Et nyt værktøj til kunstig intelligens (AI) udviklet af et team ved University of Toronto kan være i stand til betydeligt at reducere den tid, der kræves til at oprette strålebehandlingsprogrammer for personer med kræft.
For at kontrollere de AI-producerede relevante behandlingsprogrammer kiggede efterforskerne på 217 patienter med hoved- og halscancer, der fik deres strålebehandlingstidsplaner udviklet ved hjælp af traditionelle metoder. Planerne var ens.
"Der er andre AI-optimeringsmotorer, der blev udviklet, men konceptet bag vores er, at det mere efterligner den nuværende medicinske bedste praksis, " siger Aaron Babier, hovedforfatter af forskningen fra University of Toronto Engineering Department.
I øjeblikket kan det tage dage at udvikle stråleterapiplaner for hver enkelt patients tumor, hvilket er værdifuld tid for patienter, da kræften ofte fortsætter med at vokse og udvikle sig, men også for læger, der bruger lidt tid på at designe disse indviklede behandlingsstrategier.
Hoved- og halskræft er notorisk svært at designe behandlingsprogrammer, da tumorer kan være bemærkelsesværdigt forskellige fra patient til patient. Forskerne forventer, at da instrumentet fungerede så godt på denne vanskelige, komplekse kræftform, burde det have evnen til at håndtere mere udbredte tumortyper, der ikke udviser så meget variation, som prostatakræft.
Babier er ivrig efter at bekymre sig i dette tilfælde om, at AI ikke formodes at blive en erstatning for sundhedspersonale, men kan spare dem tid ved at udføre nogle vigtige forudsætninger. Når programmet først har lavet et behandlingsprogram, vil det alligevel blive gennemgået ved hjælp af en strålingsfysiker og yderligere ændret, hvilket tager et par timer mere.
AI er velkendt for at spille en vigtig rolle i fremtiden for kræftdiagnose, overvågning og terapi, men nogle sundhedspersonale har rejst bekymringer over etiket ved at bruge maskinlæringsværktøjer til at træffe kliniske beslutninger. En sådan bekymring, der blev offentliggjort i en artikel tidligere i år i New England Journal of Medicine af forskere og læger i Stanford sagde:
'Læger skal på tilfredsstillende måde forstå, hvordan beregninger oprettes, seriøst vurdere oprindelsen af de oplysninger, der bruges til at skabe de statistiske modeller, der er udviklet til at forudsige resultater, forstå, hvordan modellerne fungerer, og være opmærksomme på at blive alt for afhængige af disse.'
Heri ligger et ret almindeligt problem med ny teknologisk udvikling inden for medicin i dag - kravet om, at læger skal opnå specialistforståelse for de helt nye diagnostiske metoder, de bruger, så de fuldt ud kan forstå, hvor meget de kan stole på, at de påvirker deres beslutninger om patienter. En lignende diskussion er i gang for evigt kontroversielle flydende biopsier for kræft.
På trods af alle disse problemer er investering i AI fra mennesker i sundhedsindustrien almindelig, hvor store virksomheder som Microsoft og IBM bruger det til forskellige programmer i øjeblikket. Mange virksomheder ser ud til at se AI som en mulig løsning til at forsøge at strømline den langvarige og uanstændigt dyre medicinopdagelsesprocedure. Det Toronto-baserede biotekfirma BenchSci har pr. I dag talt 28 farmaceutiske virksomheder og 97 startups, der i øjeblikket bruger AI til deres lægemiddelopdagelsesprocesser.
I tilfælde af brug af AI til at hjælpe med design af strålebehandling, siger Babier, at hans specifikke instrument mere er en udvidelse af, hvad der i øjeblikket er tilgængeligt for sundhedspersonale snarere end en revolution.
"Det er grundlæggende et ret simpelt plugin til at hjælpe med, hvad der i øjeblikket er der i en klinisk indstilling, men ved hjælp af mere intelligente parametre, end det i øjeblikket er tilgængeligt," sagde Babier.
University of Toronto team er ikke de eneste, der arbejder på at optimere strålebehandling med AI.