בסקירה שפורסמה לאחרונה בכתב העת מחלת הסרטן, פרסומי סקירת מחקר החוקרים את היתרונות והמגבלות של טכניקות רפואה מדויקת של AI במחקר ובטיפול אונקולוגי.
לימוד: שימושים ומגבלות של בינה מלאכותית לאונקולוגיה. קרדיט תמונה: metamorworks/Shutterstock.com
רקע כללי
המחקר התמקד בתועלת האבחונית והפרוגנוסטית של אלגוריתמי בינה מלאכותית (AI) ודן בהשפעות של צ'אטבוטים מבוססי בינה מלאכותית (בינה מלאכותית) על קידום תוצאות אנטי-סרטניות בעשורים האחרונים.
לבסוף, הם נוגעים באתגרים הנוכחיים של פריסת AI נרחבת ומציעים יישומים רגולטוריים שעשויים לחזק את הביצועים של אלגוריתמים אלה בשנים הקרובות.
רפואה מדויקת ויישומה ביישומים קליניים נגד סרטן
הידועה יותר בשם 'רפואה מותאמת אישית', רפואה מדויקת היא הגישה הטיפולית המתחשבת במבנה הגנטי הספציפי של המטופל, בחשיפה הסביבתית והתנהגויות בריאותיות (אורח חיים והתנהגויות נלוות).
בניגוד לגישות רפואיות מסורתיות, המתייחסות בעיקר לאידיאולוגיה של 'גודל אחד מתאים לכולם', רפואה מדויקת מציגה יתרונות רבים, במיוחד במקרה של תחומים כמו אונקולוגיה, שבהם פרטים ספציפיים למטופל (כגון מידע על גידול) יכולים לשפר באופן משמעותי תוצאות קליניות על פני כימותרפיה כללית.
חידושים באונקולוגיה הם בעלי עניין מדעי במיוחד, כאשר דיווחים חושפים כי שיעורי התמותה מסרטן ירדו ביותר מ-33% ב-32 השנים האחרונות בלבד.
למרבה הצער, זיהום סביבתי מוגבר ובחירות לא אופטימליות באורח חיים פגעו במקביל בהתקדמות בתחום בשל השונות הגוברת של חומרים מסרטנים המעוררים את המצב.
לגישות רפואיות מדויקות, במיוחד אלה המשתמשות באלגוריתמים של בינה מלאכותית (AI), יש פוטנציאל להתגבר על מגבלה זו של רפואה כללית קונבנציונלית על ידי מתן אפשרות לחוקרים ולרופאים לזהות דפוסים טובים יותר שלא ידועים בעבר בסריקות רדיולוגיות של מטופלים שהתגלו על ידי למידת מכונה (ML) ו טכנולוגיות למידה עמוקה (DL).
"אלגוריתמי AI מקובצים לשתי קטגוריות: AI חזוי ובינה מלאכותית מחוללת. כלי AI חזוי לומדים דפוסים מנתוני אימון כדי לחזות תוצאות בתרחישים חדשים. לדוגמה, כלי סיווג מבוסס תמונה המשמש לאבחון סרטן השד מסריקות ממוגרפיה הוא חיזוי כלי. בינה מלאכותית גנרטיבית יוצרת תפוקות חדשות שלא היו במפורש בנתוני ההדרכה. צ'אטבוטים של AI שמקיימים אינטראקציה עם מטופלים בשיחה הם סוג של בינה מלאכותית גנרטיבית."
לרוע המזל, למרות פיתוח ובדיקה של מספר אלגוריתמים של AI לניהול טיפול בסרטן, הטמעות של טכנולוגיות אלו ברפואה המיינסטרים נותרו נדירות.
מחסומי דרכים בולטים בשילוב מודלים של AI במחקר כללו את עלויות ההטמעה הגבוהות יחסית שלהם מראש, אי-פירוש אנושי של תוצאות האלגוריתם, וניטור ואימות אנושי מוגבל של אלגוריתמים לאחר הפריסה.
יתר על כן, מאמצי המחקר בהיבטים שונים (ובמהלך שלבים שונים) של הטיפול בסרטן אינם אחידים, עם ספרות גדולה יותר זמינה על אבחון סרטן (>80%) בהשוואה לטיפול וטיפול לאחר כימותרפיה.
למרות האתגרים, יישום הבינה המלאכותית באונקולוגיה קידמה במהירות את התחום, ומאפשרת גישה אבחנתית, פרוגנוסטית וצ'אט מבוססת מידע הן לרופאים והן למטופלים שלהם.
הסקירה הנוכחית דנה בהתקדמות זו ומדגישה את היתרונות והחסרונות של יישומי AI נוכחיים. הוא דן עוד באתגרים קונבנציונליים ועתידיים באימוץ AI נרחב.
