در این مقاله به بررسی هوش مصنوعی و کاربرد آن در تشخیص و درمان سرطان پرداخته شده است. در مقایسه با سایر مقالات انجام شده در این زمینه،سعی شده است تا با بررسی و مطالعه عمیق و گسترده هوش مصنوعی و نقش آن در تشخیص و درمان سرطان، راهکارهایی برای مقابله و بهبود چالش هایی که در انواع سرطان وجود دارد و با هوش مصنوعی می توان آن ها را کاهش و بهبود داد، ارائه شود. در پژوهش های دیگر به صورت یک بعدی به موضوع نگاه شده اما روش انجام این پژوهش به صورت تحلیلی – توصیفی می باشد.
هوش مصنوعی به سیستم هایی اطلاق می شود که می توانند رفتارهایی (واکنش هایی) مشابه رفتارهای هوشمند انسانی (از جمله در شرایط پیچیده، شبیه سازی فرایندهای فکری و شیوه های استدلالی انسان و پاسخ موفق به آن، یادگیری و توانایی کسب دانش و استدلال برای حل مسائل) را داشته باشند. هوش مصنوعی به علت ویژگی ها و کاربرد های آن بسیار مورد توجه قرار گرفته است، یکی از کاربرد های هوش مصنوعی مربوط به حوزه درمان و پزشکی می باشد.
یکی از کاربرد های هوش مصنوعی مربوط به حوزه درمان و پزشکی می باشد. در واقع با پیشرفت علم و دانش پیچیدگی های علم و پزشکی و حوزه های درمانی، نمایان شد، و نیاز به استفاده از سیستم های هوشمند برای افزایش دقت گسترش یافت، یکی از کاربردی ترین و رایج ترین سیستم های هوشمند که در حوزه پزشکی و درمان مورد استفاده قرار می گیرد، هوش مصنوعی می باشد. هوش مصنوعی در سرطان و در واقع تشخیص و درمان نیز مورد استفاده قرار می گیرد که از اهمیت بالایی برخوردار می باشد.
هوش مصنوعی به طور گسترده ای در حوزه های گوناگون مورد استفاده قرار می گیرد. حوزه های پزشکی مخصوص سرطان، از جمله بخش هایی است که هوش مصنوعی به عملکرد بهتر آن برای تشخیص و درمان سرطان کمک کرده است.
البته لازم به ذکر است که هوش مصنوعی علاوه بر تشخیص و درمان سرطان، قابلیت پیشگیری از سرطان را هم دارد. هوش مصنوعی شامل مدل های گوناگونی می باشد، که یکی از مهم ترین آن ها در حوزه تشخیص سرطان، مدل های یادگیری عمیق و مدل های یادگیری تقویتی عمیق، می باشد. این مدل ها برای تشخیص هوشمند بیماری ها از جمله تشخیص سرطان مورد استفاده قرار می گیرند.
همچنین این مدل ها در تصمیم گیری های مکرر مربوط به تشخیص و درمان سرطان بسیار موثر عمل می کنند. الگوریتم های به کار رفته در طراحی این سیستم، شبکه کانولوشنال نام دارند که برای تقلید از شبکه عصبی بهم پیوسته مغز انسان طراحی شده است.
در واقع در این الگوریتم، شبکه کانولوشنال به تقلید از شبکه های عصبی مغز انسان عمل می کند. همین سبب می شود تا هوش مصنوعی مانند ذهن انسان عمل می کند و همین کمک می کند تا بتواند بخش های مختلف را شناسایی و تشخیص دهد. در رابطه با سرطان(تشخیص و درمان سرطان)، می توان در هوش مصنوعی با بهره گیری از رادیولوژیست ها، تومورهای سرطانی را با سرعت و دقت بالایی تشخیص داد.
الگوریتم هایی که در هوش مصنوعی به کار برده شده اند، دارای دقت بالایی در پردازش تصاویر می باشند، که همین کمک می کند تا سلول های سرطانی با دقت و سرعت بالایی تشخیص داده شود. در دهه های اخیر، مدل های یادگیری عمیق با الگوریتم های یادگیری تقویتی ترکیب شده اند، و مدل های کاملا جدید یادگیری تقویتی عمیق مانند شبکه عمیق Q را ایجاد کرده اند.
