Nowy algorytm może wykryć zapalenie płuc lepiej niż radiolog

Kategoria: Sztuczna inteligencja Opublikowany 16 listopada

Dodaj diagnozowanie niebezpiecznych chorób płuc do rosnącej listy rzeczy, które sztuczna inteligencja może zrobić lepiej niż ludzie.

Nowy arXiv artykuł naukowców ze Stanford wyjaśnia, w jaki sposób CheXNet, konwolucyjna sieć neuronowa, którą opracowali, osiągnęła ten wyczyn. CheXNet został przeszkolony w oparciu o publicznie dostępny zestaw danych obejmujący ponad 100 000 zdjęć rentgenowskich klatki piersiowej, które zostały opatrzone adnotacjami dotyczącymi 14 różnych chorób, które pojawiają się na zdjęciach. Naukowcy zlecili czterem radiologom prześwietlenie zestawu testowego i postawienie diagnozy, które porównano z diagnozami wykonanymi przez CheXNet. CheXNet nie tylko pokonał radiologów w wykrywaniu zapalenia płuc, ale po rozszerzeniu algorytmu okazał się również lepszy w identyfikowaniu pozostałych 13 chorób.

Wczesne wykrycie zapalenia płuc może pomóc zapobiec niektórym z 50 000 zgonów, które choroba powoduje każdego roku w Stanach Zjednoczonych. Zapalenie płuc jest również pojedyncza największa zakaźna przyczyna śmierci dla dzieci na całym świecie, zabijając w 2015 r. prawie milion dzieci poniżej piątego roku życia.

Andrew Ng, współautor artykułu i były szef badań nad sztuczną inteligencją w Baidu, uważa, że ​​sztuczna inteligencja będzie w coraz większym stopniu wykorzystywana w medycynie. Wcześniej pracował nad algorytmem, który po przeszkoleniu w zakresie danych z elektrokardiogramu (EKG) może identyfikować arytmie serca lepiej niż człowiek. Kolejny algorytm głębokiego uczenia opublikowany niedawno w Natura był w stanie wykryć nowotworowe zmiany skórne tak samo dobrze, jak dermatolog posiadający certyfikat zarządu.

Zwłaszcza radiolodzy już od jakiegoś czasu byli o tym informowani. Wcześniejsze badania wykazały, że sztuczna inteligencja jest tak samo dobra lub lepsza niż lekarze w wykrywaniu problemów w tomografii komputerowej. Geoffrey Hinton, jeden z pionierów głębokiego uczenia się, powiedziałem Nowojorczyk że ze względu na postęp w sztucznej inteligencji uczelnie medyczne powinny już teraz zaprzestać szkolenia radiologów. Analiza zestawów danych opartych na obrazach, takich jak zdjęcia rentgenowskie, tomografia komputerowa i zdjęcia medyczne, jest tym, w czym przodują algorytmy uczenia głębokiego. I bardzo dobrze mogliby ratować życie.