελικά επιζήσει ή όχι από τον καρκίνο και, ευτυχώς, η πρόοδος στην ιατρική θεραπεία μπορεί να βοηθήσει. Ερευνητές και ιατροί επιστήμονες πιστεύουν ότι τα μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να διαδραματίσουν βασικό ρόλο σε αυτή τη διαδικασία έγκαιρης ανίχνευσης. Αν και η τεχνητή νοημοσύνη εξακολουθεί να μην μπορεί να υποκαταστήσει την πραγματική ιατρική εμπειρία ενός γιατρού ή ακόμη και να παράγει μια αληθινή ιατρική διάγνωση, μπορεί να χρησιμεύσει ως κρίσιμο εργαλείο για να γίνει πιο αποτελεσματικός.

Η ικανότητα της τεχνητής νοημοσύνης να αναλύει πυκνά πλήθη δεδομένων και να αναζητά μοτίβα μπορεί να την καθιστά κατάλληλη για την αναζήτηση ανωμαλιών σε εικόνες οργάνων και ιστών και τον εντοπισμό καρκινικών κυττάρων πριν αυτά κάνουν μετάσταση. Μια μελέτη δημοσιεύεται σήμερα στο περιοδικό Φύση από ερευνητές στο Πανεπιστήμιο Κολούμπια περιέγραψαν ένα νέο ιατρικό μοντέλο τεχνητής νοημοσύνης που λένε ότι μπορεί να προβλέψει με ακρίβεια τη δραστηριότητα των γονιδίων σε κυτταρικό επίπεδο. Θεωρητικά, αυτό το επίπεδο κοκκοποίησης θα μπορούσε να ανοίξει νέους δρόμους για τους ερευνητές για να κατανοήσουν τις γονιδιακές μεταλλάξεις που προκαλούν την εμφάνιση καρκίνου στην πρώτη θέση.

«Το να έχουμε την ικανότητα να προβλέψουμε με ακρίβεια τις δραστηριότητες ενός κυττάρου θα μεταμορφώσει την κατανόησή μας για τις θεμελιώδεις βιολογικές διεργασίες», δήλωσε ο ανώτερος συγγραφέας της εργασίας και καθηγητής στην Κολούμπια Ραούλ Ραμπαντάν σε μια δήλωση. «Θα μετέτρεπε τη βιολογία από μια επιστήμη που περιγράφει φαινομενικά τυχαίες διαδικασίες σε μια που μπορεί να προβλέψει τα υποκείμενα συστήματα που διέπουν τη συμπεριφορά των κυττάρων».

Σήμερα, οι γιατροί χρησιμοποιούν ήδη την τεχνητή νοημοσύνη για να βοηθούν στον εντοπισμό όγκων και στην επίσπευση της διάγνωσης. Οι επιστήμονες και οι φαρμακευτικές εταιρείες χρησιμοποιούν παρόμοια τεχνολογία σε διάφορους βαθμούς βοηθούν στη δημιουργία νέων θεραπευτικών μεθόδων για την καταπολέμηση του καρκίνου. Και ενώ η τεχνητή νοημοσύνη είναι σχεδόν βέβαιο ότι δεν θα αντικαταστήσει τους εκπαιδευμένους ογκολόγους σύντομα, όλα τα σημάδια δείχνουν προς ένα εγγύς μέλλον όπου αυτά τα μοντέλα διαδραματίζουν όλο και πιο παρόν ρόλο στην καταπολέμηση του καρκίνου, από τις πρώτες στιγμές μέχρι τη θεραπεία στο τελευταίο στάδιο.

Η τεχνητή νοημοσύνη δίνει στους ερευνητές μια ματιά στο πώς ξεκινά ο καρκίνος σε κυτταρικό επίπεδο

