Mwanzo wa Mfumo wa Akili Bandia
Ugunduzi huu wa kimapinduzi katika teknolojia ya tiba umetokana na ushirikiano wa timu ya watafiti kutoka Kitivo cha Tiba cha LKS cha Chuo Kikuu cha Hong Kong (HKUMed), Maabara ya InnoHK ya Ugunduzi wa Data kwa Afya (InnoHK D24H), na Shule ya London ya Usafi na Tiba ya Kitropiki (LSHTM). Matokeo yao, yaliyochapishwa katika jarida mashuhuri la npj Digital Medicine, yanaangazia uwezo wa AI kubadilisha utendaji wa kimatibabu na kuboresha matokeo ya wagonjwa.
Saratani ya tezi, ugonjwa mbaya unaoenea sana Hong Kong na ulimwenguni kote, unahitaji mikakati sahihi ya matibabu. Mafanikio ya mikakati hii yanategemea mifumo miwili muhimu:
- Kamati ya Pamoja ya Marekani ya Saratani (AJCC) au mfumo wa uainishaji wa saratani wa Tumor-Node-Metastasis (TNM): Mfumo huu, ambao sasa uko katika toleo lake la 8, hutumiwa kuamua kiwango na kuenea kwa saratani.
- Mfumo wa uainishaji wa hatari wa Chama cha Tezi cha Marekani (ATA): Mfumo huu huainisha hatari ya saratani kujirudia au kuendelea.
Mifumo hii ni muhimu kwa kutabiri viwango vya maisha ya wagonjwa na kutoa taarifa kuhusu maamuzi ya matibabu. Hata hivyo, njia ya kawaida ya kuunganisha taarifa tata za kimatibabu katika mifumo hii mara nyingi huchukua muda mwingi na hukumbwa na ufanisi mdogo.
Jinsi Msaidizi wa Akili Bandia Anavyofanya Kazi
Ili kukabiliana na changamoto hizi, timu ya utafiti ilitengeneza msaidizi wa AI ambao hutumia mifumo mikubwa ya lugha (LLMs), sawa na ile inayotumika katika ChatGPT na DeepSeek. LLM hizi zimeundwa kuelewa na kuchakata lugha ya kibinadamu, zikiwawezesha kuchambua hati za kimatibabu na kuboresha usahihi na ufanisi wa uainishaji wa saratani ya tezi na uainishaji wa hatari.
Mfumo wa AI hutumia LLM nne za nje ya mtandao zenye chanzo huria—Mistral (Mistral AI), Llama (Meta), Gemma (Google), na Qwen (Alibaba)—kuchambua hati za kimatibabu za maandishi huria. Njia hii inahakikisha kwamba mfumo unaweza kuchakata aina mbalimbali za taarifa za kimatibabu, ikiwa ni pamoja na ripoti za patholojia, maelezo ya upasuaji, na rekodi nyinginezo muhimu za kimatibabu.
Ufundishaji na Uthibitishaji wa Mfumo wa Akili Bandia
Mfumo wa AI ulifunzwa kwa uangalifu kwa kutumia seti ya data ya Marekani yenye ufikiaji huria iliyo na ripoti za patholojia kutoka kwa wagonjwa 50 wa saratani ya tezi iliyotolewa kutoka kwa Mpango wa Atlas ya Jenomu ya Saratani (TCGA). Baada ya awamu ya mafunzo, utendakazi wa mfumo ulithibitishwa kwa ukali dhidi ya ripoti za patholojia kutoka kwa wagonjwa 289 wa TCGA na visa bandia 35 vilivyoundwa na madaktari bingwa wa upasuaji wa tezi. Mchakato huu wa kina wa uthibitishaji ulihakikisha kwamba mfumo ulikuwa imara na wa kuaminika katika aina mbalimbali za matukio ya kimatibabu.
Utendakazi na Usahihi
Kwa kuunganisha matokeo ya LLM zote nne, timu ya utafiti iliboresha kwa kiasi kikubwa utendakazi wa jumla wa mfumo wa AI. Mfumo ulifikia usahihi wa jumla wa kuvutia wa 88.5% hadi 100% katika uainishaji wa hatari wa ATA na 92.9% hadi 98.1% katika uainishaji wa saratani wa AJCC. Kiwango hiki cha usahihi kinazidi ule wa mapitio ya jadi ya hati za mikono, ambayo mara nyingi hukumbwa na makosa ya kibinadamu na kutofautiana.