ما در این پژوهش قصد داریم که هوش مصنوعی و نقشی که بر درمان و تشخیص بیماری سرطان دارد را مورد بررسی قرار دهیم، همچنین در این پژوهش می خواهیم مدل های یادگیری تقویتی عمیق را برای تشخیص و درمان سرطان ریه مورد بررسی قرار دهیم و تحلیل رویکرد های هوش مصنوعی و داده کاوی برای تشخیص و درمان سرطان بپردازیم.
انجام این پژوهش بسیار حائز اهمیت می باشد، زیرا در ایران متاسفانه پژوهش های بسیار اندکی در رابطه با هوش مصنوعی و سرطان انجام شده است و به این مسئله توجهی نشده است. سرطان به عنوان یکی از چالش ها مهم بشریت تبدیل شده است که بعد از بیماری های قلبی و عروقی دومین رتبه مرگ و میر را به خود اختصاص داده است. سرطان بیماری بسیار پیچیده ژنتیکی، اپی ژنتیکی و محیطی و دارای تنوع فراوانی در سطوح بافتی، توموری و سلولی است که این گوناگونی می تواند به درمان های نامناسب منجر شود. ولی با این حال مطالعات بسیار کمی در این حوزه انجام شده است. از این رو این پژوهش به بررسی عملکرد هوش مصنوعی و کارکرد آن برای درمان و تشخیص سرطان پرداخته شده است.
بیان مسئله
سرطان دومین عامل مرگ و میر جهانی بعد از بیماری های قلب و عروقی محسوب می شود، در واقع در اثر رشد کنترل نشده این سلول های سرطانی و یا اختلال در مکانیسم های مرگ برنامه ریزی شده سلولی، تجمع سلول های سرطانی، توده های سرطانی را تشکیل می دهند.
پیچیدگی سرطان با کشف رده های ژنی گوناگون دخیل در آن و به ویژه ژن های بازدارنده تومور و مسیرها مولکولی بیشتر می شود، که همین سبب می گردد تا روش های قدیمی و کلاسیک نتوانند برای توقف و کاهش رشد سلول های سرطانی کارایی نداشته باشند، در این شرایط فقط سیستم ها و طراحی های هوشمند می توانند موثر عمل کنند، یکی از موثرترین و کاربردی ترین این سیستم های هوشمند، هوش مصنوعی می باشد که دارای الگوریتم هایی می باشد که شبکه های طراحی شده در این الگوریتم ها، مشابه شبکه عصبی در بدن انسان عمل می کنند، که همین سبب می شود تا تصمیم گیری ها در هوش مصنوعی مشابه تصمیم گیری در مغز انسان عمل کند. در واقع ویژگی های هوش مصنوعی می تواند به عنوان روشی نوین اتصالی با علم پزشکی ایجاد کند و به عنوان یک پشتیبان برای تشخیص و درمان سرطان مورد استفاده قرارگیرد.
استفاده از هوش مصنوعی در حوزه سرطان کمک می کند تا عوارض شیمی درمانی در بیمار به حداقل برسد و بازده درمان را به حداکثر میرساند. کاری که هوش مصنوعی برای تشخیص سرطان انجام می دهد، این است که هوش مصنوعی دارای دو رویکرد هوشمند و رویکرد انسانی بودن می باشد (مشابه مغز انسان تصمیم می گیرد و عمل می کند)، این رویکردهای موجود در هوش مصنوعی اتصالی است برای تشخیص و درمان سرطان می باشد.
به طور مثال برای تشخیص سرطان پستان، از رویکرد های هوشمند هوش مصنوعی استفاده می شود، که در واقع در سرطان پستان رادیولوژیست ها و عامل هوشمند در معاینات ماموگرافی و استفاده از نرم افزار Zebra Medical Vision، تشخیص و درمان سرطان انجام می گیرد. یا در سرطان ریه با استفاده از با استفاده از عکس های پاتولوژی می توان تصویر برداری دقیق و سریعی را از ریه و سلول های سرطانی تهیه نمود که این کمک شایانی برای تشخیص و درمان سرطان می کند.
