Αυτό είναι το τρίτο χαρακτηριστικό σε μια σειρά έξι μερών που εξετάζει πώς η AI αλλάζει ιατρική έρευνα και θεραπείες.
Ο καρκίνος των ωοθηκών είναι σπάνιος, υποτιμημένος και θανατηφόρος," λέει η Audra Moran, επικεφαλής της Ερευνητικής Συμμαχίας για τον Καρκίνο των Ωβαριανών (Ocra), μια παγκόσμια φιλανθρωπία που εδρεύει στη Νέα Υόρκη.
Όπως όλοι οι καρκίνοι, όσο νωρίτερα ανιχνεύεται τόσο το καλύτερο.
Ο περισσότερος καρκίνος των ωοθηκών αρχίζει στους σάλπιγγες, οπότε μέχρι να φτάσει στις ωοθήκες, μπορεί να έχει ήδη εξαπλωθεί και αλλού.
"Πέντε χρόνια πριν από ποτέ έχει ένα σύμπτωμα είναι όταν μπορεί να χρειαστεί να ανιχνεύσει τον καρκίνο των ωοθηκών, να επηρεάσει τη θνησιμότητα," λέει η κα Moran.
Αλλά εμφανίζονται νέες εξετάσεις αίματος που χρησιμοποιούν τη δύναμη της τεχνητής νοημοσύνης (AI) για να εντοπίσουν σημάδια του καρκίνου στα πολύ πρώιμα στάδια του.
Και δεν είναι μόνο καρκίνος, Ο ΑΙ μπορεί επίσης να επιταχύνει άλλες εξετάσεις αίματος για δυνητικά θανατηφόρες λοιμώξεις όπως πνευμονία.
Ο Δρ. Ντάνιελ Χέλερ είναι βιοϊατρικός μηχανικός στο Κέντρο Καρκίνου του Μεμόριαλ Σλόαν Κέτερινγκ στη Νέα Υόρκη.
Η ομάδα του έχει αναπτύξει μια τεχνολογία δοκιμών που χρησιμοποιεί νανοσωλήνες - μικροσκοπικούς σωλήνες άνθρακα οι οποίοι είναι περίπου 50.000 φορές μικρότερες από τη διάμετρο των ανθρώπινων μαλλιών.
Περίπου 20 χρόνια πριν, οι επιστήμονες άρχισαν να ανακαλύπτουν νανοσωλήνες που μπορούν να εκπέμπουν φθορίζον φως.
Την τελευταία δεκαετία, οι ερευνητές έμαθαν πώς να αλλάξουν τις ιδιότητες αυτών των νανοσωλήνων, έτσι ώστε να ανταποκρίνονται σχεδόν σε οτιδήποτε στο αίμα.
Τώρα είναι δυνατόν να βάλουμε εκατομμύρια νανοσωλήνες σε ένα δείγμα αίματος και να τους δώσουμε διαφορετικά μήκη κύματος φωτός με βάση αυτό που τους κολλάει.
Αλλά αυτό άφησε το θέμα της ερμηνείας του σήματος, το οποίο ο Δρ. Χέλερ παρομοιάζει να βρει ταύτιση για ένα αποτύπωμα.
Σε αυτή την περίπτωση το αποτύπωμα είναι ένα μοτίβο των μορίων που συνδέονται με τους αισθητήρες, με διαφορετικές ευαισθησίες και δυνάμεις δέσμευσης.
Αλλά τα μοτίβα είναι πολύ διακριτικά για έναν άνθρωπο να διαλέξει.
"Μπορούμε να εξετάσουμε τα δεδομένα και δεν θα βγάλουμε καθόλου νόημα από αυτά," αναφέρει.
"Μπορούμε μόνο να δούμε τα μοτίβα που είναι διαφορετικά με την AI." Αποκωδικοποίηση των δεδομένων νανοσωλήνα σήμαινε τη φόρτωση των δεδομένων σε έναν αλγόριθμο μηχανικής μάθησης, και λέγοντας τον αλγόριθμο που προήλθε από τους ασθενείς με καρκίνο των ωοθηκών, και ο οποίος από τους ανθρώπους χωρίς αυτό.
Αυτές περιελάμβαναν αίμα από άτομα με άλλες μορφές καρκίνου, ή άλλη γυναικολογική ασθένεια που θα μπορούσε να συγχέεται με τον καρκίνο των ωοθηκών.
Μια μεγάλη πρόκληση στη χρήση AI για την ανάπτυξη εξετάσεις αίματος για την έρευνα καρκίνου των ωοθηκών είναι ότι είναι σχετικά σπάνια, η οποία περιορίζει τα δεδομένα για την εκπαίδευση αλγορίθμους.
Και πολλά ακόμη από αυτά τα δεδομένα είναι κλεισμένα σε νοσοκομεία που τα θεράπευσαν, με ελάχιστη ανταλλαγή δεδομένων για τους ερευνητές.
Ο Δρ. Χέλερ περιγράφει την εκπαίδευση του αλγόριθμου για τα διαθέσιμα δεδομένα από λίγους 100 ασθενείς ως "Χαίρε Μαρία περάσει".
Αλλά λέει ότι η τεχνητή νοημοσύνη ήταν σε θέση να πάρει καλύτερη ακρίβεια από ό, τι οι καλύτεροι βιοδείκτες καρκίνου που είναι διαθέσιμα σήμερα - και αυτό ήταν μόνο η πρώτη προσπάθεια.
