AI dilatih untuk mengesan tanda amaran dalam ujian darah

Ini adalah ciri ketiga dalam siri enam bahagian yang melihat bagaimana AI mengubah penyelidikan dan rawatan perubatan.

Kanser ovari adalah “jarang, kekurangan dana, dan membawa maut”, kata Audra Moran, ketua Perikatan Penyelidikan Kanser Ovari (Ocra), sebuah badan amal global yang berpangkalan di New York.

Seperti semua kanser, lebih awal ia dikesan lebih baik.

Kebanyakan kanser ovari bermula di tiub fallopio, jadi apabila ia sampai ke ovari, ia mungkin telah merebak ke tempat lain juga.

“Lima tahun sebelum mengalami simptom adalah apabila anda mungkin perlu mengesan kanser ovari, untuk menjejaskan kematian,” kata Cik Moran.

Tetapi ujian darah baharu muncul yang menggunakan kuasa kecerdasan buatan (AI) untuk mengesan tanda-tanda kanser pada peringkat awalnya.

Dan bukan hanya kanser, AI juga boleh mempercepatkan ujian darah lain untuk jangkitan yang boleh membawa maut seperti radang paru-paru.

Dr Daniel Heller ialah seorang jurutera bioperubatan di Pusat Kanser Memorial Sloan Kettering di New York.

Pasukannya telah membangunkan teknologi ujian yang menggunakan tiub nano – tiub kecil karbon yang kira-kira 50,000 kali lebih kecil daripada diameter rambut manusia.

Kira-kira 20 tahun yang lalu, saintis mula menemui tiub nano yang boleh mengeluarkan cahaya pendarfluor.

Dalam dekad yang lalu, para penyelidik mempelajari cara mengubah sifat tiub nano ini supaya mereka bertindak balas terhadap hampir semua perkara dalam darah.

Kini adalah mungkin untuk meletakkan berjuta-juta tiub nano ke dalam sampel darah dan memintanya memancarkan panjang gelombang cahaya yang berbeza berdasarkan apa yang melekat padanya.

Tetapi itu masih meninggalkan persoalan untuk mentafsir isyarat, yang Dr Heller menyamakan dengan mencari padanan untuk cap jari.

Dalam kes ini, cap jari ialah corak molekul yang mengikat pada penderia, dengan sensitiviti dan kekuatan pengikatan yang berbeza.

Tetapi coraknya terlalu halus untuk dipilih oleh manusia.

“Kami boleh melihat data dan kami tidak akan memahaminya sama sekali,” katanya. “Kami hanya boleh melihat corak yang berbeza dengan AI.”

Menyahkod data tiub nano bermakna memuatkan data ke dalam algoritma pembelajaran mesin, dan memberitahu algoritma sampel yang datang daripada pesakit yang menghidap kanser ovari, dan yang mana daripada orang yang tidak mempunyainya.

Ini termasuk darah daripada orang yang mempunyai bentuk kanser lain, atau penyakit ginekologi lain yang mungkin dikelirukan dengan kanser ovari.

Cabaran besar dalam menggunakan AI untuk membangunkan ujian darah untuk penyelidikan kanser ovari ialah ia agak jarang berlaku, yang mengehadkan data untuk algoritma latihan.

Malah kebanyakan data itu disembunyikan di hospital yang merawatnya, dengan perkongsian data yang minimum untuk penyelidik.

Dr Heller menerangkan melatih algoritma pada data yang tersedia daripada hanya beberapa 100 pesakit sebagai “Hail Mary pass”.

Tetapi dia berkata AI mampu mendapatkan ketepatan yang lebih baik daripada biomarker kanser terbaik yang tersedia hari ini – dan itu hanyalah percubaan pertama.

Sistem ini sedang menjalani kajian lanjut untuk melihat sama ada ia boleh diperbaiki menggunakan set penderia yang lebih besar, dan sampel daripada lebih ramai pesakit. Lebih banyak data boleh menambah baik algoritma, sama seperti algoritma untuk kereta pandu sendiri boleh bertambah baik dengan lebih banyak ujian di jalanan.

Dr Heller mempunyai harapan yang tinggi untuk teknologi itu.

“Apa yang kami ingin lakukan ialah mencuba semua penyakit ginekologi – jadi apabila seseorang datang dengan aduan, bolehkah kami memberi doktor alat yang cepat memberitahu mereka ia lebih berkemungkinan kanser atau tidak, atau kanser ini daripada itu.”

Dr Heller berkata ini mungkin “tiga hingga lima tahun” lagi.

Bukan hanya pengesanan awal yang AI berpotensi berguna, ia juga mempercepatkan ujian darah yang lain.

Bagi pesakit kanser, jangkitan radang paru-paru boleh membawa maut dan, kerana terdapat kira-kira 600 organisma berbeza yang boleh menyebabkan radang paru-paru, doktor perlu menjalankan pelbagai ujian untuk mengenal pasti jangkitan.

Tetapi jenis ujian darah baharu memudahkan dan mempercepatkan proses.

Karuis, yang berpangkalan di California menggunakan kecerdasan buatan (AI) untuk membantu mengenal pasti patogen radang paru-paru yang tepat dalam masa 24 jam, dan memilih antibiotik yang sesuai untuknya.

“Sebelum ujian kami, pesakit dengan radang paru-paru akan menjalani 15 hingga 20 ujian berbeza untuk mengenal pasti jangkitan mereka hanya dalam minggu pertama mereka di hospital – iaitu kira-kira $20,000 dalam ujian,” kata ketua eksekutif Karius Alec Ford.

Karius mempunyai pangkalan data DNA mikrob yang mempunyai berpuluh bilion titik data. Sampel ujian daripada pesakit boleh dibandingkan dengan pangkalan data itu untuk mengenal pasti patogen yang tepat.

Encik Ford berkata itu mustahil tanpa AI.

Satu cabaran ialah penyelidik tidak semestinya memahami semua hubungan yang mungkin dibuat oleh AI antara biomarker ujian dan penyakit.

Sepanjang dua tahun lepas Dr Slavé Petrovski telah membangunkan platform AI yang dipanggil Milton yang, menggunakan biomarker dalam data biobank UK untuk mengenal pasti 120 penyakit dengan kadar kejayaan lebih 90%.

Mencari corak dalam jisim data sedemikian hanyalah sesuatu yang boleh dilakukan oleh AI.

“Ini selalunya corak yang kompleks, di mana mungkin tidak ada satu biomarker, tetapi anda perlu mengambil kira keseluruhan corak,” kata Dr Petrovski, yang merupakan penyelidik di gergasi farmaseutikal AstraZeneca.

Dr Heller menggunakan teknik padanan corak yang serupa dalam kerjanya mengenai kanser ovari.

“Kami tahu bahawa sensor mengikat dan bertindak balas kepada protein dan molekul kecil dalam darah, tetapi kami tidak tahu mana protein atau molekul khusus untuk kanser, ” katanya.

Secara lebih luas data, atau kekurangannya, masih merupakan kelemahan.

“Orang ramai tidak berkongsi data mereka, atau tiada mekanisme untuk melakukannya,” kata Cik Moran.

Ocra membiayai pendaftaran pesakit berskala besar, dengan rekod perubatan elektronik pesakit yang telah membenarkan penyelidik melatih algoritma pada data mereka.

“Ia masih awal – kami masih berada di barat liar AI sekarang,” kata Cik Moran.