Okulista AI pokazuje, jak uczenie maszynowe może zmienić medycynę

Badacze Google otrzymali algorytm skanowania oczu, aby samodzielnie odkryć, jak wykryć powszechną formę ślepoty, pokazując potencjał sztucznej inteligencji do niezwykle szybkiego przekształcenia medycyny.

Algorytm może analizować obrazy siatkówki i wykrywać retinopatię cukrzycową – która dotyka prawie jedną trzecią pacjentów z cukrzycą – tak samo, jak potrafi to zrobić dobrze wyszkolony okulista. Wykorzystuje tę samą technikę uczenia maszynowego, której używa Google do oznaczania milionów obrazów internetowych.

Retinopatia cukrzycowa jest spowodowana uszkodzeniem naczyń krwionośnych w oku i powoduje stopniowe pogorszenie widzenia. Jeśli zostanie wykryty wcześnie, można go leczyć, ale chory może nie odczuwać żadnych objawów wcześnie, co sprawia, że ​​badania przesiewowe są niezbędne. Diagnoza jest częściowo diagnozowana przez eksperta, który bada obrazy siatkówki pacjenta, uchwycone za pomocą specjalistycznego urządzenia, pod kątem oznak krwawienia i wycieku płynów.

Pewna forma automatycznego wykrywania może sprawić, że diagnoza stanie się bardziej skuteczna i wiarygodna, i może być szczególnie przydatna w regionach, w których wymagana wiedza specjalistyczna jest ograniczona. Jedną z najbardziej intrygujących rzeczy w tym podejściu do uczenia maszynowego jest to, że może ono poprawić obiektywność, a ostatecznie dokładność i jakość opieki medycznej, mówi Michael Chiang , profesor okulistyki i klinicysta w Casey Eye Institute na Oregon Health & Science University.

W przeszłości sztuczna inteligencja odniosła mieszany sukces w medycynie. Wykazano, że systemy wykorzystujące bazę wiedzy do udzielania porad w niektórych sytuacjach przewyższają lekarzy, ale ich wykorzystanie jest ograniczone. Mimo to moc uczenia maszynowego — zwłaszcza techniki znanej jako uczenie głębokie — może sprawić, że sztuczna inteligencja stanie się bardziej popularna w przyszłości (patrz 10 Przełomowe technologie 2013: Uczenie głębokie ). Robi to zespół Google DeepMind, spółki zależnej Alphabet, która skupia się wyłącznie na sztucznej inteligencji podobna praca , szkoląc komputery do przetwarzania skanów optycznej tomografii koherentnej pod kątem oznak zwyrodnienia plamki żółtej i innych chorób oczu we współpracy z naukowcami z Moorfields Eye Hospital w Londynie (zobacz pierwszy koncert badań medycznych DeepMind, który wykorzysta sztuczną inteligencję do diagnozowania choroby oczu ).

To badanie obrazu siatkówki, opublikowane we wtorek, zaznaczyło pierwszy raz artykuł o głębokim uczeniu pojawił się w Dziennik Amerykańskiego Towarzystwa Medycznego , według redaktora naczelnego pisma Howarda Bauchnera.

Autorzy artykułu, złożony z informatyków z Google oraz badaczy medycznych z USA i Indii, opracowali algorytm do analizy obrazów siatkówki. Jednak w przeciwieństwie do istniejącego oprogramowania okulistycznego, nie zostało ono wyraźnie zaprogramowane do rozpoznawania cech na obrazach, które mogłyby wskazywać na chorobę. Po prostu spojrzał na tysiące zdrowych i chorych oczu i sam wymyślił, jak rozpoznać stan.

Naukowcy stworzyli zestaw szkoleniowy zawierający 128 000 obrazów siatkówki sklasyfikowanych przez co najmniej trzech okulistów. Po przeszkoleniu algorytmu naukowcy przetestowali jego działanie na 12 000 obrazów i stwierdzili, że odpowiadał lub przewyższał wydajność ekspertów w identyfikowaniu stanu i ocenianiu jego nasilenia.

Badacze Google współpracowali z naukowcami z Aravind Medical Research Foundation w Indiach, gdzie trwa badanie kliniczne z udziałem prawdziwych pacjentów. W ramach tego projektu pacjenci otrzymują normalną konsultację, ale ich obrazy są również wprowadzane do systemu głębokiego uczenia się w celu porównania. Lily Peng, badaczka w Google i lekarz medycyny, która była zaangażowana w projekt, mówi, że wyniki tego badania nie są jeszcze gotowe do publikacji.

Głębokie uczenie można zastosować w wielu różnych dziedzinach medycyny, które opierają się na analizie obrazu, takich jak radiologia i kardiologia. Jednak jednym z największych wyzwań będzie dostarczenie przekonujących dowodów, że systemy są niezawodne. Brendan Frey , profesor na Uniwersytecie w Toronto oraz prezes i współzałożyciel firmy o nazwie Głęboka genomika ostrzega, że ​​naukowcy będą musieli opracować systemy uczenia maszynowego, które będą w stanie wyjaśnić, w jaki sposób doszli do konkretnego wniosku (patrz Problem językowy AI ).

Peng z Google twierdzi, że jest to coś, nad czym już pracuje jej zespół. Rozumiemy, że wyjaśnianie będzie bardzo ważne – mówi.

ukryć