Πολλές εξετάσεις βασίζονται πλέον στις εφαρμογές της τεχνητής νοημοσύνης, ανάμεσά τους και η κολονοσκόπηση.
Κολονοσκόπηση είναι η εξέταση που βοηθάει τους γιατρούς να εντοπίσουν πιθανή ύπαρξη καρκίνου, μέσα στο κόλον (τμήμα του παχέος εντέρου).
Η εξέταση αυτή για τους ασθενείς, δεν είναι πολύ διαφορετική απ΄ ότι στο παρελθόν με την προσθήκη τεχνητής νοημοσύνης ή AI. Αλλά στα «παρασκήνια», η τεχνητή νοημοσύνη μπορεί να κάνει πιο πιθανή την ανίχνευση τυχόν προκαρκινικών πολυπόδων ή καρκινικών αλλοιώσεων.
Ο Δρ. James East, γαστρεντερολόγος στη Mayo Clinic Healthcare στο Λονδίνο, υποστηρίζει ότι η δυνατότητα που του δίνει η τεχνολογία να εντοπίζει τον καρκίνο και να τον εξαλείφει επιτόπου κατά τη διάρκεια μιας κολονοσκόπησης, ήταν ένα βασικό κίνητρο γι’ αυτόν να επιλέξει το συγκεκριμένο επάγγελμα.
Η κολονοσκόπηση παραμένει τo «δεξί χέρι» των γιατρών στην προσπάθεια ανίχνευσης και πρόληψης του καρκίνου του παχέος εντέρου. Αλλά η διαδικασία έχει περιορισμούς.
Πάνω από τις μισές περιπτώσεις καρκίνου είναι … υπολείμματα από παλιότερη κολονοσκόπηση.
Ορισμένες μελέτες υποδεικνύουν ότι περισσότερες από τις μισές περιπτώσεις καρκίνου του παχέος εντέρου μετά την κολονοσκόπηση προέρχονται από βλάβες που παραλείφθηκαν σε προηγούμενες κολονοσκοπήσεις ασθενών.
Έτσι πλέον οι επιστήμονες προσπαθούν να βρουν τρόπους να αξιοποιήσουν τη τεχνητή νοημοσύνη (ΑΙ) για να αυξήσουν την ανιχνευσιμότητα των πολυπόδων.
Οι γαστρεντερολόγοι εκτιμούν πως μπορούν να χρησιμοποιούν την τεχνητή νοημοσύνη ως εργαλείο για τη βελτίωση της πρόληψης σε ένα μεγάλο φάσμα ασθενειών.
Θα ήταν ευτύχημα να μπορούν, όπως λένε, να εντοπίζουν ευρήματα σε πρώιμο στάδιο, καθώς τότε η πάθηση είναι ακόμη θεραπεύσιμη.
Στην περίπτωση του καρκίνου του παχέος εντέρου, το σύστημα τεχνητής νοημοσύνης λειτουργεί παράλληλα με τον γιατρό σε πραγματικό χρόνο, “σαρώνοντας” το βίντεο της κολονοσκόπησης και σχεδιάζοντας μικρά, κόκκινα πλαίσια γύρω από τους πολύποδες που με την παλαιότερη μέθοδο δεν θα εντοπίζονταν.
«Όλοι είμαστε εξοικειωμένοι με το λογισμικό αναγνώρισης προσώπου», λέει ο Dr. East. «Αντί να εκπαιδεύουμε το AI να αναγνωρίζει πρόσωπα, το εκπαιδεύουμε να αναγνωρίζει πολύποδες».
Η τεχνολογία έχει σχεδιαστεί για να επισημαίνει οτιδήποτε ο υπολογιστής «βλέπει» ως ύποπτο, αλλά δεν αντικαθιστά την εκπαίδευση και την τεχνογνωσία ενός γαστρεντερολόγου.
Ακόμη και με την τεχνητή νοημοσύνη, οι γιατροί παραμένουν στο πλευρό του ασθενούς και εκτελούν τη διαδικασία.
