211service.com
Chipy głębokiego uczenia Nvidii mogą dać lekarstwu strzał w ramię
Producent chipów Nvidia jedzie na obecnym boomie na sztuczną inteligencję dzięki sprzętowi zaprojektowanemu do zasilania najnowocześniejszych algorytmów uczenia się. A firma postrzega opiekę zdrowotną i medycynę jako kolejny duży rynek dla swojej technologii.
Kimberly Powell, która kieruje działaniami Nvidii w opiece zdrowotnej, mówi, że firma współpracuje z naukowcami medycznymi w wielu dziedzinach i będzie starać się rozszerzyć te działania w nadchodzących latach.
Jest niesamowity wzrost badań obrazowania medycznego, powiedział Powell at Przegląd technologii MIT konferencja EmTech Digital w San Francisco w poniedziałek. Coraz częściej odwiedzamy dziś dostawców w szpitalach, którzy wymyślają nowe zastosowania sztucznej inteligencji.
Przede wszystkim do przetwarzania obrazów medycznych i przesiewania dużych ilości danych medycznych stosuje się technikę uczenia maszynowego zwaną uczeniem głębokim. Głębokie uczenie, które jest bardzo luźno inspirowane sposobem, w jaki wydają się działać neurony w mózgu, już okazało się niezwykle przydatne w wyszukiwaniu obrazów i przetwarzaniu plików dźwiękowych (patrz 10 przełomowych technologii: głębokie uczenie).
Ta technika sztucznej inteligencji z pewnością wydaje się zdobywać akolitów w badaniach medycznych. W zeszłym roku zespół Google wykazał, że głębokie uczenie można wykorzystać do zautomatyzowania diagnozowania chorób oczu. W międzyczasie grupa ze Stanford University opublikowała artykuł w czasopiśmie Natura który pokazał technikę, może punktowy rak skóry a także przeszkolony dermatolog. Grupa ze szpitala Mount Sinai Hospital w Nowym Jorku zastosowała to podejście do: analizować elektroniczną dokumentację medyczną pacjentów i przewidzieć z zaskakująco dużą dokładnością, jaka choroba rozwinie się u danej osoby.
To tylko kilka głośnych przykładów. Powell zauważyła podczas swojego wystąpienia, że duże konferencje dotyczące obrazowania medycznego zostały zdominowane przez artykuły o głębokim uczeniu.
Procesory graficzne produkowane przez Nvidię są bardzo dobrze przystosowane do wykonywania równoległych obliczeń wymaganych do głębokiego uczenia, a producent chipów zbudował już pokaźną firmę dostarczającą sprzęt naukowcom zajmującym się głębokim uczeniem w środowisku akademickim i przemysłowym. Nvidia produkuje coraz większą liczbę specjalistycznych produktów do głębokiego uczenia się, w tym potężny komputer badawczy o nazwie DGX-1 i system do autonomicznych pojazdów o nazwie Drive PX.
Powell uważa, że sprzęt firmy będzie coraz częściej spotykany również w szpitalach i ośrodkach badań medycznych. Podejście to może pomóc poprawić wiarygodność diagnozy, powiedziała, i może znacząco podnieść standardy opieki w krajach rozwijających się, gdzie wiedza specjalistyczna jest ograniczona. Powell dodał, że odkrycie leków prawdopodobnie będzie kolejnym dużym obszarem dla głębokiego uczenia się w przyszłości.
Ale głębokie uczenie może również pomóc lekarzom znaleźć wzorce, które w innym przypadku byłyby niewidoczne. Nvidia współpracuje na przykład z Bradleyem Ericksonem, neuroradiologiem z Mayo Clinic, aby zastosować uczenie głębokie do obrazów mózgu. Powell powiedział, że Erickson odniósł pewien sukces w identyfikowaniu na podstawie obrazów czynników genetycznych związanych z chorobami mózgu.
Wcześniej, podczas tego samego wydarzenia, Gary Marcus, profesor z NYU, wskazał medycynę jako dziedzinę, w której sztuczna inteligencja może mieć największy wpływ. Pomyśl o raku, powiedział Marcus. Powiedział, że czynniki ryzyka, które mogą wskazywać na prawdopodobieństwo wystąpienia takiej choroby, mogą być trudne do zidentyfikowania dla osoby, ale mogą zostać wykryte przez algorytm. Zabójcza aplikacja [dla AI] może być znaczącym postępem w leczeniu medycyny.
Istnieją jednak poważne wyzwania związane z zastosowaniem technik, takich jak głębokie uczenie się w medycynie. Podejście to jest tak złożone i nieprzejrzyste, że dla lekarza może nie być jasne, dlaczego algorytm stawia konkretną diagnozę. Powell uznał to wyzwanie, ale powiedział, że pojawiają się rozwiązania, takie jak nowe sposoby wizualizacji zachowania sieci głębokiego uczenia się. Powiedziała, że to obecnie duży temat w badaniach.