Jak chip do gier może kiedyś uratować Ci życie?

Firma NVIDIA

Jensen Huang, miliarder CEO Nvidii, zarobił fortunę, dostarczając sprzęt używany do algorytmów sztucznej inteligencji. Teraz obstawia, że ​​sztuczna inteligencja stanie się nieodzowną częścią medycyny.

Na początku lat 90. Huang uznał, że ograniczenia chipów komputerowych ogólnego przeznaczenia i wzrost popularności gier komputerowych prawdopodobnie zwiększą popyt na wyspecjalizowane procesory graficzne. W późnych latach 90. i 2000. firma, którą był współzałożycielem, odniosła ogromny sukces, tworząc wysokiej klasy układy graficzne dla graczy.

Niedawno Huang i Nvidia przeszły inną falę technologiczną, dostarczając sprzęt używany do trenowania i uruchamiania algorytmów głębokiego uczenia, które były kluczem do niedawnego renesansu sztucznej inteligencji. Głębokie uczenie wymaga ogromnych ilości danych treningowych i wydajnego sprzętu komputerowego, a procesory graficzne Nvidii oferują odpowiedni rodzaj przetwarzania równoległego, aby te algorytmy działały.

Huang uważa teraz, że algorytmy AI zrewolucjonizują medycynę i opiekę zdrowotną, i zakłada, że ​​szpitale, lekarze i badacze medyczni będą kolejną dużą bazą klientów Nvidii. Ilość danych, jaką dysponuje służba zdrowia, jest ogromna i jest to doskonały przykład danych nieustrukturyzowanych. A jednak obliczeniowe wykorzystanie tych danych jest dość ograniczone, powiedział Huang Przegląd technologii MIT . Jednym z obszarów, który jest idealnym pierwszym wpisem, jest obrazowanie medyczne.

Coraz więcej artykułów naukowych pokazuje, że uczenie głębokie może być zasadniczo wykorzystywane do automatyzacji identyfikacji chorób na obrazach medycznych. Naukowcy ze Stanford wykazali, że technika może wykryć rak skóry na zdjęciach . Zespół Google odkrył, że można go wykorzystać do identyfikacji anomalii w prześwietleniach klatki piersiowej . Nvidia twierdzi, że ponad połowa referatów przedstawionych na Międzynarodowej Konferencji na temat Medical Image Computing and Computer Assisted Intervention, najważniejszym wydarzeniu w dziedzinie obrazowania medycznego, dotyczyła jakiejś formy głębokiego uczenia się.

Ta trójwymiarowa wizualizacja komory serca została stworzona przy użyciu sprzętu Nvidii. Firma NVIDIA

Nvidia współpracuje już z wieloma firmami produkującymi instrumenty do obrazowania medycznego i wszystkie te firmy chcą dodać więcej analiz obliczeniowych do swoich systemów, mówi Huang. Uważa, że ​​do takiego systemu powinno być również możliwe podłączenie istniejącego sprzętu, aby obrazy były analizowane, a wyniki prezentowane technikom i lekarzom.

Huang mówi, że w przyszłości te maszyny będą wspomagane przez superkomputery, zmieniając je w nowoczesne, niesamowite instrumenty medyczne, podobnie jak przetwarzanie w chmurze zrobiło to z telefonami komórkowymi.

W zeszłym miesiącu, Nvidia ogłoszony produkt, który ma na celu zrobienie czegoś takiego. Składa się ze stojaków z potężnymi chipami komputerowymi i jest wyposażony w oprogramowanie do takich zadań, jak wyostrzanie obrazów MRI i tworzenie wizualizacji danych ultrasonograficznych. System mógłby również wspierać techniki uczenia maszynowego służące do identyfikowania oznak choroby na obrazach.

John Guttag , profesor informatyki na MIT, mówi, że obrazowanie medyczne zostanie przekształcone dzięki wykorzystaniu uczenia maszynowego, a w szczególności uczenia głębokiego. Jednak mówi, że najbardziej bezpośredni wpływ sztucznej inteligencji na medycynę będzie miał miejsce w badaniach medycznych. Nastąpi radykalna zmiana w sposobie prowadzenia badań, a to będzie miało pośredni wpływ na opiekę, mówi. Możemy przyjrzeć się 20 000 skanom pacjentów z chorobą Alzheimera i dowiedzieć się rzeczy, których nie moglibyśmy dowiedzieć się gołym okiem.

Powiązana historia

Powiązana historia Nikt tak naprawdę nie wie, jak najbardziej zaawansowane algorytmy robią to, co robią. To może być problem.

Guttag mówi, że technologia w końcu trafi również do szpitali i klinik, ale sprawy toczą się wolniej. Może się okazać, że trudno jest przekonać lekarzy i pacjentów do zaakceptowania diagnozy AI, mówi, jeśli system nie oferuje również zaleceń lub dobrego wyjaśnienia wniosków. Wiele modeli uczenia maszynowego, zwłaszcza w przypadku uczenia głębokiego, jest bardzo trudnych do zbadania (patrz Mroczna tajemnica w sercu sztucznej inteligencji).

Wyzwania nie zniechęciły coraz większej liczby firm, które chcą teraz przekształcić postępy badawcze w narzędzia kliniczne. Amerykańska Agencja ds. Żywności i Leków zatwierdziła już niektóre techniki sztucznej inteligencji do użytku klinicznego, w tym: technologia do identyfikacji objawów retinopatii cukrzycowej na obrazach siatkówki, a produkt do rozpoznawania oznak udaru mózgu w tomografii komputerowej oraz a platforma onkologiczna w chmurze .

Ale po prostu nierealistyczne jest wyobrażanie sobie, że wiele z tego, co robią lekarze, można by zautomatyzować. Algorytmy mogą pomóc im przeanalizować więcej danych, niż byłoby to możliwe w innym przypadku, i mogliby lepiej radzić sobie z prostymi formami diagnozy. Ale rokowanie pacjenta i opcje leczenia mogą zależeć od wielu czynników, w tym unikalnej historii medycznej tej osoby. Wykonywanie osądów w takich okolicznościach jest znacznie większym wyzwaniem dla maszyny.

Niezależnie od wyzwań, możliwości dla Nvidii są zbyt duże, by je zignorować.

Atul Butte , profesor w UCSF School of Medicine i ekspert w dziedzinie wykorzystania technologii w opiece zdrowotnej, mówi, że szpitale nieuchronnie będą inwestować więcej w sprzęt potrzebny do uruchamiania algorytmów uczenia głębokiego. Mówi: Na UCSF i w innych miejscach są wykładowcy, którzy już używają płyt i sprzętu Nvidii do trenowania modeli głębokiego uczenia się na obrazach medycznych, w tym mammografii, ultradźwiękach i innych.

ukryć