دانشگاه پزشکی استنفورد مدل هوش مصنوعی جدیدی به نام موسک (MUSK: Multimodal Transformer with Unified Mask Modeling) توسعه داده است که می‌تواند با دقت بالا پیش‌بینی کند بیماران مبتلا به سرطان چه آینده‌ای در پیش دارند و درمان‌های مختلف چقدر بر آنها مؤثر خواهند بود. این مدل اولین در نوع خود است که از داده‌های تصویری مختلف و اطلاعات مبتنی بر متن به‌طور هم‌زمان استفاده می‌کند. پژوهش‌ها نشان داده‌اند که این مدل در انواع سرطان‌ها از جمله سرطان ریه، سرطان معده-مری و ملانوما (Melanoma) عملکرد موفقی داشته است.

محدودیت مدل‌های پیشین هوش مصنوعی

در سال‌های اخیر، مدل‌های مختلفی از هوش مصنوعی ساخته شده‌اند که می‌توانند علائم کوچک سرطان را که ممکن است توسط پزشکان نادیده گرفته شود، شناسایی کنند. برای مثال، مدل Sybil از دانشگاه MIT می‌تواند با دقتی بین 86 تا 94 درصد پیش‌بینی کند که آیا یک فرد در طی یک سال به سرطان ریه مبتلا می‌شود یا نه. با این حال، محدودیت اصلی این مدل‌ها این است که تنها یک نوع داده (مانند تصاویر MRI، سی‌تی‌اسکن یا نمونه‌های میکروسکوپی) را بررسی می‌کنند. حتی پیشرفته‌ترین مدل‌ها نیز انواع داده‌های تصویری را به‌صورت جداگانه تحلیل می‌کنند.

توانایی‌های بی‌نظیر موسک

موسک این مشکل را حل کرده است. این مدل که بر اساس بیش از 50 میلیون تصویر پاتولوژی و یک میلیارد «توکن متنی» (Text Tokens) آموزش دیده است، می‌تواند چندین نوع داده مانند تصاویر پزشکی (مانند اشعه ایکس، سی‌تی‌اسکن و MRI) و اطلاعات متنی (مانند یادداشت‌های پزشکی و ارتباطات متخصصان) را هم‌زمان تحلیل کند. این ویژگی، موسک را شبیه به فرآیند تصمیم‌گیری پزشکان کرده و به آن امکان می‌دهد نه تنها علائم بیماری را شناسایی کند، بلکه به پیش‌بینی آینده بیماری بپردازد.

نتایج شاخص

در آزمایش‌های انجام‌شده، موسک توانسته است پیش‌بینی دقیقی از بقای بیمار در 75 درصد موارد ارائه دهد. این رقم 11 درصد بهتر از میانگین دقت پزشکان (64 درصد) است. همچنین، این مدل با دقت 77 درصد تشخیص داده است که کدام بیماران مبتلا به سرطان ریه غیر کوچک (Non-Small Cell Lung Cancer) به ایمونوتراپی (Immunotherapy) پاسخ خواهند داد، در حالی که دقت پزشکان در این زمینه 61 درصد بوده است. علاوه بر این، موسک توانسته است با دقت 83 درصد پیش‌بینی کند که کدام بیماران ملانوما در طی 5 سال پس از درمان اولیه دچار بازگشت بیماری خواهند شد.

کاربرد در تصمیم‌گیری‌های درمانی

طبق گفته پژوهشگران، این مدل برای کمک به پزشکان در انتخاب بهترین درمان‌ها طراحی شده است. به گفته «روئی‌جیانگ لی» (Ruijiang Li)، نویسنده ارشد این مطالعه، «نیاز بزرگ ما در کلینیک، ابزاری است که پزشکان بتوانند برای تصمیم‌گیری‌های درمانی از آن استفاده کنند. اگر بتوانیم از هوش مصنوعی برای تحلیل صدها یا هزاران داده مختلف، از جمله تصاویر بافتی، سوابق پزشکی، و نتایج آزمایشگاهی استفاده کنیم، می‌توانیم با دقت بیشتری تعیین کنیم که چه کسی از چه درمانی سود می‌برد.»

آینده هوش مصنوعی در درمان سرطان

مدل موسک نشان‌دهنده یک جهش بزرگ در ترکیب داده‌های چندمنظوره برای بهبود پیش‌بینی‌ها و درمان‌ها است. این رویکرد نه‌تنها به پزشکان کمک می‌کند تصمیم‌های دقیق‌تری بگیرند، بلکه می‌تواند روند درمانی بیماران را بهبود بخشد و از درمان‌های غیرضروری یا بی‌اثر جلوگیری کند.

  این نوشته‌ها را هم بخوانید ​