מאת: יעל הלפמן כהן
האם הייתם סומכים על יונה שתסייע באבחון סרטן? התשובה האינטואיטיבית של רובנו היא כנראה "ממש לא". אולם מחקר אמריקאי יוצא דופן מצא כי לאחר תקופת אימון קצרה, יונים הצליחו להבחין בין דגימות שפירות לממאירות של רקמת שד בדיוק מרשים, וכאשר ארבע יונים "הצביעו" יחד, רמת הדיוק הגיעה לכ-99%.
במחקר, שנערך על ידי חוקרים מאוניברסיטאות קליפורניה ואיווה, הוצגו ליונים אלפי תמונות דיגיטליות של דגימות רקמה ושל ממוגרפיות. בכל פעם שיונה זיהתה נכון תמונה של גידול ממאיר, היא קיבלה תגמול מזון. בהדרגה למדו הציפורים לזהות דפוסים חזותיים עדינים, והגיעו לדיוק של כ-85% גם כאשר הוצגו להן תמונות חדשות שמעולם לא ראו. כאשר החוקרים שילבו את תשובותיהן של ארבע יונים בשיטה שכינו "Flock-sourcing", שיעור ההצלחה טיפס לכ-99%.
חשוב להדגיש: איש אינו מתכוון להכניס יונים לבתי החולים. מטרת המחקר הייתה להבין כיצד מערכת ראייה ביולוגית מסוגלת ללמוד לזהות דפוסים מורכבים, ומה ניתן ללמוד מכך על תהליכי אבחון ועל פיתוח מערכות ממוחשבות. החוקרים אף מצאו שלצד הצלחותיהן, היונים התקשו במשימות מורכבות יותר, כמו זיהוי סוגים מסוימים של גושים בממוגרפיה, בדומה לאתגרים העומדים גם בפני רדיולוגים.
המשמעות הרחבה של המחקר חורגת הרבה מעבר לעולם הציפורים.
פתולוגים ורדיולוגים משקיעים שנים ברכישה ושיפור של יכולות אבחון, ולכן יש עניין להבין אילו מאפייני תמונה ותכונות הם קריטיים לביצועים אבחנתיים מדויקים. במשך שנים נטינו לחשוב שזיהוי רפואי נשען בעיקר על אינטואיציה אנושית ייחודית. אך אם מוח זעיר של יונה מסוגל ללמוד לזהות דפוסים רפואיים באמצעות אימון, ייתכן שחלק גדול מהיכולת הזו אינו מסתמך על "תחושת בטן", אלא על למידה שיטתית של תבניות חזותיות.
זו גם אחת הסיבות לכך שבינה מלאכותית מצליחה כיום לחולל מהפכה בתחום הדימות הרפואי. בדומה ליונים, גם מודלים של AI אינם "מבינים" סרטן כפי שרופא מבין אותו, אלא לומדים לזהות דפוסים מתוך מיליוני דוגמאות. המחקר מזכיר לנו את הכוח של זיהוי דפוסים – יכולת שניתן ללמד ולשכלל.
קישור למחקר.