Moja ya faida muhimu zaidi ya mfumo huu wa AI ni uwezo wake wa kupunguza muda ambao madaktari hutumia katika maandalizi kabla ya mashauriano kwa takriban 50%. Akiba hii ya muda inaruhusu madaktari kujitolea muda zaidi kwa huduma ya moja kwa moja ya mgonjwa, kuboresha uzoefu wa jumla wa mgonjwa na kuimarisha ubora wa huduma.
Maarifa Muhimu kutoka kwa Timu ya Utafiti
Profesa Joseph T Wu, Profesa Sir Kotewall katika Afya ya Umma na Mkurugenzi Mkuu wa InnoHK D24H katika HKUMed, alisisitiza utendakazi bora wa mfumo, akisema, ‘Mfumo wetu unafikia usahihi wa zaidi ya 90% katika uainishaji wa hatua za saratani za AJCC na aina ya hatari ya ATA. Faida kubwa ya mfumo huu ni uwezo wake wa nje ya mtandao, ambao ungeruhusu kupelekwa ndani bila hitaji la kushiriki au kupakia taarifa nyeti za mgonjwa, na hivyo kutoa ulinzi wa juu zaidi wa faragha ya mgonjwa.’
Profesa Wu pia alisisitiza uwezo wa mfumo wa kufanya kazi sawa na LLM zenye nguvu za mtandaoni kama vile DeepSeek na GPT-4o, akibainisha, ‘Kwa kuzingatia uzinduzi wa hivi karibuni wa DeepSeek, tulifanya majaribio zaidi ya kulinganisha na ‘mbinu ya sifuri’ dhidi ya matoleo mapya zaidi ya DeepSeek—R1 na V3—pamoja na GPT-4o. Tulifurahishwa kugundua kuwa mfumo wetu ulifanya kazi sawa na LLM hizi zenye nguvu za mtandaoni.’
Daktari Matrix Fung Man-him, profesa msaidizi wa kimatibabu na mkuu wa upasuaji wa tezi, Idara ya Upasuaji, Shule ya Tiba ya Kliniki, HKUMed, alisisitiza faida za kivitendo za mfumo, akisema, ‘Mbali na kutoa usahihi wa hali ya juu katika kutoa na kuchambua taarifa kutoka kwa ripoti tata za patholojia, rekodi za operesheni na maelezo ya kimatibabu, mfumo wetu wa AI pia hupunguza kwa kiasi kikubwa muda wa maandalizi wa madaktari kwa karibu nusu ikilinganishwa na tafsiri ya kibinadamu. Inaweza wakati huo huo kutoa uainishaji wa saratani na uainishaji wa hatari za kimatibabu kulingana na mifumo miwili ya kimatibabu inayotambuliwa kimataifa.’
Daktari Fung pia alisisitiza uwezo mwingi wa mfumo na uwezekano wa kupitishwa kote, akisema, ‘Mfumo wa AI unaweza kubadilika na unaweza kuunganishwa kwa urahisi katika mipangilio mbalimbali katika sekta za umma na za kibinafsi, na taasisi za huduma za afya na utafiti za ndani na za kimataifa. Tuna matumaini kwamba utekelezaji wa ulimwengu halisi wa mfumo huu wa AI unaweza kuongeza ufanisi wa madaktari wa mstari wa mbele na kuboresha ubora wa huduma. Kwa kuongeza, madaktari watakuwa na muda zaidi wa kushauriana na wagonjwa wao.’
Daktari Carlos Wong, Profesa Mshirika wa Heshima katika Idara ya Tiba ya Familia na Huduma ya Msingi, Shule ya Tiba ya Kliniki, HKUMed, alisisitiza umuhimu wa kuthibitisha mfumo kwa data halisi ya mgonjwa, akisema, ‘Sambamba na utetezi mkubwa wa serikali wa kupitishwa kwa AI katika huduma ya afya, kama inavyoonyeshwa na uzinduzi wa hivi karibuni wa mfumo wa uandishi wa ripoti za kimatibabu unaotokana na LLM katika Mamlaka ya Hospitali, hatua yetu inayofuata ni kutathmini utendakazi wa msaidizi huyu wa AI na kiasi kikubwa cha data halisi ya mgonjwa.’
Daktari Wong pia alisisitiza uwezekano wa mfumo kupelekwa katika mazingira ya kimatibabu na hospitali, akisema, ‘Mara tu itakapothibitishwa, mfumo wa AI unaweza kupelekwa kwa urahisi katika mazingira halisi ya kimatibabu na hospitali kusaidia madaktari kuboresha ufanisi wa uendeshaji na matibabu.’