Καρκίνος του παχέος εντέρου: Ο δεύτερος πιο θανατηφόρος παγκοσμίως
Ο καρκίνος του παχέος εντέρου είναι ο δεύτερος πιο θανατηφόρος καρκίνος παγκοσμίως. Τις τελευταίες δεκαετίες παρατηρείται μια σταθερή αύξηση στα ποσοστά καρκίνου του παχέος εντέρου μεταξύ των νεότερων ατόμων.
«Η κολονοσκόπηση ενισχυμένη με τεχνητή νοημοσύνη υπερτροφοδοτεί αποτελεσματικά την ικανότητα του γιατρού να βρίσκει ακόμη και τους πιο λεπτούς προκαρκινικούς πολύποδες», λέει ο Δρ.Tyler M. Berzin, γαστρεντερολόγος στο Κέντρο Προηγμένης Ενδοσκόπησης στο Ιατρικό Κέντρο Beth Israel Deaconess στη Βοστώνη.
Για ένα περίεργο λόγο, οι πολύποδες είναι πιο δύσκολο να εντοπιστούν σε ασθενείς που χρειάζονται περισσότερο έλεγχο. Οι ασθενείς με φλεγμονώδεις ασθένειες του εντέρου όπως η νόσος του Crohn ή η ελκώδης κολίτιδα διατρέχουν υψηλό κίνδυνο καρκίνου του παχέος εντέρου και υποβάλλονται πιο συχνά σε κολονοσκοπήσεις.
Οι έρευνες συνεχίζονται
Ο Δρ Coelho-Prabhu πιστεύει ότι η τεχνητή νοημοσύνη θα μπορούσε να εκπαιδευτεί να εντοπίζει τους παραπλανητικά αβλαβείς πολύποδες:
«Πραγματοποιούμε προληπτικές κολονοσκοπήσεις σε 800 έως 900 ασθενείς με Ιδιοπαθή Φλεγμονώδη Νοσήματα του Εντέρου (ΙΦΝΕ) ετησίως. Το αποτέλεσμα, είναι να έχουμε συγκεντρώσει μια τεράστια τράπεζα δεδομένων που μπορούμε να χρησιμοποιήσουμε για να αναπτύξουμε τα συστήματα τεχνητής νοημοσύνης που απαιτούνται για να βελτιώσουμε τον τρόπο με τον οποίο κάνουμε κολονοσκοπήσεις για αυτούς τους ασθενείς.»
Αυτή η τράπεζα δεδομένων παρέχει αυτό που ο Δρ Coelho-Prabhu και άλλοι ειδικοί αποκαλούν «βασική αλήθεια», δηλαδή τις πραγματικές παρατηρήσεις και μετρήσεις που χρησιμοποιούνται για την εκπαίδευση και τη δοκιμή αλγορίθμων AI.
Η ομάδα αυτή τη στιγμή ερευνά δεδομένα από ένα υποσύνολο 1.000 ασθενών. Παρακολουθούν το ένα βίντεο κολονοσκόπησης μετά το άλλο και επισημαίνουν βλάβες σε κάθε καρέ, από κάθε γωνία.
Αφού αναλυθούν οι εικόνες, οι ερευνητές τροφοδοτούν έναν υπολογιστή με τις παρατηρήσεις τους για να δημιουργήσουν τον τύπο αλγορίθμων «μηχανικής εκμάθησης» της τεχνητής νοημοσύνης και με τον τρόπο αυτό να “εκπαιδεύουν” το μηχάνημα να μάθει να αναγνωρίζει από μόνο του τους πολύποδες που σχετίζονται με φλεγμονώδη νόσο του εντέρου.
Ο Δρ Coelho-Prabhu, ο γαστρεντερολόγος Cadman Leggett, M.D., και οι συνεργάτες τους πρωτοστατούν στη δημιουργία μιας νέας πλατφόρμας ψηφιακής ενδοσκόπησης που θα μαγνητοσκοπεί τη διαδικασία, θα τη συσχετίζει με τα ιατρικά αρχεία και στη συνέχεια θα ενσωματώνει ξανά τα αποτελέσματα στο σύστημα της τεχνητής νοημοσύνης.
«Μόλις αναπτύξουμε αλγόριθμους, μπορούμε να τους «τρέξουμε» στα βίντεο για να δοκιμάσουμε την απόδοσή τους», λέει.
