Kanser Verilerini Ayıklamayı Modernize Etmek için Geliştirilen Çoklu Görev Yapay Zeka Aracı

Amerika Birleşik Devletleri'nde önde gelen ikinci ölüm nedeni olan kanser, yaşamları boyunca iki kişiden yaklaşık birini etkileyen bir halk sağlığı krizidir. Kanser aynı zamanda son derecede karmaşık bir hastalıktır. Ülkenin kanser kayıtlarında 70'den fazla organı etkileyen yüzlerce kanser türü kaydedilmiştir.

Enerji Veri Oak Enstitüsü Ulusal Laboratuarı Sağlık Veri Bilimleri Enstitüsü ve Ulusal Hesaplama Bilimleri Merkezi (ORNL) direktörü olan Gina Tourassi, nüfus düzeyinde kanser gözetiminin, kanseri önlemeyi, tespit etmeyi ve tedavi etmeyi amaçlayan halk sağlığı girişimlerinin etkinliğini izlemek için kritik bir öneme sahip olduğunu ifade etmektedir. Tourassi Ulusal Kanser Enstitüsü ile işbirliği yapan ekibinin, ulusal kanser gözetim programını modernize etmek için zaman alıcı veri toplama çabasını otomatikleştirip neredeyse gerçek zamanlı kanser raporlaması sağlayan gelişmiş yapay zeka (AI) çözümleri üzerine çalıştıklarını belirtiyor.

Araştırmacıların geliştirdikleri dijital kanser kayıtları aracılığıyla, bilim insanları kanser tanıları ve tedavi yanıtlarındaki eğilimleri belirleyebilir ve bu da araştırma maliyetini ve kamu kaynaklarını yönlendirmeye yardımcı olabilir. Bununla birlikte, izledikleri kanser gibi, kanser patolojisi raporları da karmaşıktır. Notasyon ve dildeki farklılıklar, raporları analiz etmek için eğitilmiş insan kanseri kayıt memurları tarafından yorumlanmalıdır Araştırma için kanser verilerinden daha iyi yararlanmak isteyen ORNL’deki bilim insanları, metin patolojisi raporlarından bilgi çıkarmayı iyileştirmek için yapay zeka tabanlı doğal dil işleme aracı geliştirmektedirler. Proje, kanser verilerini ileri veri analizi ve yüksek performanslı hesaplama ile birleştirerek araştırmayı hızlandıran Kanser için Gelişmiş Bilişim Çözümleri Ortak Tasarımı (JDACS4C) olarak bilinen DOE-Ulusal Kanser Enstitüsü işbirliğinin bir parçasıdır. ORNL, bu zorlukla başa çıkmak için dünyanın en güçlü süper bilgisayarı yapay zeka ve sağlık verileri gibi korumalı bilgileri işlemek için güvenli bir veri ortamı da dahil olmak üzere benzersiz bilgi işlem kaynaklarına ev sahipliği yapmaktadır. Sürveyans, Epidemiyoloji ve Nihai Sonuçlar (SEER) Programı ile Ulusal Kanser Enstitüsü, kanserli tümör vakalarının bireysel teşhis ve patoloji bilgilerini içeren Louisiana Tümör Kayıt Defteri gibi kanser kayıtlarından veri almaktadır. ORNL Bilgisayar ve Hesaplamalı Bilimler Direktörlüğü'nde araştırma bilimcisi ve Amerikan Tıbbi Bilişim Derneği Dergisi'nde ekibin yapay zeka aracının sonuçları hakkında yayınlanan bir makalenin başyazarı olan Mohammed Alawad, manuel olarak bilgileri ayıklamanın maliyetli, zaman alıcı ve hataya açık olduğundan yapay zeka tabanlı bir araç geliştirdiklerini belirtti.

Çoklu Görev Yapay Zeka Aracın, Diğer Yöntemler ile Karşılaştırıldığında Sağladığı Faydalar

Kanser patolojisi raporlarında ilk olarak, ekip, dili iki boyutlu sayısal bir veri kümesi olarak işleyerek, bir metin gövdesindeki anahtar kelimeleri belirleme gibi görevleri yerine getirmeyi öğrenen çok görevli bir Evrişimsel Sinir Ağları (CNN) derin öğrenme modeli geliştirdi.

Alawad, her kelimeyi sayısal değerler dizisi olarak temsil eden kelime yerleştirme adı verilen ortak bir teknik kullandıklarını belirtti. Anlamsal bir ilişkisi olan veya birlikte anlam taşıyan kelimeler boyutsal uzayda vektörler (büyüklük ve yöne sahip değerler) olarak birbirine yakındır. Bu metinsel veriler, sinir ağına girilir ve veri içindeki bağlantıları bulan parametrelere göre ağ katmanları aracılığıyla filtrelenir. Bu parametrelere, gittikçe daha fazla veri işlemek bilinilirliği arttırır. Araştırmacılar testler sırasında, sabit parametre paylaşımlı çoklu görev modelinin diğer dört modele (çapraz dikiş çoklu görev modeli dahil) göre hesaplama süresi ve enerji tüketimini azaltarak verimliliği artırdığını buldular. Tek görevli CNN ve geleneksel yapay zeka modelleri ile karşılaştırıldığında, sabit paylaşım parametreli çok görevli CNN zamana meydan okuyarak kısa zamanda tamamladı ve beş kanser özelliğinin her birini en doğru şekilde sınıflandırdı. Tourassi, bir sonraki adımlarının, teknolojinin kayıt defterlerinin iş akışlarına en etkili entegrasyon yollarını belirlemek için kanser kayıtlarında dağıtılacağı büyük ölçekli bir kullanıcı çalışması başlatmak olacağını belirtip, amaçlarının insanın yerini almak değil, insanı büyütmek olduğunu ifade etmiştir.