Athari kwa Utendaji wa Kliniki
Uundaji wa mfumo huu wa AI una athari kubwa kwa utendaji wa kliniki katika uwanja wa uchunguzi na usimamizi wa saratani ya tezi. Kwa kuendesha kiotomatiki mchakato wa uainishaji wa saratani na uainishaji wa hatari, mfumo unaweza kuwawezesha madaktari kuzingatia vipengele vingine muhimu vya huduma ya mgonjwa, kama vile mipango ya matibabu na ushauri nasaha kwa wagonjwa.
Zaidi ya hayo, usahihi wa hali ya juu wa mfumo na uaminifu unaweza kusaidia kupunguza hatari ya makosa na kutofautiana katika mchakato wa uchunguzi. Hii inaweza kusababisha maamuzi bora ya matibabu na matokeo bora ya mgonjwa.
Mfumo wa AI pia una uwezo wa kuboresha upatikanaji wa huduma bora kwa wagonjwa katika maeneo yasiyostahiliwa. Kwa kuwawezesha madaktari kugundua na kudhibiti saratani ya tezi kwa ufanisi zaidi, mfumo unaweza kusaidia kupunguza tofauti katika upatikanaji wa huduma za afyana matokeo.
Mielekeo ya Baadaye
Timu ya utafiti inapanga kuendelea kuboresha na kuboresha mfumo wa AI, kwa kuzingatia kupanua uwezo wake na kuimarisha usahihi wake. Utafiti wa baadaye pia utachunguza uwezekano wa mfumo kutumiwa katika maeneo mengine ya uchunguzi na usimamizi wa saratani.
Kwa kuongeza, timu inapanga kufanya tafiti zaidi ili kutathmini athari za mfumo wa AI kwenye utendaji wa kliniki na matokeo ya mgonjwa. Tafiti hizi zitasaidia kuamua njia bora za kuunganisha mfumo katika mtiririko wa kazi wa kliniki na kuhakikisha kuwa inatumiwa kwa ufanisi kuboresha huduma ya mgonjwa.
Uundaji wa mfumo huu wa AI unawakilisha hatua muhimu mbele katika vita dhidi ya saratani ya tezi. Kwa kutumia nguvu ya akili bandia, watafiti na madaktari wanafanya kazi ili kuboresha usahihi, ufanisi, na upatikanaji wa uchunguzi na usimamizi wa saratani, hatimaye kusababisha matokeo bora kwa wagonjwa.
Uchunguzi wa Kina wa Vipengele na Utendaji wa Mfumo wa AI
Usanifu wa mfumo wa AI ni mchanganyiko wa hali ya juu wa teknolojia kadhaa za kisasa, iliyoundwa kuiga na kuimarisha michakato ya utambuzi inayohusika katika uchunguzi wa kimatibabu. Katika msingi wake, mfumo unategemea Mifumo Mikubwa ya Lugha (LLMs), aina ya akili bandia ambayo imeonyesha ustadi wa ajabu katika kuelewa, kutafsiri, na kutoa lugha ya kibinadamu. LLM hizi, kama vile Mistral, Llama, Gemma, na Qwen, hutumika kama vizuizi vya msingi vya uwezo wa uchambuzi wa AI.
Jukumu la Mifumo Mikubwa ya Lugha (LLMs)
LLM hufunzwa kwenye seti kubwa za data za maandishi na msimbo, zikiwawezesha kutambua mifumo, mahusiano, na nuances ndani ya data. Katika muktadha wa mfumo huu wa AI, LLM zina jukumu la kuchambua hati za kimatibabu, ikiwa ni pamoja na ripoti za patholojia, maelezo ya upasuaji, na rekodi nyinginezo za kimatibabu. Hati hizi mara nyingi zina lugha tata na ya kiufundi, inayohitaji kiwango cha juu cha uelewa ili kutoa taarifa muhimu.
LLM huchakata maandishi kwa kuyavunja katika vitengo vidogo, kama vile maneno na misemo, na kisha kuchambua mahusiano kati ya vitengo hivi. Mchakato huu unahusisha kutambua vyombo muhimu, kama vile ukubwa wa uvimbe, ushiriki wa nodi za limfu, na metastasis ya mbali, ambayo ni muhimu kwa kuamua hatua na aina ya hatari ya saratani.
