شركة Intel Labs وكلية Penn Medicine تستخدمان التعلم المجمع المدعوم بتقنية بالذكاء الاصطناعى لااكتشاف أورام المخ

أكملت شركة Intel Labs وكلية بيريلمان الطبية في جامعة بنسلفانيا (Penn Medicine) دراسة بحثية مشتركة باستخدام التعلم المجمع (وهو نهج للذكاء الاصطناعي (AI) بالتعلم الآلي (ML) الموزع) لمساعدة المؤسسات الدولية في مجال الرعاية الصحية والأبحاث على تحديد أورام المخ الخبيثة. يمثل المشروع أكبر دراسة طبية للتعلم المجمع حتى اليوم تضم مجموعة بيانات عالمية غير مسبوقة فحصتها 71 مؤسسة على مستوى 6 قارات، وقد أظهر المشروع القدرة على تحسين اكتشاف ورم المخ بنسبة 33%.
أوضح جيسون مارتن، المهندس الأول، لشركة Intel Labs: “يتمتع التعلم المجمع بإمكانات هائلة عبر عدة مجالات، وخاصة مجال الرعاية الصحية، حسبما أظهر بحثنا مع كلية Penn Medicine إن قدرته على حماية المعلومات والبيانات الحساسة تفتح الباب للدراسات والتعاون في المستقبل، وخاصة في الحالات حيث لا يمكن الاطلاع على مجموعات البيانات بخلاف ذلك. ينطوي عملنا مع كلية Penn Medicine على إمكانية تحقيق تأثير إيجابي للمرضى على مستوى العالم، ونحن نتطلع إلى مواصلة استكشاف الإمكانات الواعدة للتعلم المجمع”.

وأكد د. على أبا يزيد، المؤسس المشارك والمسئول الطبى الرئيسي فى Neosoma أن إمكانية الاطلاع على البيانات الخاصة بالمرضى، وقواعد البيانات المتوفرة لدى المستشفيات تمثل مشكلة في الرعاية الصحية بسبب القوانين المعنية بخصوصية البيانات على مستوى الولاية وعلى المستوى الوطني الأمريكى، بما في ذلك قانون إمكانية النقل والمساءلة للتأمين الصحي (HIPAA). لهذا كانت مشاركة الأبحاث والبيانات الطبية على نطاق واسع مسألة من شبه المستحيل أن تحدث من دون كشف المعلومات الصحية للمرضى. وأن أجهزة وبرمجيات التعلم المجمع من Intel باتت تتوافق مع المخاوف المتعلقة بخصوصية البيانات والحفاظ على سلامة البيانات وخصوصيتها وأمانها من خلال الحوسبة السرية. وأوضح أن هناك تعاونا مع مجموعة من كبار الأساتذة فى كلية الطب بجامعة القاهرة للاستفادة من خبراتهم فى المجال الطبى، مؤكدا ترحيبه بتوسيع نطاق التعاون إلى جامعات أخرى ومع الجهات الحكومية المصرية إذا توافرت لديها الرغبة فى ذلك.
تحققت النتيجة التي توصلت إليها كلية Penn Medicine وشركة Intel عن طريق معالجة كميات كبيرة من البيانات في نظام غير مركزي باستخدام تقنية التعلم المجمع من Intel بالاقتران مع امتدادات حماية البرمجيات (SGX) من Intel، والتي تزيل العوائق التي تعيق مشاركة البيانات والتي كانت في السابق تمنع التعاون في الأبحاث المشابهة على السرطان والأمراض. يتعامل النظام مع العديد من المخاوف المتعلق بخصوصية البيانات عن طريق الاحتفاظ بالبيانات الخام داخل البنية التحتية لحوسبة حافظات البيانات والسماح بإرسال تحديثات النماذج المحوسبة من تلك البيانات فقط إلى خادم مركزي أو وحدة مراكمة، وليس إرسال النماذج نفسها.
قال “روب إندرلي”، المحلل الرئيسي في Enderle Group: “لا تستطيع كل طاقة الحوسبة في العالم أن تفعل الكثير من دون بيانات كافية لتحليلها. وقد أدى هذا العجز عن تحليل البيانات المرصودة بالفعل إلى تأخير كبير في تحقيق التطورات الطبية الضخمة التي وعد بها الذكاء الاصطناعي. تبين هذه الدراسة المعنية بالتعلم المجمع مسارًا قابلاً للحياة ليتقدم الذكاء الاصطناعي ويستغل إمكاناته الكامنة باعتباره الأداة الأقوى لمكافحة أصعب أمراضنا”.
وأوضح المؤلف الأول دكتور “سبايريدون باكاس”، الأستاذ المساعد لعلم الأمراض والتحاليل المعملية والإشعاع في كلية طب بيريلمان في جامعة بنسلفانيا: “في هذه الدراسة، يبين التعلم المجمع إمكاناته باعتباره تحولاً في النموذج الفكري لضمان إجراء عمليات التعاون متعددة المؤسسات عن طريق تمكين الوصول إلى مجموعة البيانات الأكبر والأكثر تنوعًا لمرضى الورم الأرومي الدبقي التي تم النظر فيها على الإطلاق في الأدبيات، بينما تظل كل البيانات محفوظة داخل كل مؤسسة طوال الوقت. كلما زادت البيانات التي يمكننا تغذية نماذج التعلم الآلي بها، أصبحت أكثر دقة، وهو ما يمكن أن يؤدي بدوره إلى تحسين قدرتنا على فهم الأمراض -حتى النادر منها مثل الورم الأرومي الدبقي- وعلاجها”.
للتقدم في علاج الأمراض، يجب على الباحثين أن يطلعوا على كميات كبيرة من البيانات الطبية التي تتجاوز في معظم الحالات الحد الذي تستطيع منشأة واحدة أن تنتجه. يوضح البحث فعالية التعلم المجمع على نطاق واسع والمزايا المحتملة التي يستطيع مجال الرعاية الصحية أن يحققها عند فتح مستودعات بيانات متعددة المواقع. تشمل المزايا الاكتشاف المبكر للمرض، وهو ما يمكن أن يؤدي إلى تحسين جودة الحياة أو زيادة عمر مريض.
تم نشر نتائج بحث كلية Penn Medicine/شركة Intel Labs في دورة خاضعة لمراجعة النظراء، Communications.

