Jauns algoritms pneimoniju var noteikt labāk nekā radiologs

Kategorija: Mākslīgais intelekts Ievietots 16. novembris

Pievienojiet bīstamu plaušu slimību diagnosticēšanu arvien pieaugošajam to lietu sarakstam, kuras mākslīgais intelekts var paveikt labāk nekā cilvēki.

Jauns arXiv Stenfordas pētnieku rakstā ir paskaidrots, kā CheXNet, viņu izstrādātais konvolucionālais neironu tīkls, sasniedza šo varoņdarbu. CheXNet tika apmācīts par publiski pieejamu datu kopu, kurā bija vairāk nekā 100 000 krūškurvja rentgenstaru, kas tika anotēti ar informāciju par 14 dažādām slimībām, kas parādās attēlos. Pētnieki lika četriem radiologiem veikt rentgena testu komplektu un noteikt diagnozes, kuras salīdzināja ar CheXNet veiktajām diagnozēm. CheXNet ne tikai pārspēja radiologus, atklājot pneimoniju, bet, kad algoritms tika paplašināts, tas izrādījās labāks arī pārējās 13 slimības identificēšanā.

Agrīna pneimonijas atklāšana varētu palīdzēt novērst dažus no 50 000 nāves gadījumu, ko slimība izraisa ASV katru gadu. Pneimonija ir arī vienīgais lielākais infekcijas izraisītais nāves cēlonis bērniem visā pasaulē, 2015. gadā nogalinot gandrīz miljonu bērnu, kas jaunāki par pieciem gadiem.

Andrew Ng, raksta līdzautors un bijušais Baidu AI pētniecības vadītājs, domā, ka medicīnā arvien vairāk paļausies uz mākslīgo intelektu. Viņš iepriekš strādāja pie algoritma, kas pēc elektrokardiogrammas (EKG) datu apmācības var noteikt sirds aritmijas labāk nekā cilvēku eksperts. Vēl viens padziļinātas apmācības algoritms, kas nesen tika publicēts Daba spēja pamanīt vēža ādas bojājumus tikpat labi kā sertificēta dermatologa.

It īpaši radiologi jau kādu laiku ir bijuši uzmanīgi. Iepriekšējie pētījumi ir parādījuši, ka mākslīgais intelekts ir tikpat labs vai labāks nekā ārsti, lai konstatētu problēmas CT skenēšanā. Džefrijs Hintons, viens no dziļās mācīšanās pionieriem, pastāstīja Ņujorkietis ka mākslīgā intelekta attīstības dēļ medicīnas skolām tagad jāpārtrauc radiologu apmācība. Uz attēliem balstītu datu kopu, piemēram, rentgenstaru, CT skenēšanas un medicīnisko fotoattēlu, analīze ir tas, ar ko izceļas dziļās mācīšanās algoritmi. Un viņi ļoti labi varētu glābt dzīvības.