براساس گزارشات جدید منتشر شده به نظر می‌رسد که مایکروسافت با همکاری Paige بزرگترین مدل هوش مصنوعی تشخیص سرطان را خواهد ساخت.
مایکروسافت روز پنجشنبه به صورت رسمی اعلام کرد که در حال همکاری با ارائه دهنده آسیب شناسی دیجیتال Paige برای ساخت بزرگترین مدل هوش مصنوعی مبتنی بر تصویر در جهان برای شناسایی سرطان است که بر اساس یک نسخه، مدل هوش مصنوعی در حال آموزش بر روی حجم بی‌سابقه‌ای از داده است که شامل میلیاردها تصویر می‌باشد که می‌تواند هم سرطان‌های رایج و هم سرطان‌های نادری را که تشخیص آن‌ها بسیار دشوار است، شناسایی کند و محققان امیدوارند که در نهایت به پزشکانی که در تلاش برای مقابله با کمبود نیروی انسانی و تعداد پرونده‌های فزاینده هستند، کمک کند.
پیج راه‌حل‌های دیجیتالی و مبتنی بر هوش مصنوعی را برای پاتولوژیست‌ها توسعه می‌دهد که پزشکانی هستند که تست‌های آزمایشگاهی را روی مایعات و بافت‌های بدن برای تشخیص انجام می‌دهند. این مدل از هوش مصنوعی یک تخصص است که اغلب در پشت صحنه عمل کرده و برای تعیین مسیر پیشرفت درمان بیمار بسیار مهم می‌باشد. بنابراین تا زمانی که پاتولوژیست آن را اعلام نکند، شما سرطان ندارید.
توماس فوکس، یکی از بنیانگذاران و دانشمند ارشد در پیج، در مصاحبه‌ای به CNBC اظهار داشت که «پاتولوژیست‌ها افرادی هستند که وجود سرطان را تأیید می‌کنند؛ اما شیوه کار آن‌ها در 150 سال گذشته تقریباً بدون تغییر بوده و این مرحله حیاتی در کل نظام پزشکی است».
در حال حاضر پاتولوژیست‌ها برای تشخیص سرطان معمولاً یک تکه از بافت انسان‌ها را روی یک لام شیشه‌ای و زیر میکروسکوپ بررسی می‌کند. هرچند این روش آزمایش‌شده و درست است اما اگر نکته‌ای از دید آن‌ها دور بماند، می‌تواند عواقب ناگواری برای بیماران به همراه داشته باشد. به همین دلیل، Paige برای بهبود دقت و کارایی پاتولوژیست‌ها به‌دنبال ارائه رویکردهای دیجیتالی برای آن‌هاست.
این شرکت در حال حاضر برای ابزار FullFocus خود که به آسیب‌شناسان اجازه می‌دهد به‌جای میکروسکوپ، اسلایدهای دیجیتال اسکن‌شده را روی نمایشگر بررسی کنند، تأییدیه سازمان غذا و دارو را دریافت کرده است. Paige همچنین مدل هوش مصنوعی دیگری ساخته که می‌تواند به پاتولوژیست‌ها کمک کند تا سرطان سینه، سرطان روده بزرگ و سرطان پروستات را شناسایی کنند.
Paige تنها شرکتی است که تأییدیه FDA را برای پاتولوژیست‌ها دریافت کرده است تا از هوش مصنوعی خود به‌عنوان یک ابزار ثانویه برای شناسایی سرطان استفاده کند. به گفته «اندی موی»، مدیرعامل این شرکت، موانع مربوط به هزینه‌های ذخیره‌سازی و جمع‌آوری داده‌ها احتمالاً نقش زیادی در این امر داشته‌اند.