Οι ερευνητές της Κολούμπια που αναπτύσσουν το AI ικανό να προβλέψει τη γονιδιακή δραστηριότητα, που αναφέρεται ως GET (γενικός μετασχηματιστής έκφρασης), λένε ότι εκπαίδευσαν το μοντέλο τους σε εικόνες 1,3 εκατομμυρίων ανθρώπινων κυττάρων. Οι ερευνητές συνέκριναν αυτή τη διαδικασία έγχυσης μεγάλων δεδομένων εκπαίδευσης τόσο ασθενών όσο και υγιών γονιδίων ως παρόμοια με τον τρόπο που το μοντέλο μεγάλης γλώσσας ChatGPT του Open AI απορροφά ένα τεράστιο σύνολο γραπτού διαδικτύου. Μόλις το μοντέλο ιατρικής τεχνητής νοημοσύνης είχε μάθει τη «γραμματική σε πολλές διαφορετικές κυτταρικές καταστάσεις», σημειώνει ο Ραμπαντάν, θα μπορούσε στη συνέχεια να κατευθυνθεί στην πρόβλεψη μοτίβων με βάση αυτές τις πληροφορίες. Όταν δοκίμασαν το AI, οι ερευνητές είπαν ότι ήταν σε θέση να προβλέψει ορισμένες εκφράσεις γονιδίων σε κυτταρικούς τύπους που δεν είχαν δει ποτέ πριν.

«Αυτές οι μέθοδοι μπορούν να διεξάγουν αποτελεσματικά υπολογιστικά πειράματα μεγάλης κλίμακας, ενισχύοντας και καθοδηγώντας τις παραδοσιακές πειραματικές προσεγγίσεις», πρόσθεσε ο Ραμπαντάν.

Το έγγραφο έρχεται μόλις λίγους μήνες μετά από επιστήμονες από την Ιατρική Σχολή του Χάρβαρντ περιέγραψε επίσης ένα άλλο εργαλείο ανίχνευσης τεχνητής νοημοσύνης που σχετίζεται με τον καρκίνο Φύση. Σε αυτό το παράδειγμα, οι ερευνητές εκπαίδευσαν το μοντέλο τους για να ανιχνεύει σημάδια 19 διαφορετικών τύπων όγκων αφού παρατήρησαν εικόνες ιατρικών ασθενών. Το μοντέλο φέρεται να ήταν σε θέση να ανιχνεύσει τον καρκίνο και να προβλέψει το μοριακό προφίλ ενός όγκου όλα με βάση τα κυτταρικά χαρακτηριστικά που περιλαμβάνονται στα δεδομένα εκπαίδευσής του. Θα μπορούσε επίσης να προβλέψει το δυναμικό επιβίωσης ενός ασθενούς σε διαφορετικούς τύπους καρκίνου. Το μοντέλο, που ονομάζεται CHIEF (Ίδρυμα Αξιολόγησης Κλινικής Ιστοπαθολογίας Απεικόνισης) εκπαιδεύτηκε σε 60.000 ολόκληρες εικόνες ιστών από πνεύμονες, προστάτη, κόλον και άλλα όργανα. Οι ερευνητές είπαν ότι το CHIEF προχώρησε ένα βήμα παραπέρα από άλλα μοντέλα τεχνητής νοημοσύνης που ανιχνεύουν καρκίνο λόγω των ευρέων δεδομένων εκπαίδευσης που του επιτρέπουν να ερμηνεύει μια ιατρική εικόνα πιο ολιστικά από άλλα πιο εξειδικευμένα μοντέλα.

«Εάν επικυρωθεί περαιτέρω και αναπτυχθεί ευρέως, η προσέγγισή μας και προσεγγίσεις παρόμοιες με τις δικές μας, θα μπορούσαν να εντοπίσουν έγκαιρα ασθενείς με καρκίνο που μπορεί να επωφεληθούν από πειραματικές θεραπείες που στοχεύουν ορισμένες μοριακές παραλλαγές, μια ικανότητα που δεν είναι ομοιόμορφα διαθέσιμη σε όλο τον κόσμο», δήλωσε ο καθηγητής Ιατρικής Σχολής του Χάρβαρντ. και ο ανώτερος συγγραφέας της μελέτης Kun-Hsing Yu είπε σε δήλωση.

