در یک مطالعه کوچک اما چند نهادی، یک سیستم مبتنی بر هوش مصنوعی ارزیابی‌های ارائه‌دهندگان را در مورد اینکه آیا بیماران مبتلا به سرطان مثانه قبل از سیستکتومی رادیکال (جراحی برداشتن مثانه) به شیمی‌درمانی پاسخ کامل داشتند یا خیر، بهبود بخشید.
دکتر Lubomir Hadjiyski، نویسنده ارشد این مطالعه، می‌گوید: «اگر از این ابزار هوشمندانه استفاده کنید، می‌تواند به شما کمک کند.»
هنگامی که بیماران مبتلا به سرطان مثانه می شوند، جراحان اغلب کل مثانه را در تلاش برای جلوگیری از بازگشت سرطان یا گسترش آن به سایر اندام ها یا نواحی برمی دارند. با این حال، شواهد بیشتری وجود دارد که نشان می‌دهد اگر بیمار پس از شیمی‌درمانی هیچ شواهدی از بیماری نداشته باشد، ممکن است جراحی لازم نباشد.
با این حال، تعیین اینکه آیا ضایعه باقی مانده پس از درمان صرفاً بافتی است که در نتیجه درمان نکروز شده یا زخمی شده است یا اینکه سرطان باقی مانده است دشوار است. محققان در این فکر بودند که آیا هوش مصنوعی می تواند کمک کند.
۱۴ پزشک از تخصص های مختلف – از جمله رادیولوژی، اورولوژی و انکولوژی – و همچنین دو همکار و یک دانشجوی پزشکی اسکن های قبل و بعد از درمان ۱۵۷ تومور مثانه را بررسی کردند. ارائه دهندگان برای سه معیار که سطح پاسخ به شیمی درمانی را ارزیابی می کردند و همچنین توصیه ای برای درمان بعدی که باید برای هر بیمار انجام شود (پرتو یا جراحی) رتبه بندی کردند.
سپس ارائه دهندگان به یک امتیاز محاسبه شده توسط رایانه نگاه کردند. نمرات پایین تر نشان دهنده احتمال کمتر پاسخ کامل به شیمی درمانی و بالعکس برای نمرات بالاتر بود. ارائه دهندگان می توانند رتبه بندی های خود را اصلاح کنند یا آنها را بدون تغییر رها کنند. رتبه‌بندی نهایی آنها با نمونه‌هایی از تومورهای گرفته شده در طول جراحی‌های برداشتن مثانه برای سنجش دقت مقایسه شد.
در سطح تخصص ها و سطوح مختلف تجربه، ارائه دهندگان بهبودهایی را در ارزیابی های خود با سیستم هوش مصنوعی مشاهده کردند. کسانی که تجربه کمتری داشتند، حتی دستاوردهای بیشتری داشتند، به طوری که می توانستند در همان سطح شرکت کنندگان با تجربه، تشخیص دهند.
این ابزار به ارائه دهندگان موسسات دانشگاهی کمک کرد تا بیشتر از آنهایی که در مراکز بهداشتی کار می کردند فقط بر مراقبت بالینی تمرکز کنند.
در طول بیش از دو دهه انجام مطالعات مبتنی بر هوش مصنوعی برای ارزیابی انواع مختلف سرطان و پاسخ درمانی آنها، هاجیسکی می گوید که مشاهده کرده است که ابزارهای یادگیری ماشینی می توانند به عنوان نظر دوم برای کمک به پزشکان در تصمیم گیری مفید باشند، اما آنها می توانند نیز اشتباه کنند.
