Milijono dolerių premijos užuominos, kaip mašininis mokymasis kada nors gali pastebėti vėžį

Mašininiam mokymuisi dažnai reikia didžiulių duomenų rinkinių, kad būtų sukurtas veiksmingas algoritmas, tačiau šiame konkurse komandoms buvo pateikta tik 2000 vaizdų.

Konkursas, kuriuo siekiama automatizuoti plaučių vėžio aptikimą, parodo, kaip mašininis mokymasis gali būti pasirengęs atnaujinti medicininį vaizdavimą.

Iššūkyje buvo pasiūlyta 1 milijono dolerių prizai už algoritmus, kurie tiksliausiai nustatė plaučių vėžio požymius mažos dozės kompiuterinės tomografijos nuotraukose. Laimėjusius algoritmus nebūtinai priims gydytojai, tačiau jie gali įkvėpti algoritminių naujovių, kurios atsiduria medicinos vaizdavimo srityje.

Mažų dozių kompiuterinė tomografija pastaraisiais metais parodė didelį potencialą anksčiau nustatyti plaučių vėžį. Jie naudoja mažiau spinduliuotės ir nereikia švirkšti į kūną kontrastinių dažų. Tačiau diagnozuoti labai sunku, o tai reiškia daug klaidingų teigiamų rezultatų ir per daug nereikalingų medicininių procedūrų.

Mašininio mokymosi technika, žinoma kaip gilusis mokymasis, pastaraisiais metais pasirodė ypač veiksminga ieškant šablonų vaizduose (žr. 10 Breakthrough Technologies 2013: Deep Learning ). Dabar auga viltis, kad šis ir kiti mašininio mokymosi metodai gali padėti pagerinti diagnozavimo standartus medicinoje, automatiškai atpažindami ligą rodančius modelius, įskaitant tuos, kurie yra per subtilūs, kad žmogaus akis nepagautų.

Prie gilaus mokymosi jau priprato aptikti odos vėžį vaizduose su maždaug tiek pat klaidų, kiek padarė profesionalūs dermatologai. Šis metodas pasirodė esąs veiksmingas nustatant bendrą aklumo priežastį tinklainės vaizduose. Šiuo metu auga gydytojų ir verslininkų susidomėjimas plačiau taikyti šią techniką. Tačiau gali prireikti daugiau pastangų, kad tokie algoritmai būtų paaiškinami (žr. The Dark Secret at the Heart of AI).

Susijusi istorija

Susijusi istorija Niekas iš tikrųjų nežino, kaip pažangiausi algoritmai daro tai, ką daro. Tai gali būti problema.

Nacionalinio vėžio instituto programos direktorius Keyvanas Farahani, pateikęs konkurse naudotus vaizdo gavimo duomenis, teigia, kad sumažėjus klaidingų plaučių vėžio diagnozių, nustatytų mažų dozių kompiuterinės tomografijos tyrimų metu, pacientų skaičius tikrai pasikeistų. Remiantis Amerikos vėžio draugijos duomenimis, kiekvienais metais JAV užregistruojama apie 222 500 naujų plaučių vėžio atvejų.

Farahani teigia, kad esama programinė įranga, skirta nustatyti plaučių vėžio požymius, yra nepatikima. Preliminarūs rezultatai rodo, kad [geriausi algoritmai] yra geresni nei jau yra, sako jis. Tačiau Farahani nenumato, kad medicinos ekspertų vietą užims algoritmai. Jis sako, kad gilus mokymasis padės suvirškinti didelius duomenų kiekius. Nemanau, kad jie pakeis gydytojus ar radiologus.

Vienas iš pagrindinių iššūkių šiame konkurse buvo tai, kad komandoms buvo suteikta tik 2000 vaizdų. Mašininiam mokymuisi dažnai reikia labai didelių duomenų rinkinių, kad būtų sukurtas efektyvus algoritmas. Tačiau buvo įtraukti kiti duomenys, pavyzdžiui, informacija apie naudojamą įrangą.

Laimėjusi komanda panaudojo neuroninį tinklą ir įdėjo papildomų pastangų komentuodama vaizdus, ​​​​kad gautų daugiau duomenų taškų. Jis taip pat naudojo papildomą duomenų rinkinį ir suskirstė iššūkį į dvi dalis: nustatyti mazgelius ir diagnozuoti vėžį. Dar neaišku, kaip geriausias algoritmas gali pasitarnauti gydytojui, nes kiekvienas algoritmas numato tikimybę, o ne galutinį rezultatą.

Manome, kad labai svarbu aiškiai padalyti šią problemą į du etapus, o tai, atrodo, taip pat padarytų žmonių ekspertai, sako Zhe Li, laimėjusios komandos narys ir studentas iš Tsinghua universiteto, vieno žymiausių Kinijos akademinių institutų.

Plaučių vėžio konkursas ne tik užsimena apie gilaus mokymosi medicinos vaizdavimo srityje galimybes, bet ir pabrėžia augančią Kinijos AI tyrėjų reputaciją.

The konkursas , vykusį duomenų mokslo svetainėje Kaggle, organizavo Boozas Allenas Hamiltonas, valdymo konsultacijų įmonė, anksčiau surengusi keletą kitų svarbių duomenų mokslo konkursų. 1 milijonas dolerių piniginio prizo atėjo iš Lauros ir Johno Arnoldo fondas .

„Kaggle“ buvo įkurta 2010 m., o šių metų pradžioje įsigijo „Google“. Svetainė pasirodė esąs veiksmingas būdas sutelkti dėmesį į mašininio mokymosi algoritmų kūrimą ir taip pat populiarus būdas atpažinti talentus.

Susijusi istorija

Skaitykite toliau

Joshas Sullivanas , vadovaujantis duomenų mokslo komandai Booz Allen Hamilton, sako, kad viena konkurso motyvų yra talentų įgijimas, ir pažymi, kad 238 dalyviai taip pat kreipėsi dėl darbo įmonėje. Jis priduria, kad bendrovė siūlo laimėtus algoritmus nemokamai, kad padidintų galimą naudą medicinos bendruomenei.

Li, laimėjusios komandos narys, teigia, kad sukurti kažką, kas gali išgelbėti žmonių gyvybes, džiugina, tačiau tikroji priežastis dalyvauti buvo šiek tiek mažiau altruistiška. Tiesą sakant, pagrindinė motyvacija yra laimėti piniginį prizą, sako jis.

paslėpti