הוא מציע שינויים במדיניות שעשויים להפחית עוד יותר את הנטל העולמי של סרטן, אחת המחלות הכרוניות הקטלניות והמתישות ביותר בעולם.
לגבי הביקורת
הסקירה הנוכחית שואפת לספק הקשר לשלושה מקרי שימוש נפוצים של רפואה מדויקת (במיוחד יישומי בינה מלאכותית) בטיפול בסרטן – 1. סיווג ואבחון סרטן, 2. חיזוי סרטן ו-3.
שימוש של צ'אטבוטים של AI וטכנולוגיות אחרות של מודל שפה גדול (LLM) באופטימיזציה של זרימות עבודה קליניות.
הוא דן בתוצאות של יותר מ-40 גופי מחקר (מחקרים ראשוניים) כדי להבהיר שיפורים במדיניות וביישום שיכולים לחזק עוד יותר את הפחתת שיעור התמותה מסרטן בשנים הקרובות.
אִבחוּן
אבחון סרטן, במיוחד בסרטן בשלבים מוקדמים ובסוגי סרטן שחזרו בעקבות טיפול קודם, בהתחשב בכך שרוב החולים בשלבים אלו נראים בריאים מבחינה קלינית לצופים בבני אדם.
אלגוריתמי בינה מלאכותית, במיוחד אלו של ML, שהוכשרו על מיליוני תמונות אבחון סרטן (סריקות רדיולוגיות, תמונות פתולוגיות, ואפילו צילומי סמארטפון שסופקו על ידי מטופל) יעילים בזיהוי, סיווג ואבחון של סוגי סרטן אלה, במיוחד במקרים שבהם תכונות נתוני תמונה הן יותר מדי. עדין להיתפס על ידי העין האנושית.
אפילו במקרים שבהם האבחנה היא תצוגה מקדימה אנושית, טכנולוגיות בינה מלאכותית, כולל אלגוריתמי זיהוי בעזרת מחשב (CAD) (גרסאות של מסגרות DL), יכולות להדגיש אזורי עניין (פיקסלים חשודים בתמונות אבחון סרטן) כדי לסייע לרופאים בהערכות האבחון שלהם .
באופן מפתיע, אלגוריתמי AI הציגו, במקרים מסוימים, דיוק ויעילות אבחון טובים יותר מאשר עמיתיהם האנושיים.
"אלגוריתמי AI הנפוצים לסיווג תמונה הם רשתות עצביות קונבולוציוניות (CNN), ארכיטקטורות למידה עמוקה המחלצות תכונות מזהות עבור כל קבוצה ומשתמשות בסכימה המתקבלת עבור משימת סיווג חדשה. האלגוריתם מקצה הסתברות לכל מחלקת פלט, והתמונה מסווגת לקבוצה שהוקצתה להסתברות הגבוהה ביותר. הדיוק של כלי ה-AI נמדד על ידי השוואת סיווגי האלגוריתמים עם סיווגי רופאים, המכונה "אמת קרקע".
היתרונות העיקריים של יישום AI באבחון הוא בדיקת מלנומה וסרטן שד, כאשר גילוי מוקדם הוא המשתנה החשוב ביותר בתוצאות תמותה ותחלואה חיוביות. למרבה הצער, בינה מלאכותית סובלת מהטיות חמורות הקשורות לאימון, מה שמקשה באופן משמעותי על היישום שלה בשטח.
דיווח חסר של נתוני אימון, לצד ייצוג לא עקבי והטרוגניות נתונים (רכישת תמונה ועיבוד), הופך את רוב דגמי הבינה המלאכותית לבלתי ניתנים להכללה, ומונעים את שילובם בפרוטוקולים אונקולוגיים גלובליים.
"שינויים לאורך צנרת הפיתוח של האלגוריתמים יכולים לסייע בהפחתת החששות הללו. ניתן להרחיב את נתוני ההדרכה כך שיכללו תמונות מייצגות מכל הדמוגרפיה (למשל צבע עור, גילאים וסוגי גוף). ערכות אימון עם נתוני תמונה צריכות לכלול דוגמאות שנלקחו מזוויות שונות, תאורה וציוד; וטכנולוגיות בינה מלאכותית צריכות להתאים לשינויים בטכנולוגיית רכישת תמונות על ידי אימון מחדש של הדגם עם תמונות חדשות."
נִבּוּי
חיזוי תוצאות המטופלים הוא אחד משלבי ההתערבות הקליניים החיוניים ביותר בשלבים המוקדמים המתבצעים על ידי רופאים, שכן הוא מאפשר להתאים התערבויות קליניות כדי לשפר או למנוע את התוצאות הקליניות השליליות ביותר.