در سرطان معده با استفاده از شبکه عصبی کانولوشن می توان سلول های سرطانی را در آندوسکوپی تشخیص داد که در این مورد از سیستم تشخیص مبتنی بر CNN استفاده می شود. سیستم CNN ساخته شده برای تشخیص سرطان معده می تواند تصاویر آندوسکوپی ذخیره شده متعددی را در مدت زمان بسیار کوتاهی با توانایی تشخیصی مرتبط بالینی پردازش کند. ممکن است برای کاهش بار آندوسکوپیست ها به خوبی در عمل بالینی روزانه به کار رود.
مطالعه سیستماتیک و کاربردی هوش مصنوعی در سرطان پروستات
محمد مرشدی شربیانی و همکاران، در پژوهش خود تحت عنوان (هوش مصنوعی در سرطان پروستات)، به بررسی و مطالعه سیستماتیک و کاربردی هوش مصنوعی در تشخیص و درمان سرطان پرداخته اند. مرشدی و همکاران، معتقد هستند که سرطان پروستات دومین علت مرگ ناشی از سرطان می باشد که به عنوان شایع ترین بدخیمی غیر پوستی در مردان شناخته می شود. محققین در این پژوهش به بررسی چالش های موجود در تشخیص و درمان سرطان پروستات می پردازند، به طوری بنا بر یافته های آن اصلی ترین و مهم ترین چالش های سرطان پروستات عبارتند از: افزایش حجم بیوپسی های پروستات و کمبود پاتولوژیست های اورولوژیک، که باعث فشار بر تشخیص سرطان پروستات میشود، و فرآیند درمان و تشخیص را با اختلال ایجاد می کند. همچنین مرشدی، مهم ترین چالش درمان سرطان پروستات را مربوط به تنوع درجه بندی پاتولوژی دانسته است.
مرشدی و همکاران، با توجه به چالش ها و مسائلی که در تشخیص و درمان سرطان پروستات وجود دارد به مطالعه و بررسی استفاده از هوش مصنوعی برای درمان سرطان پروستات پرداخته اند، تا بتوان با به کارگیری هوش مصنوعی این چالش ها و مسائل را کاهش داد.
عملکرد هوش مصنوعی در تشخیص و درمان سرطان
در درمان سرطان پروستات، شبکه های هوش مصنوعی یا ANN با استفاده از مدل های آماری که مستقیما از شبکه های عصبی بیولوژیکی به دست آمده است و مدل سازی بر روی آن انجام شده است، استفاده می کند .در واقع هوش مصنوعی دارای قابلیت مدل سازی و پردازش روابط غیرخطی بین ورودی ها و خروجی ها به صورت موازی می باشد.
هوش مصنوعی در سرطان پروستات، به درجه بندی استاندارد سرطان پروستات کمک می کند و به این ترتیب برای ارزیابی طبقه بندی و درمان سرطان پروستات مناسب و کاربردی می باشد. بنابر تحقیقات و مطالعات مرشدی و همکاران، هوش مصنوعی برای درمان و تشخیص سرطان پروستات با خودکارسازی ارزیابی خصوصیات و شدت سرطان پروستات با بهره گیری تصویربرداری تشخیص هیستوپاتولوژیک، MRI و بیومارکرها، عمل می کند، که این به تشخیص و درمان سرطان سرعت می بخشد و فرآیند تشخیص و درمان را بهبود می بخشد.
مزایای استفاده از هوش مصنوعی برای پیشبینی نحوه سرطان
امید بهادری قراچه و همکاران، در پژوهش خود به بررسی مزایا و کاربردهای هوش مصنوعی در حوزه تشخیص و درمان سرطان پرداخته اند.
مجال کمتر برای خطا و اشتباه
از آنجایی که تصمیماتی که توسط ماشین ها گرفته میشود بر اساس سوابق قبلی داده ها و مجموعه ای از الگوریتم ها است. احتمال خطا در این نوع تصمیم گیری کاهش پیدا میکند.