دیجیتالی کردن یک اسلاید می‌تواند به بیش از یک گیگابایت فضای ذخیره‌سازی نیاز داشته باشد، بنابراین زیرساخت‌ها و هزینه‌های مربوط به جمع‌آوری اطلاعات در مقیاس بزرگ به سرعت بالا می‌رود. فوکس گفت که هزینه‌های ذخیره‌سازی می‌تواند برای سیستم‌های بهداشتی کوچک‌تر بازدارنده باشد، به همین دلیل است که مراکز دانشگاهی ثروتمند در طول تاریخ تنها سازمان‌هایی بوده‌اند که می‌توانند روی پاتولوژی دیجیتال سرمایه‌گذاری کنند.
به گفته موی، Paige در سال ۲۰۱۷ از مرکز سرطان Memorial Sloan Kettering در نیویورک خارج شد و «مقدار فوق‌العاده ای از داده‌ها» را در اختیار دارد، به همین دلیل است که این شرکت در وهله اول توانست راه حل های مبتنی بر هوش مصنوعی خود را بسازد. برای در نظر گرفتن مقیاس، پیج ۱۰ برابر بیشتر از نتفلیکس داده دارد.
با این حال به منظور گسترش عملیات خود و ساخت ابزار هوش مصنوعی که می تواند انواع سرطان های بیشتری را شناسایی کند، Paige برای کمک به مایکروسافت مراجعه کرد. طی یک سال و نیم گذشته، پیج از ذخیره‌سازی ابری مایکروسافت و زیرساخت ابر محاسباتی برای ساخت یک مدل جدید هوش مصنوعی پیشرفته استفاده کرده است.
مدل اصلی هوش مصنوعی Paige از بیش از ۱ میلیارد تصویر از ۵۰۰ هزار اسلاید آسیب شناسی استفاده می‌کرد اما فوکس اظهار داشت که مدلی که این شرکت با همکاری مایکروسافت ساخته «از هر چیزی بزرگتر است». این مدل در حال آموزش بر روی ۴ میلیون اسلاید برای شناسایی سرطان‌های شایع و نادر می‌باشد که تشخیص آن‌ها دشوار است. Paige توضیح داد که این بزرگترین مدل بینایی کامپیوتری است که تاکنون به صورت عمومی معرفی شد.
موی افزود که این شرکت در حال فکر کردن به راه‌هایی برای ترکیب مدل‌سازی پیش‌بینی‌کننده است تا به پاتولوژیست‌ها و بیماران دسترسی آسان به اطلاعات مربوط به نشانگرهای زیستی و جهش‌های ژنومی آن‌ها را بدهد. دزنی تان، معاون و مدیر عامل Microsoft Health Futures، در رابطه با این موضوع بیان کرد که زیرساخت‌های مایکروسافت جزو بخش کلیدی این همکاری می‌باشد اما شرکت Paige در حال کار روی توسعه الگوریتم‌های جدید برای تشخیص این بیماری‌ها بوده و امیدوار است که سال‌های آتی ارائه شود. وی افزور اگرچه این فناوری قدرتمند است اما هدف آن غنی‌سازی پاتولوژیست‌ها می‌باشد، نه جایگزینی آن‌ها.
در نهایت، فوکس اظهار داشت که مدل هوش مصنوعی مشکل ذخیره‌سازی سیستم‌های بهداشتی را حل می‌کند، در حالی که به پاتولوژیست‌ها کمک می‌کند تا موارد را که نیاز به بررسی دارد، سریع‌تر تشخیص بدهند؛ بنابراین برای برخی از بیماران، این می‌تواند به معنای تفاوت بین دو روز و دو هفته باشد و مشکل کمتری برای آن‌ها به وجود می‌آورد و بیماری پیشروی کمتری می‌کند. با ما همراه باشید در صورت انتشار اخبار جدید در رابطه با این موضوع بلافاصله آن را با شما به اشتراک خواهیم گذاشت. همچنین شما می‌توانید نظرات خود را درباره مدل هوش مصنوعی تشخیص سرطان در حال ساخت مایکروسافت با همکاری Paige با ما در میان بگذارید.