למרבה הצער, פרוגנוסטיציה שבוצעה על ידי אדם חשופה היסטורית לשגיאות משמעותיות, כאשר דיווחים מעריכים כי 63% מהפרוגנוזיות הן הערכות יתר של תוצאות, בעוד ש-17% מעריכים פחות את הישרדות המטופל.
"ההשלכות של תחזיות לא מדויקות באונקולוגיה כוללות עומס רגשי מוגבר על המטופלים והמטפלים שלהם, הקצאה לא הולמת של משאבים, ירידה באמון ביחסי המטופל-רופא ועיכוב בהתערבויות טיפוליות חיוניות או סוף החיים. חיזוי סיכון מבוסס בינה מלאכותית מודלים שמייצרים הערכות אינדיבידואליות לגבי פרוגנוזה הגדילו את הערכות הסיכון של הרופא וסייעו להחלטות טיפול מותאם אישית באונקולוגיה."
מודלים מבוססי רשומות בריאות אלקטרוניות (EHR) הראו הבטחה רבה בתחום זה. הוכח שהם מנבאים תוצאות סרטן חודשים או אפילו שנים מראש, ובכך מאפשרים לרופאים את המידע הדרוש להם כדי להתכונן בצורה הטובה ביותר לאירוע האונקולוגי.
יתרה מכך, מודלים אלו יכולים להעריך את מסלול ההתערבות הקליני היעיל והמשתלם ביותר, ובכך לחסוך משאבי אנוש רבים (קליניים) והשקעה כספית (של החולים), ולהפחית את המחלה הכוללת ואת הנטל החברתי-כלכלי של המחלה.
למרבה הצער, רוב המודלים הללו הם דטרמיניסטיים באופיים ולכן רגישים לשינויים בתוצאות המודל על הכללת גישות חדשניות ליצירת נתונים, אך ללא הסבר חישובי.
'סחף ביצועים', הירידה ההדרגתית בביצועי המודל לאורך זמן, עלולה להפוך את תחזיות המודל הבאות ללא מדויקות ולא אמינות, אלא אם כן מתבצעים באופן שגרתי עדכונים תכופים באלגוריתם המידול שלו ואימות תוצאות אנושיות.
בתחום זה, איכות נתוני האימון, אימות מודלים אנושיים תכופים ושיתוף נתונים בין סוגי סרטן שונים עשויים להתגבר על אתגרים אלו בעתיד.
צ'טבוטים ומסקנות
צ'אטבוטים מודרניים לשיחה, במיוחד פלטפורמות כמו ChatGPT, Google Gemini, Microsoft Copilot ואחרות, מחוללות מהפכה באופן שבו אנשי מקצוע והדיוטות רוכשים ומעבדים מידע מה-World Wide Web.
יישומי בינה מלאכותית אלה נועדו לרתום את הכוח של LLMs כדי להפיק תוכן חדש בהתבסס על הצורך של המשתמש.
למרבה הצער, מחקר על יישומי צ'אט בוטים באונקולוגיה גילה שהטכנולוגיה עדיין בשלבי תחילתה עם מעט עד ללא תמיכה, שלא לדבר על יישום מאושר מדיניות בפרקטיקה הקלינית.
"האימוץ של צ'טבוטים לרפואה מסתמך על השגת שפה מובנת והעברת נושאים רפואיים מורכבים בצורה מדויקת, דבר שהאלגוריתמים הנוכחיים אינם יכולים לעשות באופן עקבי מכיוון שציוני הקריאות משתנים בהתאם למילוליות המשתמש של ההנחיה. למרות שהידע הרפואי מתרחב מדי יום, האלגוריתמים אינם מתעדכנים באופן רציף כדי להתאים לשינוי הזה. כתוצאה מכך, הצ'אטבוטים שאינם מאומנים על מידע מעודכן עלולים להפוך לבלתי אמינים ולא מדויקים יותר עם הזמן."
יחד, היתרונות והחסרונות האישיים הללו, הספציפיים לתחום, מציירים תמונה מעניינת – בעוד שלא ניתן להפריז בחשיבות והרלוונטיות של יישום AI במחקר אונקולוגי, רק לאחרונה מתחילים לעמוד בדרישות החישוביות והנתונים הגולמיים של המודלים הללו.
עם הפיתוח של מסגרות מידול משופרות, הזמינות של מערכי נתונים גדולים יותר ברזולוציה גבוהה יותר, ואימות מדעי מוגבר של דיוקם ואמינותם, מודלים של AI מציגים כלי רב עוצמה בארסנל של האונקולוג נגד המחלה הנוראה הזו וייתכן שיום אחד ייקח רוב של נטל הטיפול בסרטן על רופאים אנושיים.
