سرطان الثدي هو السبب الرئيسي للوفاة بين النساء من السرطان، كما أنه صعب التشخيص، ويتم تشخيص واحد من كل عشرة أورام بشكل خاطئ على أنه غير سرطاني، مما يعني أن المريضة قد تفقد وقتا قبل البدء في العلاج.
من ناحية أخرى، كلما زادت نسبة تصوير الثدي لدى المرأة، زاد احتمال حصولها على نتيجة إيجابية خاطئة، وبعد 10 سنوات من تصوير الثدي بالأشعة السينية، سيتم إخبار حوالي اثنين من كل ثلاثة مريضات غير مصابات بالسرطان أن عليهن الخضوع لإجراء جراحي، على الأرجح خزعة.
التصوير بالموجات فوق الصوتية للثدي هو تقنية تصوير ناشئة توفر معلومات حول آفة ثديية محتملة من خلال تقييم تصلبها بطريقة غير غازية، باستخدام معلومات أكثر دقة حول خصائص آفة الثدي السرطانية مقابل غير السرطانية، أثبتت هذه المنهجية دقة أكثر مقارنة مع أنماط التصوير التقليدية.
في جوهر هذا الإجراء، هناك مشكلة حسابية معقدة يمكن أن تستغرق وقتًا طويلاً لحلها، ولكن ماذا لو بدلاً من ذلك اعتمدنا على توجيه الخوارزمية؟
طرح أسعد أوبراي، أستاذ في كلية الهندسة بجامعة جنوب كاليفورنيا فيتربي، وأستاذ في قسم الهندسة الفضائية والميكانيكية، هذا السؤال في ورقة بحث حول تجاوز حل المشاكل الميكانيكية العكسية من خلال التعلم، ووفقا لأوبراي، ربما تكون الإجابة نعم.
في حالة التصوير بالموجات فوق الصوتية للثدي، بمجرد التقاط صورة للمنطقة المصابة، يتم تحليلها لتحديد الحركات داخل الأنسجة، وباستخدام هذه البيانات والقوانين الفيزيائية للميكانيكا، نحدد التوزيع المكاني للخواص الميكانيكية – وكذلك تصلبها. وبعد ذلك، من الضروري تحديد الخصائص المناسبة للتوزيع، مما يؤدي في النهاية إلى تصنيف الورم على أنه خبيث أو حميد. المشكلة هي أن الخطوتين الأخيرتين معقدتان من الناحية الحسابية وتشكلان تحديا، ولذلك أثناء البحث، سعى Oberai لتحديد ما إذا كان يمكنهم تجاهل الخطوات الأكثر تعقيدًا لسير العمل هذا تمامًا.
ابتكر أوبراي نماذج قائمة على الفيزياء أظهرت مستويات مختلفة من هذه الخصائص الرئيسية لأنسجة الثدي السرطانية وثم استخدم الآلاف من إدخالات البيانات المستمدة من هذه النماذج لتشكيل خوارزمية التعلم الآلي.
استخدم أوبراي وفريقه حوالي 12000 صورة تم إنشاؤها بواسطة الكمبيوتر لتشكيل خوارزمية التعلم الآلي الخاصة بهم، ومع وجود أمثلة كافية، تكون الخوارزمية قادرة على جمع العديد من الخصائص المتأصلة في ورم حميد وورم خبيث وتنفيذ التحديد الصحيح.
حقق أوبراي وفريقه دقة تصنيف تصل إلى 100٪ تقريبا على الصور الاصطناعية الأخرى، وبمجرد تكوين الخوارزمية، قاموا باختبارها على صور واقعية لتحديد دقتها في إنشاء التشخيص، وقياس هذه النتائج مقابل التشخيصات المؤكدة من الخزعة المرتبطة بهذه الصور.
وقال أوبراي: “كان لدينا حوالي 80 في المائة من معدل الدقة، وسنواصل تحسين الخوارزمية باستخدام المزيد من الصور في العالم الحقيقي كمدخلات.
التعلم الآلي أداة مهمة للكشف عن السرطان والتشخيص، ويمكن لخوارزميات التعلم الآلي اكتشاف الأنماط التي قد تكون غير ظاهرة للبشر، ومن خلال معالجة العديد من هذه الأنماط، يمكن للخوارزمية إنتاج تشخيص دقيق، كما أنه يوفر فرصة لتقليل الخطأ في التشخيص.