نبذة عن البحث
في عام 2020، أعلنت شركة Intel وكلية Penn Medicine عن الاتفاق على التعاون واستخدام التعلم المجمع لتحسين اكتشاف الورم وتحسين نتائج العلاج لشكل نادر من السرطان يُسمى الورم الأرومي الدبقي (GBM)، ورم المخ الأكثر شيوعًا والقاتل لدى البالغين بمتوسط بقاء على قيد الحياة يبلغ 14 شهرًا فقط بعد العلاج القياسي. بينما توسعت خيارات العلاج على مدار العشرين عامًا الماضية، لم تشهد معدلات البقاء على قيد الحياة أي تحسن. جاء تمويل البحث من برنامج تقنية المعلوماتية لأبحاث السرطان لدى المعهد الوطني للسرطان التابع للمعاهد الوطنية للصحة.
واستخدمت كلية Penn Medicine و71 مؤسسة دولية للرعاية الصحية/الأبحاث أجهزة وبرمجيات التعلم المجمع من Intel لتحسين اكتشاف النطاقات النادرة للسرطان. استخدم أخصائيو الأشعة منصة برمجيات جديدة مبتكرة للذكاء الاصطناعي تُسمى التجزئة المجمعة للورم (FeTS) لتحديد نطاق ورم معين وتحسين التعرف على “المنطقة القابلة للتعامل معها” في الأورام أو “نواة الورم”. وضع أخصائية الأشعة تعليقات توضيحية على بياناتهم واستخدموا التعلم المجمع المفتوح (OpenFL)، وهو إطار عمل مفتوح المصدر لتدريب خوارزميات التعلم الآلي لتشغيل التدريب المجمع. تم تدريب المنصة على 3.7 مليون صورة من 6.314 مريض مصابين بالورم الأرومي الدبقي في ست قارات، وهي أكبر مجموعة بيانات لورم المخ حتى اليوم.

الأدوات المتاحة
توصلت شركة Intel Labs وشركة Penn Medicine من خلال هذا المشروع إلى إثبات لمفهوم استخدام التعلم المجمع لاكتساب المعرفة من البيانات. يمكن أن يؤثر الحل بقدر كبير على الرعاية الصحية ومجالات دراسات أخرى، وخاصةً الأنواع الأخرى من أبحاث السرطان. ابتكرت Intel تحديدًا مشروع OpenFL مفتوح المصدر لتمكين العملاء من تبني التعلم المجمع فيما بين مستودعات البيانات في واقع الحياة ونشره بثقة على Intel SGX. كما تأسست مبادرة FeTS الجديدة على سبيل الشبكة التعاونية لتقديم منصة للتطوير المستمرة ولتشجيع التعاون مع منصة FeTS ومجموعة أدوات OpenFL مفتوحة المصدر من Intel، وكلتاهما متاحتان على GitHub.

أكبر دراسة طبية
تعمل شركة Intel مع جامعة بنسلفانيا لاستخدام الذكاء الاصطناعي للتعرف على أورام المخ مع الحفاظ على الخصوصية | تقرير Communications | شركة Intel وكلية Penn Medicine تعلنان نتائج أكبر دراسة طبية للتعلم المجمع (فيديو) | التعلم المجمع الآمن من أجل عالم أفضل (دراسة حالة) | دراسة شركة Intel وكلية Penn Medicine للتعلم المجمع (صفحة اقتباسات)