211service.com
Hvorfor IBM lige har købt milliarder af medicinske billeder for Watson at se på
IBM siger, at Watson, deres kunstige intelligens-teknologi, kan bruge avanceret computersyn til at behandle enorme mængder af medicinske billeder. Nu har Watson sigtepunktet på at bruge denne evne til at hjælpe læger med at diagnosticere sygdomme hurtigere og mere præcist.
I sidste uge annoncerede IBM, at de ville købe Flet Healthcare for en milliard dollars. Hvis aftalen er afsluttet, ville dette være den tredje sundhedsdatavirksomhed, IBM har købt i år (se Meet the Health-Care Company IBM Needed to Make Watson More Insightful). Merge har specialiseret sig i at håndtere alle former for medicinske billeder, og dets service bruges af mere end 7.500 hospitaler og klinikker i USA, samt kliniske forskningsorganisationer og farmaceutiske virksomheder. Shahram Ebadollahi , vicepræsident for innovation og chief science officer for IBMs Watson Health Group, siger, at opkøbet er en del af et forsøg på at trække på mange forskellige datakilder, herunder anonymiserede, tekstbaserede lægejournaler, for at hjælpe læger med at træffe behandlingsbeslutninger.
Merges datasæt indeholder omkring 30 milliarder billeder, hvilket er afgørende for IBM, fordi dets planer for Watson er afhængige af en teknologi, kaldet deep learning, der træner en computer ved at tilføre den store mængder data.
Watson vandt Fare! ved at bruge avanceret naturlig sprogbehandling og statistisk analyse til at fortolke spørgsmål og give de rigtige svar. Deep learning blev føjet til Watsons færdighedssæt for nylig (se IBM pushes Deep Learning med en Watson Upgrade). Denne nye tilgang til kunstig intelligens involverer at lære computere at spotte mønstre i data ved at behandle dem på måder, der er inspireret af netværk af neuroner i hjernen (se Breakthrough Technologies 2013: Deep Learning). Teknologien har allerede givet meget imponerende resultater inden for talegenkendelse (se Microsoft Brings Star Trek 's Voice Translator to Life ) og billedgenkendelse (se Facebook skaber software, der matcher ansigter næsten lige så godt, som du gør).
IBM's forskere mener, at medicinsk billedbehandling kunne være den næste. Billeder anslås at udgøre så meget som 90 procent af alle medicinske data i dag, men det kan være svært for læger at hente vigtig information fra dem, siger John Smith , senior manager for intelligente informationssystemer hos IBM Research.
En af de mest lovende kortsigtede anvendelser af automatiseret billedbehandling, siger Smith, er at opdage melanom, en type hudkræft. Diagnosticering af melanom kan være vanskelig, til dels fordi der er så stor variation i den måde, det ser ud på hos individuelle patienter. Ved at fodre en computer med mange billeder af melanom, er det muligt at lære systemet at genkende meget subtile, men vigtige funktioner forbundet med sygdommen. Den teknologi, IBM forestiller sig, vil muligvis være i stand til at sammenligne et nyt billede fra en patient med mange andre i en database og derefter hurtigt give lægen vigtig information, hentet fra billederne såvel som fra tekstbaserede optegnelser, om diagnosen og potentielle behandlinger.
At finde kræft i lunge-CT-scanninger er et andet godt eksempel på, hvordan en sådan teknologi kan hjælpe med diagnosticering, siger Jeremy Howard, administrerende direktør for Enlitisk , en et år gammel startup, der også bruger deep learning til medicinsk billedbehandling (se A Startup Hopes to Teach Computers to Spot Tumors in Medical Scans). Man skal scrolle gennem hundreder og hundredevis af skiver på udkig efter et par små lysende pixels, der dukker op og forsvinder, og det tager lang tid, og det er meget nemt at lave en fejl, siger han. Howard siger, at hans firma allerede har skabt en algoritme, der er i stand til at identificere relevante karakteristika ved lungetumorer mere præcist, end radiologer kan.
Howard siger, at den største barriere for at bruge dyb læring i medicinsk diagnostik er, at så meget af de data, der er nødvendige for at træne systemerne, forbliver isoleret i individuelle institutioner, og regeringsbestemmelser kan gøre det vanskeligt at dele disse oplysninger. IBMs opkøb af Merge med sine milliarder af medicinske billeder kan hjælpe med at løse dette problem.