یک مطالعه نشان می‌دهد که هوش مصنوعی می‌تواند به تشخیص اینکه سرطان بیمار از کجا آمده کمک کند و به پزشکان اجازه می‌دهد تا درمان‌های بهتری را انتخاب کنند.
برای درصد کمی از بیماران به خصوص آن‌هایی که سرطان آن‌ها گسترش یافته است پزشکان می‌توانند برای مشخص کردن منشا تومور تلاش کنند.
به گفته ی آناپرس ، این امر انتخاب درمان را برای بیماران تسهیل می‌کند، زیرا بسیاری از دارو‌های سرطان معمولا برای انواع خاص سرطان توسعه می‌یابند. حال تکنیک جدیدی که توسط دانشمندان توسعه یافته ممکن است کار را برای تشخیص اینکه این سرطان‌های مرموز از کجا نشأت گرفته‌اند، آسان‌تر کند.
از سوی دیگر محققان یک مدل محاسباتی ایجاد کرده‌اند که می‌تواند توالی حدود ۴۰۰ ژن را تجزیه و تحلیل کند و از این اطلاعات برای پیش بینی منشا یک تومور مشخص در بدن استفاده کند.
این تیم با این مدل نشان دادند که می‌توانند حداقل ۴۰ درصد از تومور‌های با منشا ناشناخته را با اطمینان بالا در مجموعه داده حدود ۹۰۰ بیمار طبقه بندی کنند. این روش بیش از دو برابر تعداد بیمارانی است که می‌توانستند براساس منشا سرطان خود واجد شرایط درمان دقیق باشند.
اینتا مون، محققی از موسسه فناوری ماساچوست گفت: این مهم‌ترین یافته در مقاله ما بود که این مدل می‌تواند به طور بالقوه برای کمک به تصمیمات درمانی استفاده شود و پزشکان را به سمت درمان‌های شخصی‌سازی شده برای بیماران مبتلا به سرطان‌های با منشأ اولیه ناشناخته هدایت کند.
الکساندر گوسف نویسنده ارشد این مطالعه افزود: تعداد قابل‌توجهی از افراد هرسال به سرطان‌های ناشناخته اولیه مبتلا می‌شوند، و ازآنجاکه اکثر درمان‌ها به روش خاص قرار می‌گیرند، جایی که شما باید محل اولیه برای استقرار آن‌ها را بدانید گزینه‌های درمانی بسیار محدودی دارند.
ما نیازی به تائید یک داروی جدید نداریم چیزی که ما می‌گوییم این است که این جمعیت اکنون می‌توانند واجد شرایط درمان‌های دقیقی باشند که از قبل وجود داشته‌اند. این یافته‌ها در مجله نیچر منتشرشده است.
نتایج یک مطالعه نشان می‌دهد که هوش مصنوعی پاسخ‌های باکیفیت‌تری ارائه می‌دهد و همدل‌تر از پزشکان واقعی است.
تحقیقات دانشگاه کالیفرنیا سن دیگو پاسخ‌های نوشته‌شده پزشکان و افراد مبتلا به سرطان را با پاسخ‌های چت‌جی‌پی‌تی در دنیای واقعی مقایسه کرد تا ببیند کدام‌یک در صدر قرار دارند.
گروهی از متخصصان حوزه سلامت، پاسخ‌های چت بات‌ها را در ۷۹ درصد مواقع ترجیح می‌دادند و آن‌ها را ازنظر اطلاعات ارائه‌شده و درک بیشتر، کیفیت بالاتری ارزیابی می‌کردند.