Η τεχνητή νοημοσύνη χρησιμοποιείται σε κάθε στάδιο της έρευνας για τον καρκίνο

Η υπόσχεση της τεχνητής νοημοσύνης για τη θεραπεία του καρκίνου εμπίπτει γενικά σε πέντε κατηγορίες: πρόβλεψη, ανίχνευση, ανακάλυψη φαρμάκων και εφαρμογή θεραπείας. Στο μέτωπο της ανίχνευσης, οι ακτινολόγοι και άλλοι γιατροί βρίσκονται ήδη χρησιμοποιεί εργαλεία τεχνητής νοημοσύνης για να βοηθήσει στον εντοπισμό όγκων. Μόλις αυτή την εβδομάδα, α νέα μελέτη που δημοσιεύτηκε στο Ιατρική της Φύσης με τη συμμετοχή σχεδόν 500.000 ασθενών στη Γερμανία διαπίστωσαν ότι οι γιατροί που χρησιμοποιούσαν ένα μοντέλο ανίχνευσης τεχνητής νοημοσύνης επιβεβαίωσαν περισσότερες περιπτώσεις καρκίνου του μαστού από ό,τι οι γιατροί που ενεργούσαν μόνοι τους. Συγκεκριμένα, οι γιατροί που χρησιμοποιούσαν το AI πέτυχαν ποσοστό ανίχνευσης καρκίνου 17,6% υψηλότερο από εκείνους που δεν το έκαναν. Ο FDA έχει επίσης ήδη εγκεκριμένο μάρκετινγκ για ένα λογισμικό τεχνητής νοημοσύνης σχεδιασμός για να βοηθήσει στον εντοπισμό σημείων καρκίνου του προστάτη.

Ένα ξεχωριστό μοντέλο AI που δημιουργήθηκε από ερευνητές στα Εθνικά Ινστιτούτα Υγείας (NIH) ονομάζεται ΛΟΡΗΣ (βαθμολογία ανοσοθεραπείας-απόκρισης βάσει λογιστικής παλινδρόμησης) κατέδειξε την ικανότητα πρόβλεψης ποια ομάδα ασθενών με καρκίνο θα μπορούσε να ωφεληθεί καλύτερα από ορισμένες θεραπείες ανοσοθεραπείας. Αυτή η προσέγγιση, η οποία χρησιμοποιεί το ανοσοποιητικό σύστημα του σώματος για τη στόχευση καρκινικών κυττάρων, είναι λιγότερο επεμβατική από τις πιο παραδοσιακές θεραπείες καταπολέμησης του καρκίνου, όπως η χημειοθεραπεία και η ακτινοθεραπεία, αλλά είναι αποτελεσματική μόνο για ένα υποσύνολο ανθρώπων. Μοντέλα όπως το LORIS θα μπορούσαν να βοηθήσουν τους γιατρούς να εντοπίσουν καλύτερα αυτές τις θεραπείες για ασθενείς που μπορεί να ωφεληθούν και ταυτόχρονα να αποφύγουν την έκθεση άλλων σε περιττές θεραπείες.

Στο μέτωπο της ανακάλυψης, ερευνητές από το Ολοκληρωμένο Κέντρο Καρκίνου Ιατρικής του Πανεπιστημίου του Σικάγο (UCCCC) έλαβε πρόσφατα 16 εκατομμύρια δολάρια από την ομοσπονδιακή κυβέρνηση ως μέρος ενός έργου για τη χρήση ισχυρών μοντέλων μηχανικής μάθησης για τη διερεύνηση μεγάλων ιατρικών δεδομένων και την αναζήτηση μοτίβων που θα μπορούσαν να πυροδοτήσουν την ανάπτυξη νέων θεραπειών για ανθεκτικούς στα φάρμακα καρκίνους. Η ελπίδα, σύμφωνα με όσους εμπλέκονται στις προσπάθειες, είναι ότι η πρόοδος στην τεχνητή νοημοσύνη μπορεί να επιταχύνει τον χρόνο που χρειάζεται για την εύρεση νέων φαρμάκων, ελπίζουμε ότι θα είναι εγκαίρως για ασθενείς που μπορεί να τα χρειαστούν στο εγγύς μέλλον.

«Οι ασθενείς με καρκίνο δεν έχουν χρόνο να περιμένουν νέες θεραπείες, επομένως υπάρχει μεγάλη ανάγκη να συμπιεστεί το χρονοδιάγραμμα ανακάλυψης φαρμάκων και στοχεύουμε να το κάνουμε αυτό με νέες συνεργιστικές προσεγγίσεις που εκμεταλλεύονται [The Department of Energy’s] δυνατότητες υπερυπολογιστών», ο διευθυντής του UCCCC Kunle Odunsi είπε σε δήλωση.