تصمیم گیری درست
این که ماشین ها، فاقد هرگونه احساسی هستند، باعث میشود که کارآیی آنها افزایش پیدا کند، چرا که میتوانند در یک بازه زمانی کوتاه، تصمیم درست را بگیرند.
امکان کار کردن به صورت مداوم
ماشین ها، برخلاف انسان ها، خسته نمی شوند؛ حتی اگر مجبور باشند برای ساعت های متوالی کار کنند. این ویژگی ماشین ها، مزیت مهمی نسبت به انسان ها محسوب می شود که برای حفظ کارایی شان، هر از گاهی به استراحت نیاز دارند.
مزایای هوش مصنوعی زیاد است و معایب آن کم و به همین جهت بستر های پزشکی در آینده ناچارند که سیستم های سنتی را کنار گذاشته و به سمت هوش مصنوعی حرکت کنند و برای این کار نیاز است که زیرساختهای لازم را آماده کرده و بسترهای نرم افزاری، سخت افزاری، شبکه را مهیا سازند. هوش مصنوعی و یادگیری ماشینی به طور موثر در تشخیص و درمان انواع گوناگون سرطان استفاده شده است. که به بقای شانس بیماران برای درمان و سلامتی کمک کرده است.
بهادری و همکاران، معتقد هستند که فناوری هایی که بر مبنای هوش مصنوعی عمل می کنند، برای تشخیص و درمان انواع گوناگون سرطان کاربردی و مفید می باشند. هوش مصنوعی با الگوریتم هایی که دارد می تواند با مدل سازی الگوریتم های یادگیری عمیق و افزایش حجم داده های ارائه شده توسط ابزار های پوشیدنی مانند انواع مختلف سنسورهای پوشیدنی، گوشی های هوشمند و سایر حسگر های نظارتی تلفن همراه، عکسبرداری هایی دقیق و با سرعت و کیفیت بالا را انجام دهد و بتواند سلول های سرطانی را تشخیص دهد.
هوش مصنوعی، در تشخیص و درمان سرطان دارای سیستم های گوناگونی می باشند، کاربردی ترین این سیستم ها برای تشخیص و درمان سرطان مربوط به شبکه های هوش مصنوعی (ANN)، سیستم های خبره فازی، محاسبات تکاملی و سیستم های هوشمند هیبریدی می باشد. در رابطه با ANN، باتوجه به کاربرد گوناگونی که در پزشکی دارد، می تواند این امکان را به محققین بدهد که با تشخیص الگوها و طبقه بندی آن ها، دقت لازم را برای تشخیص و درمان سرطان افزایش دهد.
هوش مصنوعی در تشخیص و درمان انواع گوناگون سرطان
در تشخیص و درمان سرطان، هوش مصنوعی به خوبی عمل می کند، با توجه به نتایج پژوهش بهادری و همکاران، یکی از اصلی ترین و کاربردی ترین استفاده های هوش مصنوعی مربوط به تشخیص و درمان سرطان سینه می باشد. هوش مصنوعی، با استفاده از ژن ها و تصویر برداری هیستوپاتولوژیک می تواند انواع گوناگون سرطان را تشخیص دهد. در هوش مصنوعی، تصویربرداری پزشکی به طور گسترده ای در تشخیص انواع سرطان مخصوصا سرطان سینه استفاده می شود. در هوش مصنوعی ، به منظور تشخیص و درمان سرطان، شبکه عصبی (NN) نقش مهمی در این زمینه، به ویژه در تشخیص سرطان سینه دارد.
کاربرد یادگیری ماشین (learning machine)در تشخیص و درمان سرطان
سحر ریاحی و همکاران، در پژوهش خود به بررسی و مطالعه یادگیری ماشین پرداخته اند. این پژوهش با هدف بررسی و تحلیل یادگیری ماشین برای کمک به تشخیص و درمان سرطان انجام شده است. ریاحی و همکاران، معتقد هستند که پیشگیری از این بیماری ضروری است و میتواند موجب راحت تر شدن روند درمان شود. همچنین طبقه بندی سرطان ها به پرریسک و کم ریسک امری مهم می باشد. از طرفی دیگر یادگیری ماشین شاخه ای از هوش مصنوعی میباشد که تکنیک های آماری و احتمالی و بهینه سازی را به کار میگیرد تا کامپیوترها از این طریق بتوانند از مثال های گذشته بیاموزند تا الگوهایی از مجموعه داده های پیچیده و بزرگ به دست آورند.
