Głębokie uczenie się to czarna skrzynka, ale opieka zdrowotna nie będzie miała nic przeciwko

Jon Han

Wcześniej w 2017 roku naukowiec zajmujący się sztuczną inteligencją Sebastian Thrun i jego współpracownicy z Uniwersytetu Stanforda wykazali, że algorytm głębokiego uczenia jest w stanie diagnozować potencjalnie nowotworowe zmiany skórne tak dokładnie, jak dermatolog posiadający certyfikat zarządu.

Odkrycie raka, zgłoszone w Natura, był częścią strumienia raportów oferujących wczesny wgląd w to, co może być nową erą diagnozowania przez oprogramowanie, w którym sztuczna inteligencja pomaga lekarzom, a nawet konkuruje z nimi.

Eksperci twierdzą, że obrazy medyczne, takie jak fotografie, zdjęcia rentgenowskie i rezonanse magnetyczne, prawie idealnie pasują do zalet oprogramowania do głębokiego uczenia się, które w ciągu ostatnich kilku lat doprowadziło do przełomu w rozpoznawaniu twarzy i obiektów na zdjęciach.

Firmy już w pogoni. Zaprawdę, ramię nauk przyrodniczych Alphabet połączyło siły z Nikon w grudniu ubiegłego roku do opracowania algorytmów do wykrywania przyczyn ślepoty u diabetyków. Tymczasem dziedzina radiologii została nazwana Doliną Krzemową medycyny ze względu na liczbę generowanych przez nią szczegółowych obrazów.

Medycyna czarnoskrzynkowa

Chociaż przewidywania zespołu Thruna były bardzo dokładne, nikt nie był pewien, które dokładnie cechy pieprzyka wykorzystał program głębokiego uczenia się, aby sklasyfikować go jako rakowego lub łagodnego. Rezultatem jest medyczna wersja tego, co nazwano problemem czarnej skrzynki głębokiego uczenia się.

W przeciwieństwie do bardziej tradycyjnego oprogramowania wizyjnego, w którym programista definiuje zasady — na przykład znak stopu ma osiem stron — w głębokim uczeniu algorytm sam znajduje zasady, ale często bez pozostawiania śladu audytu w celu wyjaśnienia swoich decyzji.

W przypadku medycyny czarnoskrzynkowej lekarze nie mogą wiedzieć, co się dzieje, ponieważ nikt nie wie; jest z natury nieprzejrzysty, mówi Nicholson Price, prawnik z University of Michigan, który koncentruje się na prawie zdrowotnym.

Powiązana historia

Czytaj dalej Dlaczego większość pacjentów nie reaguje na najnowsze leki?

Jednak Price twierdzi, że może to nie stanowić poważnej przeszkody w opiece zdrowotnej. Porównuje głębokie uczenie się do narkotyków, których korzyści pojawiają się w nieznany sposób. Jednym z przykładów jest lit. Jego dokładny biochemiczny mechanizm wpływania na nastrój nie został jeszcze wyjaśniony, ale lek jest nadal zatwierdzony do leczenia choroby afektywnej dwubiegunowej. Mechanizm stojący za aspiryną, najszerzej stosowanym lekiem wszechczasów, nie był rozumiany przez 70 lat.

Podobnie, mówi Price, kwestia czarnej skrzynki nie będzie stanowić problemu dla amerykańskiej Agencji ds. Żywności i Leków, która oprócz zatwierdzania nowych leków reguluje również oprogramowanie, jeśli jego celem jest leczenie lub zapobieganie chorobom.

W oświadczeniu FDA twierdzi, że w ciągu ostatnich 20 lat zatwierdziła szereg aplikacji do analizy obrazu, które opierają się na różnych technikach rozpoznawania wzorców, uczeniu maszynowym i wizyjnym. Agencja potwierdziła, że ​​widzi coraz więcej oprogramowania opartego na głębokim uczeniu się i zauważa, że ​​firmy mogą zachować poufność szczegółów swoich algorytmów.

