€ 71.75
$ 64.33
Пратик Шах: Как искусственный интеллект облегчает медицинскую диагностику

Лекции

Саморазвитие 130 Лидерство 53 Будущее 0 Свой бизнес 35 Образ жизни 15 Экономика 69 История 6

Пратик Шах: Как искусственный интеллект облегчает медицинскую диагностику

Сегодняшние алгоритмы искусственного интеллекта нуждаются в десятках тысяч дорогостоящих изображений для выявления болезни пациента. Что будет, если мы резко сократим объем данных, необходимых для обучения алгаритмов, и сделаем диагностику дешевой и эффективной? Стипендиат TED Пратик Шах работает над созданием программы, которая поможет это осуществить. Используя неортодоксальный подход к искусственному интеллекту, Шах разработал технологию, при которой требуется всего 50 изображений для натаскивания рабочего алгоритма, при этом для постановки диагноза программа может брать за основу фотографии, сделанные на сотовые телефоны врачей

Пратик Шах
Будущее

Компьютерные алгоритмы сегодня выполняют невероятные задачи с высокой точностью, в широких масштабах, используя похожий на людской интеллект. Вычислительную способность компьютеров часто называют ИИ или искусственный интеллект. ИИ окажет невероятное влияние влияние на нашу будущую жизнь. Однако мы по-прежнему сталкиваемся с серьезными проблемами в выявлении и диагностировании ряда опасных для жизни болезней, таких как рак и инфекционные заболевания. Тысячи пациентов каждый год умирают из-за рака печени и полости рта.

Лучший способ помочь этим пациентам — выявить и диагностировать заболевание на ранней стадии. Как мы выявляем эти болезни сегодня и как нам может помочь искусственный интеллект? Для пациентов, у которых, к сожалению, есть подозрения на эти заболевания, эксперт-медик сначала заказывает очень дорогие медицинские анализы, такие как флуоресцентная визуализация: томография ТТ и МРТ. Как только изображения готовы, следующий эксперт анализирует изображения и сообщает диагноз пациенту. Как вы заметили, это очень ресурсоемкий процесс, требующий как экспертного мнения, так и дорогостоящих технологий томографии. Не самый практичный подход для развивающихся стран. Фактически, даже для многих промышленно развитых стран.

Итак, можно ли решить эту проблему с помощью искусственного интеллекта? Сегодня, если использовать традиционные модели искусственного интеллекта для решения этой задачи, потребуется 10 тысяч — повторюсь, потребуется порядка 10 тысяч дорогостоящих изображений, которые сначала надо сгенерировать, а затем передать эксперту-медику для проведения анализа полученных результатов. Используя эти две части информации, я могу запрограммировать стандартную нейронную сеть на выявление диагноза пациента. Подобно первому подходу, традиционные методы искусственного интеллекта сталкиваются с той же проблемой: огромные объемы данных, работа экспертов и технологии томографии.

Можем ли мы изобрести масштабируемые, эффективные и более действенные модели искусственного интеллекта для решения проблем первоочередной важности, стоящих перед нами сегодня? Этим вопросом мы занимаемся в моей группе в MIT Media Lab. Мы изобрели множество неортодоксальных форм ИИ для решения не всех, но наиболее важных задач, стоящих перед нами в области томографии и клинических испытаний.

В примере, которым я поделился сегодня, мы преследовали две цели. Наша первая цель заключается в уменьшении количества изображений, необходимых для обучения алгоритмов искусственного интеллекта. Вторая цель более амбициозна: мы хотим уменьшить использование дорогостоящих медицинских процедур для обследования пациентов. Итак, как нам это удалось?

Для достижения первой цели вместо обработки десятков или тысяч дорогостоящих скринингов, как при традиционной форме ИИ, мы начали с единственного изображения. На основе снимка мы с моей командой разработали очень рациональный способ извлечения миллиардов блоков информации. Эти блоки информации содержат цвет, пиксели, геометрию, визуализируя саму болезнь на изображении. Мы превратили одну картинку в миллиарды точек данных, значительно уменьшив объем данных, необходимых для обучения алгоритма.

Для достижения второй цели — сокращения использования дорогих технологий скрининга — мы берем стандартную цифровую фотографию, сделанную либо на фотоаппарате, либо с помощью смартфона. Помните про миллиарды блоков информации? Мы наложили на них изображения, создав так называемое составное изображение. К нашему удивлению, нам потребовалось всего лишь 50 — повторяю, всего 50 — составных изображений для наделения наших алгоритмов большей эффективностью.

Описывая наш подход: вместо использования 10 тысяч дорогостоящих изображений мы настраиваем алгоритм ИИ нестандартным образом, для чего требуется всего 50 стандартных снимков с высоким разрешением, полученных с цифровых фотоаппаратов и телефонов. Так мы обеспечиваем диагностику. Что еще более важно, наши алгоритмы в будущем — и даже уже сегодня — могут использовать самые обычные фотографии, сделанные пациентом, вместо дорогостоящих технологий скрининга.

Я считаю, что мы готовы вступить в эпоху, где искусственный интеллект окажет невероятное влияние на наше будущее. Думаю, что наряду с привычной формой искусственного интеллекта, богатой данными, но малофункциональной в приложениях, нужно продолжать работать над новыми формами искусственного интеллекта, которые принимают небольшой объем данных, но решают некоторые из наиболее важных проблем сегодняшнего дня, особенно в здравоохранении.

Перевод: Ольга Рассказова
Редактор: Юлия Каллистратова

Источник

Свежие материалы