Studiu recent privind utilizarea învățării automate cuantice în predicția cancerului pulmonar
Dezvoltarea unor modele fiabile de învățare automată pentru domeniul sănătății poate fi o provocare atunci când sunt disponibile doar seturi mici de date.
Această provocare a motivat cercetătorii să investigheze dacă metodele de calcul cuantic pot învăța modele utile din date limitate despre simptome și factori de risc.
Un grup de cercetare condus de Arslan Munir, profesor în cadrul Departamentului de Inginerie Electrică și Informatică de la Universitatea Atlantică din Florida, a evaluat abordările de învățare automată cuantică în simulări și pe hardware cuantic, folosind date despre simptome și factori de risc pentru predicția cancerului pulmonar, având la dispoziție un volum limitat de date pentru antrenament.
Studiul, publicat în revista Discover Quantum Science, sub titlul „Inferring lung cancer under limited learning data through gate-based and annealing-based quantum techniques”, oferă un cadru comun pentru evaluarea diferitelor metode de învățare automată cuantică, în condiții uniforme de pregătire a datelor și testare.
Cercetătorii au început cu un set de date disponibil public, conținând 309 înregistrări cu informații precum istoricul fumatului, tuse, wheezing, oboseală și dureri în piept, alături de o etichetă pentru cancerul pulmonar. Pentru a echilibra categoriile cancer și non-cancer, au aplicat o tehnică statistică care generează exemple sintetice, rezultând un set experimental de 540 de mostre. Aceste mostre suplimentare nu reprezentau pacienți recrutați recent.
O metodă de selecție a caracteristicilor bazată pe optimizare a restrâns variabilele de intrare la 10. Cercetătorii au evaluat apoi trei metode de clasificare: mașini cu vectori de suport cuantici, k-nearest neighbors cuantici și boosting cuantic. În fiecare dintre cele cinci runde de evaluare, modelele au fost antrenate pe 108 mostre și testate pe celelalte 432.
Studiul a examinat două abordări principale ale calculului cuantic: annealing cuantic și calcul pe bază de porți cuantice. Echipa a evaluat implementările folosind Qiskit, Cirq, PennyLane, OpenJij și D-Wave, permițând comparații între mai multe cadre software și abordări computaționale.
Computerele cuantice D-Wave utilizate într-un cadru de mașini cu vectori de suport cuantici au obținut cea mai mare acuratețe raportată în evaluarea principală, atingând 94,31% în simulare și 91,90% pe hardware cuantic. Testarea pe hardware a permis cercetătorilor să examineze cum a performat metoda în afara unui mediu simulat.
„Cercetarea FAU evidențiază modul în care computerele cuantice D-Wave pot fi utilizate pentru a avansa AI și învățarea automată”, a declarat Catherine Potts. „Aplicând tehnologia noastră într-un caz de utilizare provocator din domeniul sănătății, cercetătorii demonstrează potențialul de a extrage informații valoroase în medii cu date limitate, deschizând noi posibilități pentru AI bazată pe cuantic în domeniul sănătății și alte industrii intensive în date.”
Contribuția studiului depășește scorul său de acuratețe maximă. Prin aplicarea unui cadru comun de evaluare, cercetătorii au analizat modul în care alegerea metodei de clasificare, variabilele selectate și platforma de calcul au influențat performanța. Rezultatele oferă o bază pentru cercetări suplimentare în învățarea automată cuantică pentru datele structurate din domeniul sănătății.
„Acest studiu reflectă eforturile Universității Atlantică din Florida de a conecta cercetarea în calculul cuantic cu întrebări aplicative semnificative”, a afirmat Stella Batalama. „Compararea atentă și testarea pe hardware cuantic ajută la construirea dovezilor necesare pentru a evalua unde aceste tehnologii ar putea fi utile și ce provocări rămân.”
Cercetătorii subliniază că rezultatele sunt preliminare. Setul de date conține simptome și factori de risc și nu informații medicale, rezultate de patologie sau date despre stadiul cancerului. Acuratețea raportată reflectă setul de date augmentat și procedura de evaluare.
Cercetările viitoare vor analiza seturi de date mai mari din multiple instituții și vor explora combinarea informațiilor despre simptome cu date imagistice sau genotipice. Echipa are, de asemenea, în plan să investigheze metode care facilitează interpretarea predicțiilor modelului.
„Aceste rezultate oferă un punct de plecare pentru evaluări suplimentare”, a spus Munir. „Următorul pas este să determinăm cât de bine se generalizează aceste abordări la seturi de date clinice independente și dacă pot oferi un suport util în cadrul unor fluxuri de lucru validate cu atenție în domeniul sănătății.”
Cercetătorii recunosc sprijinul oferit de FAU și D-Wave pentru accesul la hardware-ul de calcul cuantic D-Wave.
Universitatea Atlantică din Florida continuă să-și consolideze poziția ca prima universitate din Florida dedicată calculului cuantic, efectuând investiții strategice în cercetare, educație și infrastructură pentru a stimula inovația în calculul de generație următoare. Prin intermediul Centrului pentru Tehnologii Quantice de la FAU, universitatea reunește cadre didactice, studenți și parteneri din industrie pentru a avansa cercetarea cuantică și a pregăti forța de muncă pentru economia cuantică emergentă. Investițiile FAU includ instalarea unui computer cuantic D-Wave Advantage2 pe campusul său din Boca Raton, oferind cercetătorilor și studenților acces la tehnologia cuantică de vârf și ajutând la poziționarea Floridei în fruntea acestui domeniu în rapidă evoluție.
