211service.com
Nvidias Deep-Learning-chips kan give medicin et skud i armen
Chipproducenten Nvidia kører på den nuværende kunstig intelligens boom med hardware designet til at drive banebrydende læringsalgoritmer. Og virksomheden ser sundhedspleje og medicin som det næste store marked for sin teknologi.
Kimberly Powell, der leder Nvidias indsats inden for sundhedspleje, siger, at virksomheden arbejder med medicinske forskere inden for en række områder og vil se efter at udvide denne indsats i de kommende år.
Der er denne fantastiske stigning i medicinsk billeddannelsesforskning, sagde Powell kl MIT Technology Review 's EmTech Digital-konference i San Francisco mandag. Flere og flere besøger vi udbydere på hospitaler i dag, og de forestiller sig nye kunstig intelligens-applikationer.
Mest bemærkelsesværdigt bliver en maskinlæringsteknik kaldet deep learning anvendt til at behandle medicinske billeder og gennemsøge store mængder medicinske data. Deep learning, som er meget løst inspireret af den måde, neuroner i hjernen ser ud til at virke på, har allerede vist sig utrolig nyttig til at finde billeder og behandle lydfiler (se 10 Breakthrough Technologies: Deep Learning).
Denne AI-teknik ser bestemt ud til at vinde fordele i medicinsk forskning. Sidste år viste et team fra Google, at dyb læring kan bruges til at automatisere diagnosticering af øjensygdomme. I mellemtiden udgav en gruppe fra Stanford University et papir i tidsskriftet Natur der viste teknikken kan spotte hudkræft samt en uddannet hudlæge. En gruppe fra Mount Sinai Hospital i New York brugte tilgangen til analysere patienters elektroniske sygejournaler og forudsige, med overraskende høj nøjagtighed, hvilken sygdom en person ville fortsætte med at udvikle.
Dette er blot nogle få højprofilerede eksempler. Powell bemærkede under sit foredrag, at store medicinske billeddiagnostiske konferencer er blevet domineret af deep-learning papers.
Grafikprocessorerne lavet af Nvidia er meget velegnede til at udføre de parallelle beregninger, der kræves til deep learning, og chipproducenten har allerede bygget en betydelig forretning, der leverer hardware til deep-learning forskere i den akademiske verden og industrien. Nvidia laver et voksende antal specialiserede deep-learning-produkter, herunder en kraftfuld forskningscomputer kaldet DGX-1 og et system til selvkørende køretøjer kaldet Drive PX.
Powell mener, at virksomhedens hardware i stigende grad også vil blive fundet på hospitaler og medicinske forskningscentre. Tilgangen kunne bidrage til at forbedre pålideligheden af diagnoser, sagde hun, og kunne i høj grad øge standarderne for pleje i udviklingslande, hvor ekspertise er knap. Powell tilføjede, at opdagelse af lægemidler sandsynligvis ville være et andet stort område for dyb læring i fremtiden.
Men dyb læring kan også hjælpe læger med at finde mønstre, som ellers ville være usynlige. Nvidia arbejder for eksempel sammen med Bradley Erickson, en neuro-radiolog ved Mayo Clinic, for at anvende dyb læring til hjernebilleder. Erickson har haft en vis succes med at identificere genetiske faktorer relateret til hjernesygdom fra billeder, sagde Powell.
Tidligere, ved samme begivenhed, udpegede Gary Marcus, professor fra NYU, medicin som det område, hvor AI kunne have sin største indflydelse. Tænk på kræft, sagde Marcus. De risikofaktorer, der kan indikere sandsynligheden for en sådan sygdom, kan være svære for en person at identificere, men de kan blive afsløret af en algoritme, sagde han. Dræberappen [til AI] kan være store fremskridt i, hvordan vi behandler medicin.
Der er dog betydelige udfordringer med at anvende teknikker som deep learning til medicin. Tilgangen er så kompleks og uigennemsigtig, at det måske ikke er klart for en læge, hvorfor en algoritme kommer med en bestemt diagnose. Powell anerkendte denne udfordring, men sagde, at løsninger, såsom nye måder at visualisere adfærden i deep-learning netværk, dukkede op. Det er et stort emne i forskningen lige nu, sagde hun.