Ταυτόχρονα, υπάρχει ο κίνδυνος να εμπιστευτούμε υπερβολικά τα εργαλεία ελέγχου και ανίχνευσης τεχνητής νοημοσύνης πολύ γρήγορα. Αρκετά από τα μοντέλα που αναφέρθηκαν προηγουμένως βρίσκονται ακόμη σε ερευνητικές φάσεις και θα χρειαστούν περισσότερες δοκιμές προτού αναπτυχθούν σε εγκαταστάσεις υγειονομικής περίθαλψης σε κλίμακα. Υπάρχει επίσης ο κίνδυνος ένας καιροσκόπος να εκμεταλλευτεί τον υπερβολικά ευρύ όρο «AI» για να παρουσιάσει πολύ λιγότερο δοκιμασμένα μοντέλα ως πιο αποτελεσματικά από ό,τι είναι στην πραγματικότητα. Υπάρχουν ήδη πολυάριθμες περιπτώσεις των ανθρώπων λήψη λάθος και δυνητικά επικίνδυνα εσφαλμένες διαγνώσεις μετά από αλληλεπίδραση με δημοφιλή μοντέλα μεγάλων γλωσσών. Μια μελέτη που δημοσιεύτηκε στο JAMA Παιδιατρική πέρυσι διαπίστωσε ότι το ChatGPT του OpenAI διέγνωσε λανθασμένα το 83% των παιδιατρικών περιπτώσεων παρουσιάστηκε με. Μοντέλα σαν αυτά είναι επίσης επιρρεπή σε περιστασιακά ψευδαισθήσεις με ψευδή γεγονότα και να το κάνουν με σιγουριά. Αυτό μπορεί να οδηγήσει σε αστεία αποτελέσματα όταν του ζητάτε να βρει μια συνταγή για κέικ, αλλά αυτές οι ίδιες ανακρίβειες μπορεί να αποδειχθούν επικίνδυνες όταν κάποιος τις χρησιμοποιεί για να αυτο-φαρμακοποιήσει.

[Related: Will we ever be able to trust health advice from an AI?]

Και παρόλο που τα μοντέλα τεχνητής νοημοσύνης (πιθανότατα) βελτιώνουν την ικανότητά τους να ανιχνεύουν διαφορετικούς καρκίνους τα επόμενα χρόνια, βασικά εξακολουθούν να μην εκτελούν την ίδια δουλειά με έναν εκπαιδευμένο γιατρό. Ως καθηγήτρια δημοσιογραφίας στο Πανεπιστήμιο της Νέας Υόρκης Meredith Broussard σημειώνει στο 2023 της βιβλίο Περισσότερα από ένα σφάλμα, Ακόμη και τα πιο προηγμένα μοντέλα τεχνητής νοημοσύνης ουσιαστικά συγκρίνουν μια στατική εικόνα με ένα σύνολο άλλων εικόνων που έχουν ήδη επισημανθεί από ανθρώπους και βλέπουν γρήγορα αν υπάρχουν μαθηματικές ομοιότητες στα δύο. Αυτό μπορεί να οδηγήσει σε εντυπωσιακά αποτελέσματα, αλλά αυτή η διαδικασία είναι τελικά α προφητεία που δεν είναι το ίδιο με μια διάγνωση. Η διάγνωση εξακολουθεί να απαιτεί έναν άνθρωπο γιατρό που μπορεί να εξετάσει τα στοιχεία και να βγάλει το δικό του εμπειρογνώμονα με βάση την πολυετή εμπειρία του πραγματικού κόσμου.

Ζούμε ήδη σε έναν κόσμο όπου οι γιατροί μπορούν να χρησιμοποιήσουν αυτά τα εργαλεία για να ενισχύσουν τις δικές τους ικανότητες. Ωστόσο, είναι λιγότερο σαφές εάν η τεχνητή νοημοσύνη θα είναι ποτέ αρκετά αξιόπιστη ώστε να απομακρύνει εντελώς τους γιατρούς από αυτή τη δυναμική.