211service.com
Dlaczego firma IBM kupiła właśnie miliardy obrazów medycznych dla Watsona do obejrzenia
IBM twierdzi, że Watson, jego sztuczna inteligencja, może wykorzystywać zaawansowaną wizję komputerową do przetwarzania ogromnych ilości obrazów medycznych. Teraz firma Watson chce wykorzystać tę umiejętność, aby pomóc lekarzom w szybszym i dokładniejszym diagnozowaniu chorób.
W zeszłym tygodniu IBM ogłosił, że kupi Połącz opiekę zdrowotną za miliard dolarów. Jeśli transakcja zostanie sfinalizowana, będzie to trzecia firma zajmująca się ochroną zdrowia, którą IBM kupił w tym roku (zobacz Poznaj firmę z branży medycznej, której IBM potrzebował, aby uczynić Watsona bardziej wnikliwym). Firma Merge specjalizuje się w obsłudze wszelkiego rodzaju obrazów medycznych, a z jej usług korzysta ponad 7500 szpitali i klinik w Stanach Zjednoczonych, a także organizacje badań klinicznych i firmy farmaceutyczne. Szahram Ebadollahi , wiceprezes ds. innowacji i dyrektor ds. nauki w IBM Watson Health Group, mówi, że przejęcie jest częścią wysiłków mających na celu czerpanie z wielu różnych źródeł danych, w tym anonimowych, tekstowych dokumentacji medycznych, aby pomóc lekarzom w podejmowaniu decyzji dotyczących leczenia.
Zestaw danych Merge zawiera około 30 miliardów obrazów, co ma kluczowe znaczenie dla IBM, ponieważ plany dotyczące Watsona opierają się na technologii zwanej głębokim uczeniem, która szkoli komputer, dostarczając mu duże ilości danych.
Watson wygrał Niebezpieczeństwo! wykorzystując zaawansowane przetwarzanie języka naturalnego i analizę statystyczną w celu interpretacji pytań i udzielenia poprawnych odpowiedzi. Głębokie uczenie zostało ostatnio dodane do zestawu umiejętności Watsona (zobacz IBM Pushes Deep Learning with a Watson Upgrade ). To nowe podejście do sztucznej inteligencji polega na uczeniu komputerów rozpoznawania wzorców w danych poprzez przetwarzanie ich w sposób inspirowany sieciami neuronów w mózgu (zob. Przełomowe technologie 2013: Głębokie uczenie). Technologia przyniosła już bardzo imponujące wyniki w rozpoznawaniu mowy (patrz Microsoft Brings Star Trek Voice Translator to Life ) i rozpoznawanie obrazu (zobacz Facebook tworzy oprogramowanie, które dopasowuje się do twarzy prawie tak dobrze jak Ty ).
Badacze IBM uważają, że przetwarzanie obrazów medycznych może być następne. Szacuje się, że obrazy stanowią obecnie aż 90 procent wszystkich danych medycznych, ale lekarzom może być trudno zebrać z nich ważne informacje, mówi John Smith , starszy menedżer ds. inteligentnych systemów informatycznych w IBM Research.
Jednym z najbardziej obiecujących zastosowań automatycznego przetwarzania obrazu w najbliższym czasie, mówi Smith, jest wykrywanie czerniaka, rodzaju raka skóry. Rozpoznanie czerniaka może być trudne, po części dlatego, że istnieje wiele różnic w sposobie, w jaki pojawia się on u poszczególnych pacjentów. Wprowadzając do komputera wiele obrazów czerniaka, można nauczyć system rozpoznawania bardzo subtelnych, ale ważnych cech związanych z chorobą. Technologia przewidziana przez IBM może być w stanie porównać nowy obraz pacjenta z wieloma innymi obrazami w bazie danych, a następnie szybko przekazać lekarzowi ważne informacje, zebrane na podstawie obrazów, a także z zapisów tekstowych, dotyczące diagnozy i potencjalnych metod leczenia.
Znalezienie raka w tomografii komputerowej płuc to kolejny dobry przykład tego, jak taka technologia może pomóc w diagnozie, mówi Jeremy Howard, dyrektor generalny Enlitic , roczny start-up, który również wykorzystuje głębokie uczenie do przetwarzania obrazów medycznych (patrz Startupowe nadzieje, aby nauczyć komputery wykrywać nowotwory w skanach medycznych ). Trzeba przewijać setki plasterków w poszukiwaniu kilku małych, świecących pikseli, które pojawiają się i znikają, a to zajmuje dużo czasu i bardzo łatwo o pomyłkę, mówi. Howard twierdzi, że jego firma stworzyła już algorytm, który potrafi identyfikować istotne cechy guzów płuc z większą dokładnością niż radiolodzy.
Howard twierdzi, że największą przeszkodą w stosowaniu uczenia głębokiego w diagnostyce medycznej jest to, że tak wiele danych niezbędnych do szkolenia systemów pozostaje odizolowanych w poszczególnych instytucjach, a przepisy rządowe mogą utrudniać udostępnianie tych informacji. Przejęcie firmy Merge przez IBM, z miliardami obrazów medycznych, może pomóc w rozwiązaniu tego problemu.