Et nytt verktøy for kunstig intelligens (AI) utviklet av et team ved University of Toronto kan være i stand til å redusere tiden som kreves for å lage behandlingsprogrammer for strålebehandling for personer med kreft betydelig.
For å sjekke de AI-produserte relevante behandlingsprogrammene, så etterforskerne på 217 pasienter med hode- og nakkekreft som fikk strålebehandlingstidsplanene sine utviklet gjennom tradisjonelle metoder. Planene var like.
"Det er andre AI-optimaliseringsmotorer som ble utviklet, men konseptet bak vårt er at det mer etterligner gjeldende medisinsk beste praksis, " sier Aaron Babier, hovedforfatter av forskningen fra University of Toronto Engineering Department.
For øyeblikket kan det ta dager å utvikle strålebehandlingsplaner for hver enkelt pasients svulst, verdifull tid for pasienter siden kreften ofte fortsetter å vokse og utvikle seg, men også for leger som bruker litt tid på å utforme disse intrikate behandlingsstrategiene.
Kreft i hode og nakke er kjent som vanskelig å utforme behandlingsprogrammer for, da svulster kan være bemerkelsesverdig forskjellige fra pasient til pasient. Forskerne forventer at ettersom instrumentet fungerte så bra på denne vanskelige, komplekse kreftformen, burde den ha evnen til å håndtere mer utbredte svulsttyper som ikke viser så mye variasjon, som prostatakreft.
Babier er opptatt av å bekymre seg for at AI ikke skal være en erstatning for helsepersonell, men kan spare dem tid ved å utføre noe betydelig grunnarbeid. Når programmet har laget et behandlingsprogram, vil det likevel bli gjennomgått ved hjelp av en strålefysiker og endret ytterligere, og tar et par timer til.
AI er velkjent for å spille en stor rolle i fremtiden for kreftdiagnose, overvåking og terapi, men noen helsepersonell har bekymret seg over etikken i å bruke maskinlæringsverktøy for å ta kliniske beslutninger. 1 en slik bekymring publisert i en artikkel tidligere i år i New England Journal of Medicine av forskere og doktorer i Stanford sa:
'Leger må på en tilfredsstillende måte forstå hvordan beregninger lages, seriøst vurdere opprinnelsen til informasjonen som ble brukt til å lage de statistiske modellene som er utviklet for å forutsi resultater, forstå hvordan modellene fungerer og vokte seg for å bli altfor avhengig av disse.'
Her ligger et ganske vanlig problem med ny teknologisk utvikling innen medisin i våre dager - kravet til MDs for å oppnå spesialistforståelse av de splitter nye diagnostiske metodene de bruker, slik at de fullt ut kan forstå hvor mye de kan stole på at de påvirker deres beslutninger om pasienter. En lignende diskusjon pågår for kontinuerlig kontroversielle flytende biopsier for kreft.
Til tross for alle disse problemene er investering i AI fra folk i helsevesenet vanlig, med store selskaper som Microsoft og IBM som bruker det til forskjellige programmer for tiden. Mange selskaper ser ut til å se AI som en mulig løsning for å prøve å effektivisere den langvarige og uanstendig kostbare legemiddeloppdagelsesprosedyren. Det Toronto-baserte bioteknologifirmaet BenchSci har per i dag telt 28 farmasøytiske selskaper og 97 nyetablerte selskaper som for tiden bruker AI for deres legemiddeloppdagelsesprosesser.
I tilfelle å bruke AI for å hjelpe til med design av strålebehandling, sier Babier at hans spesifikke instrument mer er en utvidelse av det som for øyeblikket er tilgjengelig for helsepersonell, snarere enn en revolusjon.
"Det er i utgangspunktet et ganske enkelt plugin for å hjelpe til med det som for tiden er der i en klinisk setting, men ved å bruke mer intelligente parametere enn det som er tilgjengelig," sa Babier.
University of Toronto-teamet er ikke de eneste som jobber med å optimalisere strålebehandling med AI.