LLM za Nje ya Mtandao zenye Chanzo Huria: Mistral, Llama, Gemma, na Qwen
Mfumo wa AI hutumia LLM nne za nje ya mtandao zenye chanzo huria: Mistral (Mistral AI), Llama (Meta), Gemma (Google), na Qwen (Alibaba). Utumiaji wa LLM nyingi ni uamuzi wa kimkakati unaolenga kuimarisha uimara na usahihi wa mfumo. Kila LLM ina nguvu na udhaifu wake wa kipekee, na kwa kuunganisha matokeo yao, mfumo unaweza kutumia akili ya pamoja ya mifumo hii.
- Mistral: Inajulikana kwa ufanisi wake na uwezo wa kufanya vizuri kwenye aina mbalimbali za kazi.
- Llama: Iliyoundwa kwa madhumuni ya utafiti, kutoa msingi thabiti wa uelewa wa lugha.
- Gemma: Ofa ya Google, inayojulikana kwa ujumuishaji wake na huduma zingine za Google na utendaji wake thabiti katika kujibu maswali.
- Qwen: Iliyotengenezwa na Alibaba, inayobobea katika kushughulikia kazi ngumu za lugha ya Kichina.
Ujumuishaji wa LLM hizi tofauti huruhusu mfumo wa AI kufaidika na anuwai ya mitazamo na mbinu, hatimaye kusababisha matokeo sahihi na ya kuaminika.
Seti ya Data ya Mafunzo: Mpango wa Atlas ya Jenomu ya Saratani (TCGA)
Seti ya data ya mafunzo ya mfumo wa AI imetokana na Mpango wa Atlas ya Jenomu ya Saratani (TCGA), rasilimali pana ya umma iliyo na data ya genomic, kimatibabu, na kitolojia kwa maelfu ya wagonjwa wa saratani. Seti ya data ya TCGA hutoa utajiri wa taarifa ambazo ni muhimu kwa kufunza mfumo wa AI kutambua mifumo na mahusiano ndani ya data.
Seti ya data ya mafunzo inajumuisha ripoti za patholojia kutoka kwa wagonjwa 50 wa saratani ya tezi. Ripoti hizi zina taarifa za kina kuhusu sifa za uvimbe, ikiwa ni pamoja na ukubwa wake, umbo, na eneo, pamoja na taarifa kuhusu uwepo wa ugonjwa wowote wa metastatic. Mfumo wa AI unajifunza kutambua sifa hizi na kuzitumia kuainisha hatua ya saratani na aina ya hatari.
Mchakato wa Uthibitishaji: Kuhakikisha Usahihi na Uaminifu
Utendakazi wa mfumo wa AI unathibitishwa kwa ukali kwa kutumia ripoti za patholojia kutoka kwa wagonjwa 289 wa TCGA na visa bandia 35 vilivyoundwa na madaktari bingwa wa upasuaji wa tezi. Mchakato wa uthibitishaji umeundwa ili kuhakikisha kwamba mfumo ni sahihi na wa kuaminika katika aina mbalimbali za matukio ya kimatibabu.
Mchakato wa uthibitishaji unahusisha kulinganisha uainishaji wa mfumo wa AI na uainishaji uliofanywa na wataalamu wa kibinadamu. Usahihi wa mfumo wa AI hupimwa kwa kuhesabu asilimia ya kesi ambazo uainishaji wa mfumo wa AI unafanana na uainishaji uliofanywa na wataalamu wa kibinadamu.
Kufikia Usahihi wa Hali ya Juu katika Uainishaji wa Hatari wa ATA na Uainishaji wa Saratani wa AJCC
Mfumo wa AI unafikia usahihi wa jumla wa kuvutia wa 88.5% hadi 100% katika uainishaji wa hatari wa ATA na 92.9% hadi 98.1% katika uainishaji wa saratani wa AJCC. Viwango hivi vya juu vya usahihi vinaonyesha uwezo wa AI kubadilisha utendaji wa kliniki na kuboresha matokeo ya mgonjwa. Uwezo wa mfumo wa kuainisha kwa usahihi hatua za saratani na aina za hatari unaweza kusaidia madaktari kufanya maamuzi bora ya matibabu, na kusababisha matokeo bora kwa wagonjwa.
