En ny algoritme kan opdage lungebetændelse bedre end en radiolog

Kategori: Kunstig intelligens Udsendt 16. nov

Tilføj diagnosticering af farlige lungesygdomme til den voksende liste over ting, kunstig intelligens kan gøre bedre end mennesker.

En ny arXiv papir af forskere fra Stanford forklarer, hvordan CheXNet, det konvolutionelle neurale netværk, de udviklede, opnåede bedriften. CheXNet blev trænet i et offentligt tilgængeligt datasæt med mere end 100.000 røntgenbilleder af thorax, der var kommenteret med information om 14 forskellige sygdomme, der dukker op på billederne. Forskerne fik fire radiologer til at gennemgå et testsæt af røntgenbilleder og stille diagnoser, som blev sammenlignet med diagnoser udført af CheXNet. Ikke alene slog CheXNet radiologer ved at spotte lungebetændelse, men da algoritmen blev udvidet, viste den sig også bedre til at identificere de andre 13 sygdomme.

Tidlig påvisning af lungebetændelse kan hjælpe med at forhindre nogle af de 50.000 dødsfald, sygdommen forårsager i USA hvert år. Lungebetændelse er også den største enkeltstående smitsomme dødsårsag for børn på verdensplan og dræbte næsten en million børn under fem år i 2015.

Andrew Ng, en medforfatter af papiret og den tidligere leder af AI-forskning hos Baidu, mener, at man vil stole mere og mere på AI inden for medicin. Han har tidligere arbejdet på en algoritme, der efter at være blevet trænet i elektrokardiogramdata (EKG) kan identificere hjertearytmier bedre end en menneskelig ekspert. En anden dyb-læringsalgoritme for nylig offentliggjort i Natur var i stand til at spotte kræfthudlæsioner lige så godt som en bestyrelsescertificeret hudlæge.

Især radiologer har været på varsel i et stykke tid. Tidligere forskning har vist, at AI er lige så god som eller bedre end læger til at spotte problemer i CT-scanninger. Geoffrey Hinton, en af ​​pionererne inden for dyb læring, fortalte New Yorker at på grund af fremskridtene inden for kunstig intelligens bør medicinske skoler stoppe med at uddanne radiologer nu. At analysere billedbaserede datasæt som røntgenbilleder, CT-scanninger og medicinske fotos er, hvad deep-learning algoritmer udmærker sig ved. Og de kunne meget vel redde liv.