محققان دریافته‌اند که پزشکان بی‌تجربه‌ای که کولونوسکوپی را با کمک هوش مصنوعی انجام می‌دهند، در تشخیص پولیپ‌ها بهتر عمل می‌کنند. استفاده از هوش مصنوعی با این ابزار تشخیصی می‌تواند احتمال خطا در شناسایی پیش‌سازهای سرطان روده بزرگ را کاهش دهد.
آندوسکوپی روده
هوش مصنوعی قبلاً هم منجر به بهبود چندین ابزار تشخیص پزشکی ازجمله ماموگرافی، سونوگرافی و ام‌آر‌ای شده بود. اما اکنون نوبت کولونوسکوپی است که یک ارتقا به کمک تکنولوژی دریافت کند.
کولونوسکوپی، قراردادن یک آندوسکوپ در روده بزرگ برای بررسی دیواره‌های داخلی آن، با شناسایی و برداشتن پولیپ‌های پیش بدخیم (آدنوم) است و میزان مرگ ناشی از سرطان کولورکتال را کاهش می‌دهد.
بااین‌حال، به‌عنوان یک ابزار تشخیصی، می‌تواند ناقص باشد. تا ۲۶ درصد از آدنوم‌ها و ۹ درصد از آدنوم‌های پیشرفته را می‌توان از دست داد، که خطر پیامدهای نامطلوب و مرگ‌ومیر را افزایش می‌دهد.
دلایلی که در تشخیص آدنوم‌ها خطا پیش می‌آید عبارتند از مورفولوژی صاف، آماده‌سازی ضعیف روده و تجربه ناکافی آندوسکوپیست.
اکنون، محققان دانشکده پزشکی دانشگاه چینی هنگ‌کنگ (CUHK) این موضوع را بررسی کرده‌اند که آیا کولونوسکوپی با کمک هوش مصنوعی، نرخ تشخیص آدنوم را زمانی که یک پزشک بی‌تجربه از آن استفاده می‌کرد، بهبود می‌بخشد یا خیر.
«لوئیس لاو هو شینگ»، نویسنده ارشد این مطالعه، گفت:
«تحقیق ما برای توسعه آینده هوش مصنوعی در پزشکی بالینی و آموزش آندوسکوپی مهم است. آندوسکوپیست‌های جوان عموماً مهارت کمتری دارند و در مراحل اولیه یادگیری خود به سطح بالاتری از کمک نیاز دارند. تحقیقات ما برای آموزش آندوسکوپی مهم است زیرا نشان می‌دهد که استفاده از هوش مصنوعی به آنها راهنمایی تصویری می‌دهد تا مهارت‌ها را به شیوه‌ای استانداردتر تمرین کنند. نتایج تأیید کردند که این نوآوری به افزایش توانایی تشخیص آدنوم در بین آندوسکوپیست‌ها با سطوح مختلف تجربه کمک می‌کند.»
نحوه پژوهش
هوش مصنوعی مورد استفاده، کامپیوتر (CADE) بود؛ یک سیستم یادگیری عمیق که آزمایش‌های قبلی گزارش داده‌اند مزایای بالینی قابل‌توجهی برای تشخیص آدنوم ارائه می‌دهد.
بین آوریل ۲۰۲۱ و ژوئیه ۲۰۲۲، محققان ۲۲ متخصص آندوسکوپی جوان، با تجربه شخصی کمتر از ۵۰۰ آندوسکوپی و آموزش کمتر از سه سال را برای مطالعه عملکرد آنها با استفاده از سیستم آندوسکوپی به کمک هوش مصنوعی استخدام کردند. آندوسکوپیست‌ها به دو گروه مبتدی (کمتر از ۲۰۰ کار) و متوسط (۲۰۰ تا ۵۰۰ کار) تقسیم شدند.
هدف اولیه مطالعه میزان تشخیص آدنوم بود. هدف دوم شامل تشخیص آدنوم‌ها با اندازه‌های مختلف (کمتر از ۵ میلی‌متر، ۵ تا ۱۰ میلی‌متر، بیشتر از ۱۰ میلی‌متر) و تعیین مکان آنها بود. یک آدنوم پیشرفته، پیش‌ساز سرطان کولورکتال، برابر یا بیشتر از ۱۰ میلی‌متر تعریف شد.
آندوسکوپیست‌های تحت آموزش، کولونوسکوپی را روی ۷۶۶ بیمار انجام دادند. ۳۸۶ نفر به گروهی که از هوش مصنوعی استفاده می‌کردند، اختصاص داده شدند و بقیه کولونوسکوپی معمولی دریافت کردند.
به‌طور کلی، میزان تشخیص آدنوم در گروه هوش مصنوعی درمقایسه با گروه دیگر به‌طور قابل‌توجهی بالاتر بود: به ترتیب ۵۷٫۵ درصد درمقابل ۴۴٫۵ درصد.
میزان تشخیص آدنوم‌ها برای آدنوم کمتر از ۵ میلی‌متر ۴۰٫۴ درصد در گروه CAde، درمقابل ۲۵٫۰ درصد در گروه عادی بود. برای آدنوم‌های ۵-۱۰ میلی‌متری به ترتیب ۸/۳۶ درصد و ۲/۲۹ درصد بود. تفاوت معنی‌داری در میزان تشخیص آدنوم برای آدنوم‌های پیشرفته وجود نداشت.
میزان تشخیص در گروهی که از هوش مصنوعی استفاده کردند، در بین آندوسکوپیست‌های مبتدی (۶۰٫۰ درصد درمقابل ۴۱٫۹ درصد) و سطح متوسط (۵۶٫۵ درصد درمقابل ۴۵٫۵ درصد) بیشتر بود.
محققان می‌گویند که مزیت هوش مصنوعی برای آدنوم‌های بزرگ و پیشرفته هنوز نامشخص است. آنها بهینه‌سازی عملکرد الگوریتم و توسعه هم‌زمان سیستم‌های تشخیص آدنوم به کمک رایانه را توصیه می‌کنند.
بااین‌وجود، براساس یافته‌ها، پژوهشگران از گنجاندن دستگاه‌های هوش مصنوعی در برنامه‌های آموزشی آندوسکوپی حمایت می‌کنند.
این مطالعه در مجله Clinical Gastroenterology and Hepatology منتشر شد.
منبع: https://digiato.com/health/ai-colonoscopy-inexperienced-doctors