Uwezo wa Nje ya Mtandao: Kuhakikisha Faragha ya Mgonjwa
Moja ya faida muhimu zaidi ya mfumo huu wa AI ni uwezo wake wa nje ya mtandao. Hii inamaanisha kwamba mfumo unaweza kupelekwa ndani bila hitaji la kushiriki au kupakia taarifa nyeti za mgonjwa. Hii ni muhimu kwa kulinda faragha ya mgonjwa na kuhakikisha utiifu wa kanuni za usalama wa data.
Uwezo wa nje ya mtandao pia hufanya mfumo wa AI kupatikana zaidi kwa hospitali na kliniki katika mipangilio yenye rasilimali chache. Vituo hivi vinaweza kuwa havina bandwidth au miundombinu ya kusaidia mifumo ya AI ya mtandaoni, lakini bado wanaweza kufaidika na uwezo wa mfumo wa AI kwa kuupeleka ndani.
Ulinganisho na LLM za Mtandaoni: DeepSeek na GPT-4o
Timu ya utafiti ilifanya majaribio ya kulinganisha na matoleo mapya zaidi ya DeepSeek na GPT-4o, LLM mbili zenye nguvu za mtandaoni. Matokeo ya majaribio haya yalionyesha kuwa mfumo wa AI ulifanya kazi sawa na LLM hizi za mtandaoni, kuonyesha uwezo wake wa kushindana na mifumo bora ya AI ulimwenguni.
Ukweli kwamba mfumo wa AI unaweza kufanya kazi sawa na LLM za mtandaoni bila kuhitaji muunganisho wa intaneti ni faida kubwa. Hii inafanya mfumo wa AI kuwa wa kuaminika zaidi na salama, kwani hautegemei seva au mitandao ya nje.
Athari Kubadilisha kwa Ufanisi wa Huduma ya Afya na Huduma ya Mgonjwa
Ujumuishaji wa mfumo huu wa AI katika mtiririko wa kazi wa kliniki unaahidi mabadiliko muhimu katika ufanisi wa huduma ya afya na huduma ya mgonjwa. Uwezo wa mfumo wa kuendesha kiotomatiki mchakato wa uainishaji wa saratani na uainishaji wa hatari unaweza kuwawezesha madaktari kuzingatia vipengele vingine muhimu vya huduma ya mgonjwa, kama vile mipango ya matibabu na ushauri nasaha kwa wagonjwa.
Mfumo wa AI pia unaweza kusaidia kupunguza hatari ya makosa na kutofautiana katika mchakato wa uchunguzi, na kusababisha maamuzi bora ya matibabu na matokeo bora ya mgonjwa. Zaidi ya hayo, mfumo unaweza kuboresha upatikanaji wa huduma bora kwa wagonjwa katika maeneo yasiyostahiliwa kwa kuwawezesha madaktari kugundua na kudhibiti saratani ya tezi kwa ufanisi zaidi.
Kushughulikia Masuala ya Kimaadili na Kuhakikisha Utekelezaji Wajibikaji wa AI
Kama ilivyo kwa teknolojia yoyote ya AI, ni muhimu kushughulikia masuala ya kimaadili na kuhakikisha utekelezaji wa AI unaowajibika. Timu ya utafiti imejitolea kuendeleza na kupeleka mfumo wa AI kwa njia ambayo ni ya kimaadili, ya uwazi, na inayowajibika.
Suala moja muhimu la kimaadili ni kuhakikisha kwamba mfumo wa AI haupendelei dhidi ya kundi lolote la wagonjwa. Timu ya utafiti inafanya kazi kushughulikia suala hili kwa kutumia data tofauti za mafunzo na kwa kufuatilia kwa uangalifu utendakazi wa mfumo katika idadi tofauti za wagonjwa.
Suala jingine la kimaadili ni kuhakikisha kwamba wagonjwa wanaarifiwa kuhusu matumizi ya AI katika huduma yao. Timu ya utafiti imejitolea kuwapa wagonjwa taarifa wazi na fupi kuhusu jinsi mfumo wa AI unavyotumiwa na jinsi inaweza kuathiri huduma yao.
Timu ya utafiti pia inafanya kazi kuhakikisha kwamba mfumo wa AI unatumika kwa njia ambayo inalingana na kanuni za maadili ya matibabu, kama vile manufaa, kutodhuru, uhuru, na haki. Kwa kuzingatia kanuni hizi, timu ya utafiti inaweza kusaidia kuhakikisha kwamba mfumo wa AI unatumika kuboresha huduma ya mgonjwa na kukuza usawa wa afya.