برای یک پیش بینی معقول باید پزشک معالج اطلاعات مهم مانند: اطلاعات مبتنی بر سلول و اطلاعات جمعیت شناختی و اطلاعات بالینی را به دقت جمع آوری کند. سابقه خانوادگی، سن، رژیم، چاقی، عادات پرخطر (سیگار کشیدن و الکل نوشیدن) و قرار گرفتن در معرض محیط سرطانزا (اشعه ماورا بنفش و …) همگی در پیشبینی سرطان نقش دارند.
متاسفانه این موارد برای تشخیص صحیح کافی نیستند و به برخی جزئیات در مورد تومور یا ژنتیک بیمار نیاز است. با توسعه تکنولوژی های ژنومیک و پروتئومیک و تصویربرداری می توان اطلاعات مورد نیاز مولکولی را به دست آورد. برخی جهش ها در برخی ژن ها نیز میتوانند ابزار قدرتمندی برای پیشبینی سرطان باشند.
ترکیب داده های مولکولی با عوامل مقیاس بزرگی که نام برده شد میتواند باعث افزایش صحت پیش بینی شود. اگرچه هر چقدر که تعداد پارامترهای مؤثر بیشتر شود توانایی ربط دادن آنها به یکدیگر کم میشود.
تقریباً همه پیش بینی ها دارای ۴ نوع داده ورودی هستند:
- داده ژنومیک
- داده پروتئومیک
- داده بالینی
- ترکیبی از سه مورد فوق
با استفاده از روش های یادگیری ماشین میتوان دقت پیشبینی حساسیت سرطان، عود سرطان و بقای سرطان را بهبود بخشید. امروزه با استفاده از این روش ها دقت پیش بینی سرطان ۱۵%تا ۲۱% بهبود شده است.
اهداف تحقیق
اهداف اصلی
بررسی عملکرد هوش مصنوعی و نقش آن در تشخیص و درمان سرطان
اهداف فرعی
- ارزیابی و آنالیز الگوریتم های هوش مصنوعی برای تشخیص و درمان سرطان
- ارزیابی و آنالیز رویکرد های هوش مصنوعی و داده کاوی برای تشخیص و درمان سرطان
- بررسی نقش هوش مصنوعی در تشخیص و درمان سرطان سینه
- شناسایی عملکرد هوش مصنوعی در تشخیص و درمان سرطان ریه
- بررسی نقش هوش مصنوعی در تشخیص و درمان سرطان مغز
- شناسایی عملکرد هوش مصنوعی در تشخیص و درمان سرطان پروستات
- بررسی نقش هوش مصنوعی در تشخیص و درمان سرطان معده
اهمیت و ضرورت تحقیق
سرطان به عنوان دومین عامل مرگ و میر بعد از بیماریهای قلبی و عروقی در ایران ، محسوب می شود، از این رو یافتن راهکارهای درمانی و دارو های ضد سرطان از اهمیت بالایی برخوردار می باشد، هوش مصنوعی می تواند برای درمان و تشخیص سرطان موثر باشد، زیرا دارای شبکه هایی می باشد که بسیار مشابه با شبکه عصبی مغز انسان عمل می کنند و می توانند تصاویری با دقت و سرعت بالا را تومورها و سلول های سرطانی ارائه دهند، ولی با این حال در ایران مطالعات جامع و کافی ای در این رابطه انجام نشده است.
