מודל למידה עמוקה חדש יכול ללמוד לזהות מחלות מסריקות רפואיות בצורה מהירה ומדויקת יותר, על פי מחקרים חדשים של צוות מדענים בתחום מחשוב מאוניברסיטת אלברטה ו- U של חברת MEDO. מודל הפריצה הוא עבודת צוות חוקרים בפקולטה למדעים - כולל תרומותיו של פונה גורג'י, סטודנט לתואר שני שאבד בטיסה PS752.
למידה עמוקה היא סוג של למידת מכונה - תת תחום של בינה מלאכותית; טכניקות למידה עמוקה הן אלגוריתמים ממוחשבים המוצאים דפוסים במערכות נתונים גדולות, ומייצרים מודלים אשר בעזרתם ניתן לחזות. מודלים אלה פועלים בצורה הטובה ביותר כאשר הם לומדים ממאות אלפי או אפילו מיליוני דוגמאות. אך תחום האבחון הרפואי מהווה אתגר ייחודי, שבו לרוב החוקרים יש גישה לכמה מאות תמונות סריקה רפואיות מטעמי פרטיות.
"כאשר מודל למידה עמוקה של למידה מעמיקה עם מעט מאוד מקרים, הביצועים שלה נוטים להיות גרועים", אמר רוברטו וגה, המחבר הראשי של המחקר והסטודנט לתואר שני במחלקה למדעי המחשוב.
"במחקר שלנו התייחסנו לבעיה כיצד ללמוד מודלים יעילים של למידה עמוקה למשימות רפואיות עם מעט מקרים של אימונים. הרעיון המרכזי הוא שנוכל למנף את הידע הקיים בספרות הרפואית כדי להנחות טוב יותר את תהליך הלמידה. "
השיפורים בביצועים נובעים מהכשרת האלגוריתם על תמונות רפואיות וכן מאבחון "הסתברותי" המקביל שלהם, הניתן בעקיפין על ידי מומחים רפואיים. גישה זו מאפשרת לאלגוריתם ללמוד את הדפוסים המאפיינים כל מחלה בסריקות, ומאפשרת לו לחזות איזו מחלה מוצגת בסריקה של חולה חדש או אם הסריקה נראית בריאה.
"הגישה שלנו שיפרה את דיוק הסיווג של המודל וסיפקה אמון משמעותי בחיזויו, והעניקה הערכה של ההסתברות שמחלה קיימת בסריקה," אמרה וגה.
"בעזרת המחקר הזה אנו רוצים לספק לרדיולוגים כלים טובים יותר אשר הופכים את עבודתם לקלה, מהירה ויעילה יותר. יש לנו גם את הבעיה של אנשי רפואה דלים, שזו בעיה שמחמירה במדינות מתפתחות. תקוותנו היא שנוכל לפתח מודלים המאפשרים למומחים הרפואיים שלנו לקבל החלטות טובות יותר. "
עבודתם של רבים
המחקר כולל תרומות משמעותיות של פונה גורג'י, בוגר המחלקה למדעי המחשוב לאחר מותו וקורבן הטרגדיה של טיסה PS752. בינואר 2020, גורג'י ואראש פורזאראבי נסעו הביתה לאיראן כדי להתחתן והיו שניים מתוך ארבעת חברי קהילת הפקולטה למדעים מבין 176 ההרוגים בטיסה PS752.
עבור הצוות, המחקר מהווה גם הזדמנות לכבד את מורשתו של גורג'י ואת תרומתה הקריטית לפרויקט. כשהחוקרים החלו בפרויקט, האלגוריתם התמקד אך ורק בדיספלסיה של מפרק הירך, הסביר וגה. גורג'י עבדה על פיתוח מודלים של למידת מכונה לזיהוי כבד שומני, והיא הצטרפה לצוות שהביא בסופו של דבר לעיצוב מחודש של האלגוריתם ולפריצת הדרך בביצועים.
"המקורי אַלגוֹרִיתְם לא עבדנו בכבד שומני, אז פונה ואני התחלנו לעבוד יחד כדי לפתור את הבעיה. לאחר מספר שבועות גילינו פגם חשוב בגישה המקורית והצלחנו להציע פיתרון - הכרוך בדרך מתמטית חדשה להתמודד עם חלק מהמודל, "אמרה וגה.