FDA dała już zielone światło co najmniej jednemu algorytmowi głębokiego uczenia. W styczniu FDA dopuściła do sprzedaży oprogramowanie opracowane przez Arterys, prywatną firmę zajmującą się obrazowaniem medycznym z siedzibą w San Francisco. Jego algorytm, DeepVentricle, analizuje obrazy MRI wewnętrznych konturów komór serca i oblicza objętość krwi, jaką serce pacjenta może pomieścić i pompować. Jak mówi Arterys, obliczenia są wykonywane w mniej niż 30 sekund, podczas gdy konwencjonalne metody zwykle zajmują godzinę.

FDA wymagało od Arterys przeprowadzenia szeroko zakrojonych testów, aby upewnić się, że wyniki jego algorytmu są zgodne z wynikami uzyskanymi przez lekarzy. Musisz udowodnić statystycznie, że twój algorytm działa zgodnie z przeznaczeniem lub według twierdzeń marketingowych, że robi, mówi John Axerio-Cilies, dyrektor ds. technologii w firmie.

Duży popyt

Aby wyszkolić ich oprogramowanie, zespół kierowany przez Thruna, byłego wiceprezesa Google, który pracował tam nad samochodami bez kierowcy, przekazał mu 129 405 obrazów chorób skóry ocenionych przez ekspertów. Obejmowały one 2032 różne choroby i zawierały 1942 obrazy potwierdzonych nowotworów skóry.

Powiązana historia

Więcej o Sebastianie Thrun Sebastian Thrun przyczynił się do wywołania szumu wokół ogromnych otwartych kursów online w college'u — ale zamiast tego przestawił swój własny start-up, aby skupić się na szkoleniach zawodowych.

Ostatecznie oprogramowanie było w stanie przewyższyć 21 dermatologów w identyfikacji pieprzyków potencjalnie rakowych.

Kiedy dermatolodzy dostrzegą potencjał tej technologii, myślę, że większość z nich skorzysta, mówi Robert Novoa, dermatolog ze Stanford i autor badania. On i inni członkowie zespołu odmówili powiedzenia, czy planują komercjalizację oprogramowania.

Jak mówi Allan Halpern, dermatolog Memorial Sloan Kettering i prezes Międzynarodowego Towarzystwa Cyfrowego Obrazowania Skóry, wszelkie obawy, że lekarze wkrótce stracą pracę, są również nie na miejscu. Myślę, że zagrożenie jest odwrotne, mówi. Algorytmy mogą radykalnie zwiększyć popyt na usługi dermatologiczne.

To dlatego, że pozytywny wynik testu przesiewowego nadal wymaga biopsji. Jak mówi Halpern, oprogramowanie do uczenia głębokiego mogłoby znaleźć zastosowanie w gabinetach podstawowej opieki zdrowotnej, ale gdyby zostało udostępnione jako ogólnopopulacyjny test przesiewowy lub za pośrednictwem aplikacji konsumenckiej, nie byłoby wystarczającej liczby dermatologów, którzy mogliby śledzić tropy .

Axerio-Cilies twierdzi, że firmy będą kuszone, by oferować narzędzia do głębokiego uczenia się bezpośrednio konsumentom. Na przykład ludzie mogą skanować własne pieprzyki, aby sprawdzić, czy potrzebują wizyty u lekarza. Niektóre aplikacje na telefony komórkowe inne niż AI, takie jak Krecik mapujący , już pozwalają ludziom śledzić podejrzane pieprzyki i rejestrować wszelkie zmiany w czasie.

Halpern mówi jednak, że uważa, że ​​konsumenci nie są gotowi do radzenia sobie z systemami diagnostycznymi, które mogą im powiedzieć, że pieprzyk ma 5% lub 50% szans na raka.

Nie jesteśmy świetni w wykorzystywaniu prawdopodobieństw, mówi.

ukryć