همچنین در این پژوهش به بررسی چالش ها و مسائلی که در انواع گوناگون سرطان وجود دارد و با هوش مصنوعی می توان آن ها را کاهش و بهبود داد، پرداخته شده است، که بسیار کاربردی و حائز اهمیت می باشد.بنابراین ما با انجام این پژوهش، با مطالعات جامع مقالات و پژوهش های علمی خارجی و داخلی در حوزه هوش مصنوعی و سرطان، به بررسی عمیق تری می پردازیم و راهکارهایی را برای مقابله و بهبود چالش ها و مسائلی که در انواع گوناگون سرطان وجود دارد و با هوش مصنوعی می توان آن ها را کاهش و بهبود داد، ارائه می دهیم.
با توجه به آن که هنوز هم اطالعات و پژوهش های کافی در رابطه هوش مصنوعی و سرطان و نقش و عملکرد آن برای تشخیص و درمان سرطان وجود ندارد، از این رو انجام این پژوهش به بررسی دقیق تر و جزئی تر عملکرد الگوریتم ها و رویکرد های هوش مصنوعی و داده کاوی و نقش آن در تشخیص و درمان سرطان پرداخته شده است.
نوآوری در تحقیق
وجه نوآوری و تمایز این پژوهش با مقالات و پژوهش های مرتبط، در وهله اول مربوط به جامع بودن آن می باشد، در این پژوهش سعی بر آن شده است تا به بررسی و مطالعه عمیق و گسترده هوش مصنوعی و نقش آن در تشخیص و درمان سرطان پرداخته شده است. همچنین وجه تمایز این پژوهش با سایر پژوهش ها در این است که در پژوهش ها و مطالعات دیگر، به مطالعه الگوریتم ها و رویکرد های هوش مصنوعی برای تشخیص سرطان میباشد و اطلاعاتی در رابطه با پیشگیری و درمان سرطان ارائه نشده است و یا در مطالعات موردی بیشتر از آن که به کاربرد و نقش هوش مصنوعی در سرطان پرداخته شود، به نقش هوش مصنوعی به طور کلی در حوزه پزشکی اشاره شده است، اما در این پژوهش ما با دیدن همه جانبه و گسترده به بررسی هوش مصنوعی و نقش آن در سرطان و الگوریتم ها و رویکرد های آن برای، تشخیص و درمان سرطان پرداخته ایم.
همچنین این پژوهش فقط به این بررسی ها بسنده نکرده است، بلکه سعی شده است تا راهکارهایی برای مقابله و بهبود چالش ها و مسائلی که در انواع گوناگون سرطان وجود دارد و با هوش مصنوعی می توان آن ها را کاهش و بهبود داد، ارائه شود. این در صورتی است که در پژوهش های دیگر به صورت یک بعدی به موضوع نگاه شده و بررسی ها انجام شده است. تفاوت دیگری که این پژوهش با پژوهش های دیگر دارد در این است که ما در این پژوهش، تحقیق را از جهات گوناگونی از جمله از حیث طرح، حیث هدف و بررسی متغیر های، انجام داده ایم، که سبب شده تحقیق حاضر جامع و کاربردی باشد.
نتیجه گیری
هوش مصنوعی با بهره گیری از الگوریتم ها و مدل هایی همچون مدل های یادگیری عمیق و مدل های تقویتی یادگیری عمیق، مشابه سیستم عصبی مغز انسان عمل می کند و می تواند در تصمیم گیری با دقت و سرعت بالایی عمل کند، از این رو با توجه به پیچیدگی ها و دشواری های مربوط به انواع گوناگون سرطان برای تشخیص و درمان سرطان بسیار کاربردی می باشند. هوش مصنوعی، با عملکرد سریع و دقیقی که دارد می تواند انجام کارها و فعالیت ها را در حوزه پزشکی و سایر حوزه های علمی آسان نماید.
همانطور که گفتیم هوش مصنوعی با استفاده از الگوریتم های کانولوشنی می تواند برای تشخیص و درمان انواع سرطان ها کاربردی باشد. هوش مصنوعی نه تنها به پزشکان کمک میکند و در مراکز درمانی کاربرد دارد، بلکه سازمان های بزرگ نیز می توانند برای پایش سلامتی کارمندانشان از این سیستم ها استفاده نمایند. بدین ترتیب به کمک هوش مصنوعی میتوان از هزینه های سرسام آور درمان کم کرد و زندگی سالم را در جامعه گسترش داد.