Το σύστημα υποβάλλεται σε περαιτέρω μελέτες για να δούμε αν μπορεί να βελτιωθεί χρησιμοποιώντας μεγαλύτερα σύνολα αισθητήρων, και δείγματα από πολλούς περισσότερους ασθενείς.
Περισσότερα δεδομένα μπορούν να βελτιώσουν τον αλγόριθμο, ακριβώς όπως αλγόριθμοι για αυτο-κινητιστικά αυτοκίνητα μπορεί να βελτιωθεί με περισσότερες δοκιμές στο δρόμο.
Ο Δρ. Χέλερ έχει μεγάλες ελπίδες για την τεχνολογία.
"Αυτό που θα θέλαμε να κάνουμε είναι να εντοπίσουμε όλες τις γυναικολογικές ασθένειες - έτσι όταν κάποιος έρχεται με ένα παράπονο, μπορούμε να δώσουμε στους γιατρούς ένα εργαλείο που γρήγορα τους λέει ότι είναι πιο πιθανό να είναι ένας καρκίνος ή όχι, ή αυτός ο καρκίνος από ό, τι αυτό." Ο Δρ Heller λέει ότι αυτό μπορεί να είναι "τρία έως πέντε χρόνια" μακριά.
Δεν είναι μόνο η έγκαιρη ανίχνευση ότι η AI είναι ενδεχομένως χρήσιμη για, είναι επίσης επιταχύνει άλλες εξετάσεις αίματος.
Για έναν ασθενή με καρκίνο, η σύλληψη πνευμονίας μπορεί να είναι θανατηφόρα και, καθώς υπάρχουν περίπου 600 διαφορετικοί οργανισμοί που μπορούν να προκαλέσουν πνευμονία, οι γιατροί πρέπει να διεξάγουν πολλαπλές εξετάσεις για να αναγνωρίσουν τη μόλυνση.
Αλλά νέοι τύποι εξετάσεων αίματος απλοποιούν και επιταχύνουν τη διαδικασία.
Ο Καρούης, με έδρα την Καλιφόρνια, χρησιμοποιεί τεχνητή νοημοσύνη (AI) για να βοηθήσει στον εντοπισμό του παθογόνου της πνευμονίας σε 24 ώρες, και να επιλέξει το σωστό αντιβιοτικό για αυτό.
Πριν από τη δοκιμή μας, ένας ασθενής με πνευμονία θα είχε 15 με 20 διαφορετικές εξετάσεις για να εντοπίσει τη μόλυνση του μόλις την πρώτη εβδομάδα στο νοσοκομείο - δηλαδή περίπου 20.000 δολάρια σε δοκιμές, λέει ο επικεφαλής του Καρίου Άλεκ Φορντ.
Ο Κάριος έχει μια βάση δεδομένων μικροβιακού DNA που έχει δεκάδες δισεκατομμύρια σημεία δεδομένων.
Τα δείγματα από ασθενείς μπορούν να συγκριθούν με την εν λόγω βάση δεδομένων για την ταυτοποίηση του παθογόνου.
Ο κ. Ford λέει ότι αυτό θα ήταν αδύνατο χωρίς την AI.
Μια πρόκληση είναι ότι οι ερευνητές δεν κατανοούν αναγκαστικά όλες τις συνδέσεις που μπορεί να κάνει ένας ΑΙ μεταξύ των βιοδεικτών δοκιμής και των ασθενειών.
Τα τελευταία δύο χρόνια ο Δρ Slav Petrovski έχει αναπτύξει μια πλατφόρμα AI που ονομάζεται Milton ότι, χρησιμοποιώντας βιοδείκτες στο Ηνωμένο Βασίλειο βιοτραπεζικά δεδομένα για τον εντοπισμό 120 ασθενειών με ποσοστό επιτυχίας άνω του 90%.
Η εύρεση προτύπων σε μια τέτοια μάζα δεδομένων είναι μόνο κάτι που μπορεί να κάνει ο AI.
Αυτά είναι συχνά περίπλοκα μοτίβα, όπου μπορεί να μην υπάρχει ένας βιοδείκτης, αλλά πρέπει να λάβετε υπόψη σας ολόκληρο το μοτίβο, λέει ο Δρ Πετρόβσκι, ο οποίος είναι ερευνητής σε φαρμακευτική γιγάντια AstraZeneca.
Ο Δρ. Χέλερ χρησιμοποιεί παρόμοια τεχνική στην εργασία του για τον καρκίνο των ωοθηκών.
"Ξέρουμε ότι ο αισθητήρας συνδέεται και ανταποκρίνεται σε πρωτεΐνες και μικρά μόρια στο αίμα, αλλά δεν γνωρίζουμε ποια από τις πρωτεΐνες ή τα μόρια είναι ειδικά για τον καρκίνο," αναφέρει.
Τα ευρύτερα δεδομένα, ή η έλλειψή τους, εξακολουθούν να αποτελούν μειονέκτημα.
"Οι άνθρωποι δεν μοιράζονται τα δεδομένα τους, ή δεν υπάρχει μηχανισμός για να το κάνουν," λέει η κα Μοράν.
Η Όκρα χρηματοδοτεί ένα μητρώο ασθενών μεγάλης κλίμακας, με ηλεκτρονικά ιατρικά αρχεία ασθενών που επέτρεψαν στους ερευνητές να εκπαιδεύσουν αλγορίθμους στα δεδομένα τους.
"Είναι νωρίς - είμαστε ακόμα στην άγρια δύση της Αλ τώρα," λέει η κα Μοράν.