کارآفرینی که با هوش مصنوعی سرطان را شکست داد

در حالی که بسیاری از ما از ابزارهای هوش مصنوعی برای کارهای روزمره استفاده می‌کنیم، یک بنیان‌گذار فناوری نشان داد که این ابزارها می‌توانند در بحرانی‌ترین لحظات زندگی نیز یاری‌گر باشند. کانر کریستو، کارآفرین ۳۵ ساله حوزه سلامت دیجیتال، پس از تشخیص یک نوع نادر و تهاجمی از لنفوم غیر هوچکین، با تکیه بر داده‌های شخصی‌اش و هوش مصنوعی، نه تنها مسیر درمان خود را بهینه کرد، بلکه از یک درمان غیرضروری و پرخطر نیز نجات یافت. این تجربه، که به گزارش تک‌کرانچ منتشر شده، تصویری از آینده‌ای را نشان می‌دهد که در آن بیماران می‌توانند با ابزارهای هوشمند، آگاهانه‌تر تصمیم بگیرند.

از ردیابی دقیق سلامتی تا تشخیصی شوکه‌کننده

کریستو پیش از این ماجرا، یکی از آن افرادی بود که سلامتی‌شان را لحظه‌به‌لحظه زیر نظر داشتند. او با استفاده از گجت‌هایی مانند Whoop و Oura Ring، خواب، ضربان قلب و فعالیت خود را ردیابی می‌کرد و سالانه نزدیک به ۱۰۰ نشانگر زیستی (biomarker) خود را چک می‌کرد. در ۳۵ سالگی و در حال ساخت دومین شرکتش، آخرین چکاپش در سال ۲۰۲۵ کاملاً سبز بود. اما تنها چند ماه بعد، پس از یک جلسه ورزشی، بازویش متورم شد. در ابتدا جدی نگرفت، اما هفته بعد پزشک دو لخته خون در رگ‌هایش پیدا کرد و برای جراحی برنامه‌ریزی کرد. با این حال، آزمایش‌های پیش از عمل همه چیز را تغییر دادند: یک توده ۱۱×۱۱×۸ سانتی‌متری پشت جناغ سینه‌اش مشاهده شد. نمونه‌برداری تأیید کرد که او به یک نوع نادر و سریع‌الرشد لنفوم مبتلاست، سرطانی که تنها از یک جهش ژنتیکی تصادفی ناشی می‌شود و ربطی به سبک زندگی ندارد. جالب اینکه این تومور فقط سه ماه وجود داشت و اگر سه هفته دیرتر کشف می‌شد، به مرحله چهار می‌رسید.

دو نظر پزشکی، ۱۲ مشاوره و انتخاب مسیر دشوارتر

اولین متخصص آنکولوژیست، یک رژیم شیمی‌درمانی سبک‌تر را توصیه کرد، اما کریستو شب قبل از شروع درمان، نظر دومی گرفت. پزشک دوم قاطعانه رژیم سنگین‌تری را پیشنهاد داد که شامل شیمی‌درمانی مداوم در بیمارستان بود. موفقیت رژیم سبک‌تر برای مورد او حدود ۶۰ درصد و رژیم سخت‌تر ۸۵ درصد برآورد می‌شد. کریستو که روحیه کارآفرینی داشت، به توصیه اول بسنده نکرد و در طی دو روز نظر ۱۲ پزشک را از آمریکا و خارج از کشور جمع کرد. نتیجه: ۱۱ به ۱ به نفع درمان سخت‌تر. او راه دشوار را برگزید. او می‌گوید: «به عنوان بنیان‌گذار، ما همیشه کنترل را در دست داریم. نباید اولین توصیه را پذیرفت.»

ورود هوش مصنوعی به میدان نبرد

کریستو در طول شش ماه درمان، مانند یک پروژه استارتاپی با رویکرد داده‌محور برخورد کرد. او تمام داده‌ها را جمع‌آوری کرد: نتایج آزمایش خون، تصاویر اسکن، خروجی گجت‌های سلامتی، و یادداشت‌های روزانه که با تبدیل صدا به متن ثبت می‌کرد. سپس همه این اطلاعات را به کلود (Claude)، دستیار هوش مصنوعی شرکت Anthropic، داد. او می‌گوید کلود جای پزشک را نگرفت، اما به او کمک کرد سوال‌های درست بپرسد. برای بیماری نادری مثل او که یک آنکولوژیست شاید سالی یک بار ببیند، دسترسی به یک مدل که انبوه مقالات پزشکی را خوانده، فراتر از یک جستجوی ساده در گوگل بود.

نقطه عطف در پایان درمان رخ داد. آخرین اسکن PET او مبهم بود و پزشک معالج شروع به صحبت درباره رادیوتراپی در نزدیکی قلب و ریه کرد. کریستو دوباره تحقیق کرد و فهمید که برای این نوع خاص لنفوم، نرخ مثبت کاذب در اسکن‌های PET پایان درمان حدود ۶۰ درصد است! او سه اسکن PET و MRI خود را به کلود داد. این مدل پدیده‌ای به نام «بازگشت تیموس» را شناسایی کرد: در بیماران زیر ۴۰ سال که از این لنفوم بهبود می‌یابند، غده تیموس می‌تواند پس از شیمی‌درمانی فعال شود و در تصاویر شبیه بیماری فعال دیده شود. کلود احتمال این توضیح را حدود ۹۰ درصد برآورد کرد. کریستو سه نظر دیگر گرفت و پزشک چهارم تأیید کرد که این یک بازگشت تیموس است و بیماری فعالی وجود ندارد. نیاز به رادیوتراپی منتفی شد.

درس‌هایی برای آینده بیماران و نقش فناوری

کریستو می‌گوید: «ما به گذشته که نگاه کنیم، از دوره فعلی درمان سرطان وحشت خواهیم کرد.» او شاهد بود که پرستاران و پزشکان زیر بار کارهای اداری دفن شده‌اند و پروتکل‌های درمانی بدون توجه به سن و شرایط بیمار تجویز می‌شوند. شرکت فعلی او، Keragon، پلتفرمی مبتنی بر هوش مصنوعی است که فرایندهای اداری مطب‌ها را خودکار می‌کند، اما تجربه شخصی‌اش بینش تازه‌ای به او بخشید.

این داستان برای خوانندگان ایرانی نیز پیام‌های مهمی دارد. اولاً، اهمیت نظرخواهی از چند پزشک و استفاده از شبکه‌های حرفه‌ای را نشان می‌دهد. ثانیاً، توانایی ابزارهای هوش مصنوعی مانند کلود یا دیگر چت‌بات‌ها در تحلیل داده‌های پزشکی و هشدار درباره گزینه‌های نادیده‌گرفته‌شده را برجسته می‌کند. هرچند متخصصان هشدار می‌دهند که این ربات‌ها ممکن است اشتباه کنند و برای تشخیص‌های شخصی به‌طور کامل ارزیابی نشده‌اند، اما به‌کارگیری آن‌ها به عنوان یک «همفکر دیجیتال» می‌تواند بیمار را توانمند کند. در نهایت، این روایت تأکید می‌کند که عصر پزشکی مبتنی بر داده و هوش مصنوعی از راه رسیده است، و بیماران امروز می‌توانند کنترل بیشتری بر سلامت خود داشته باشند.