Naujas algoritmas gali nustatyti pneumoniją geriau nei radiologas

Kategorija: Dirbtinis intelektas Paskelbta Lapkričio 16 d

Į augantį sąrašą dalykų, kuriuos dirbtinis intelektas gali padaryti geriau nei žmonės, įtraukite pavojingų plaučių ligų diagnozavimą.

Naujas arXiv Stenfordo mokslininkų straipsnyje paaiškinama, kaip CheXNet, jų sukurtas konvoliucinis neuroninis tinklas, pasiekė žygdarbį. „CheXNet“ buvo apmokytas viešai prieinamu duomenų rinkiniu, sudarytu iš daugiau nei 100 000 krūtinės ląstos rentgeno spindulių, kuriuose buvo pateikta informacija apie 14 skirtingų ligų, kurios matomos nuotraukose. Tyrėjai keturiems radiologams atliko rentgeno tyrimų rinkinį ir nustatė diagnozes, kurios buvo palygintos su CheXNet diagnozėmis. „CheXNet“ ne tik įveikė radiologus aptikdamas pneumoniją, bet ir išplėtus algoritmą, jis pasirodė geriau nustatydamas kitas 13 ligų.

Ankstyvas pneumonijos nustatymas gali padėti išvengti kai kurių 50 000 mirčių, kurias kasmet sukelia liga JAV. Pneumonija taip pat yra vienintelė didžiausia infekcinė mirties priežastis vaikams visame pasaulyje, 2015 m. žuvo beveik milijonas vaikų iki penkerių metų.

Straipsnio bendraautoris ir buvęs Baidu AI tyrimų vadovas Andrew Ng mano, kad dirbtiniu intelektu medicinoje bus remiamasi vis dažniau. Anksčiau jis dirbo su algoritmu, kuris, išmokęs naudotis elektrokardiogramos (EKG) duomenimis, gali geriau nei žmogaus ekspertas nustatyti širdies aritmijas. Kitas gilaus mokymosi algoritmas, neseniai paskelbtas Gamta Vėžinius odos pažeidimus galėjo pastebėti taip pat gerai, kaip sertifikuotas dermatologas.

Ypač daug dėmesio buvo skirta radiologams. Ankstesni tyrimai parodė, kad dirbtinis intelektas yra toks pat geras arba geresnis nei gydytojai, sprendžiant problemas atliekant kompiuterinę tomografiją. Geoffrey'us Hintonas, vienas iš gilaus mokymosi pradininkų, pasakė niujorkietis kad dėl AI pažangos medicinos mokyklos dabar turėtų nustoti rengti radiologus. Analizuodami vaizdais pagrįstus duomenų rinkinius, tokius kaip rentgeno spinduliai, kompiuterinės tomografijos skenavimas ir medicininės nuotraukos, yra tai, kuo tobulėja giluminio mokymosi algoritmai. Ir jie gali labai gerai išgelbėti gyvybes.