К диагностики гриппа как врача

Искусственный интеллект (ИИ) — это важное нововведение в диагностике, потому что он может быстро научиться распознавать аномалии, что врач также будет ярлык как болезнь. Но то, как эти системы работают часто непрозрачны, а врачи считают, что лучше «общую картину», когда они ставят диагноз. В новой публикации, исследователи из Radboudumc показать, как они могут сделать шоу ай, как это работает, а также его диагностика более как врач, что делает ИИ-системы более актуальны для клинической практики.

Доктор против AI

В последние годы, искусственный интеллект был на подъеме в диагностике медицинская визуализация. Врач может смотреть на рентген или биопсию, чтобы выявить нарушения, но это может все быть сделано по системе ИИ с помощью «глубокого обучения» (см. Справочная информация: что такое глубокое изучение’ ниже). Такая система узнает, поставить диагноз самостоятельно, и в некоторых случаях он делает это так же хорошо или лучше, чем опытные врачи.

Два основных отличия по сравнению с человеческим доктором, во-первых, что AI часто не прозрачным, как это анализ изображения, и, во-вторых, что эти системы довольно «ленивый». АИ смотрит на то, что необходимо для конкретного диагноза, а затем останавливается. Это означает, что сканирование не всегда может выявить все аномалии, даже если диагноз правильный. Врач, особенно при рассмотрении плана лечения, смотрит на картину в целом: что я вижу? Что аномалии должны быть удалены или обработаны во время операции?

ИИ как врач

Для того, чтобы сделать ИИ более привлекательным для клинической практики, Кристина Гонсалес Гонсало, кандидат в глаз исследовательского и диагностического анализа изображений группа Radboudumc, разработал двустороннюю инноваций для диагностики ИИ. Она сделала это на основе сканирования глаза, в которых аномалии сетчатки произошло, в частности диабетическая ретинопатия и возрастная макулярная дегенерация. Эти отклонения могут быть легко признаны как врач и AI. Но они также являются нарушения, которые часто происходят в группах. Классический ИИ будет диагностировать одно или несколько пятен и остановить анализ. В процессе разработанная Гонсало Гонсалес тем не менее, ИИ идет через картину снова и снова, чтобы научиться игнорировать места, которые он уже прошел, тем самым открывая новые. Кроме того, Ма также показывает, какие области сканирования глаз он показался подозрительным, поэтому делает диагностический процесс прозрачным.

Итерационный процесс

Базовый AI может придумать диагноз на основании одной оценки сканирование глаз, и благодаря первому взносу Гонсало Гонсалес, он может показать, как он прибыл на этот диагноз. Это визуальное объяснение показывает, что система действительно ленивый, останавливая анализ после того, как получено достаточно информации для постановки диагноза. Вот почему она также сделала процесс итерационного в инновационный путь, заставляя AI, чтобы присмотреться и создать более ‘полную картину’ что рентгенологи бы.

Как же система узнает похожи на глаза скан с ‘свежим взглядом’? Система игнорирует знакомые части с помощью цифрового наполнения в аномалии уже найти с помощью здоровой ткани вокруг аномалии. Результаты всех туров оценки суммируются и производит окончательный диагноз. В исследовании, такой подход повысить чувствительность обнаружения диабетической ретинопатии и возрастной макулярной дегенерации на 11,2+/-2.0% за изображение. Что этот проект доказывает, что это возможно, чтобы иметь ИИ оценивать изображения больше похожи на врача, а также сделать прозрачной, как она делает это. Это может помочь эти системы становятся легче доверять и, следовательно, должны быть приняты радиологов.

Фон: что такое глубокое изучение’?

Глубокое обучение-это термин, используемый для системы, которая учиться в пути, который похож на то, как работает наш мозг. Она состоит из сети из электронных нейронов, каждый из которых учится распознавать один аспект нужные изображения. Затем он следует принципам обучения, и практика делает совершенным’. Система ФРС все больше и больше фотографий, которые включают соответствующую информацию поговорка — В данном случае — есть ли аномалия сетчатки, и если да, что это за болезнь. Тогда система учится распознавать, какие признаки относятся к таким заболеваниям, и тем больше он видит, тем лучше он сможет признать этих характеристик в недиагностированными изображений. Мы делаем нечто подобное с маленькими детьми: мы неоднократно задержать объект, скажем яблоко, перед ними и сказать, что это яблоко. Через некоторое время, вам не придется больше скажу-даже если каждое яблоко немного отличается. Другим важным преимуществом этих систем является то, что они завершат свое обучение гораздо быстрее, чем люди и могут работать 24 часа в сутки.

сделать разницу: спонсорские возможности