Obecnie jesteśmy w stanie zaufać sztucznej inteligencji w takich obszarach jak np. samodzielne parkowanie samochodu, jednak poleganie na niej w tak skomplikowanych sytuacjach jak diagnozy medyczne nie było do tej pory powszechną praktyką. Naukowcy z Uniwersytetu w Kalifornii chcą to zmienić – stworzona przez nich platforma wykorzystująca sztuczną inteligencję potrafi nie tylko zdiagnozować i rozróżnić dwie najpopularniejsze choroby siatkówki (zwyrodnienie plamki żółtej i cukrzycowy obrzęk plamki), ale także ocenić stopień zaawansowania schorzenia.
Sprawdź także: Apple wydaje miliony na sztuczną inteligencję!
– Kluczem do tego sukcesu była zmiana sposobu uczenia się sztucznej inteligencji. Naukowcy wykorzystali nowy, specyficzny typ uczenia maszynowego nazwany „uczeniem transferowym". Fenomen uczenia transferowego w przypadku medycyny polega na tym, że pozwala ono przenieść zasób wiedzy z jednego obszaru chorobowego na inny, podnosząc dokładność diagnozy przy jednoczesnym skróceniu czasu potrzebnego na naukę – tłumaczy Tomasz Gibas, ekspert ds. sztucznej inteligencji.
Czytaj też: Sieci neuronowe przetłumaczą tekst za Ciebie. I to poprawnie!
W chwili obecnej platforma przyswoiła już 200 tys. zdjęć tomograficznych siatkówki i w ciągu 30 sekund jest w stanie ocenić, czy pacjent potrzebuje leczenia. Skuteczność diagnozy wynosi ok. 95 proc., co twórcy porównują z trafnością dobrze wyszkolonego okulisty. Co więcej, zadbano też, by proces diagnozowania był jak najbardziej przejrzysty, aby nawet pacjenci nieobeznani z technologią mogli mu zaufać. Komputer na bieżąco pokazuje, na jaki obszar patrzy oraz na jakiej podstawie wystawia swoją diagnozę.
Zobacz również: Boeing wprowadzi samoloty bez pilotów? Człowieka ma zastąpić sztuczna inteligencja
– Zastosowanie transferowego systemu uczenia się pozwala już teraz kalifornijskiej sztucznej inteligencji diagnozować obrazy rentgenowskie klatki piersiowej i z 90 proc. dokładnością rozróżniać wirusowe i bakteryjne zapalenie płuc. Najbliższym planem twórców jest zastosowanie jej także w innych obszarach medycyny, ponieważ każdorazowe zwiększenie bazy danych skutkuje według nich zwiększeniem efektywności diagnozy. Finalnie, celem jest pokazanie lekarzom, że sztuczna inteligencja jest cennym narzędziem pozwalającym usprawnić pracę, a pacjentom – że szybka i trafna diagnoza dokonana przez komputer pozwoli im szybciej poddać się niezbędnemu leczeniu – powiedział Tomasz Gibas.
Sprawdź także: Sztuczne sieci neuronowe w służbie biznesu
Źródło: materiały prasowe
Podcasty
Playlisty tematyczne
