En ny algoritme kan oppdage lungebetennelse bedre enn en radiolog

Kategori: Kunstig intelligens Lagt ut 16. nov

Legg diagnostisering av farlige lungesykdommer til den voksende listen over ting kunstig intelligens kan gjøre bedre enn mennesker.

En ny arXiv papir av forskere fra Stanford forklarer hvordan CheXNet, det konvolusjonelle nevrale nettverket de utviklet, oppnådde bragden. CheXNet ble trent på et offentlig tilgjengelig datasett med mer enn 100 000 røntgenbilder av thorax som ble annotert med informasjon om 14 forskjellige sykdommer som dukker opp i bildene. Forskerne fikk fire radiologer til å gå gjennom et testsett med røntgenbilder og stille diagnoser, som ble sammenlignet med diagnoser utført av CheXNet. Ikke bare slo CheXNet radiologer ved å oppdage lungebetennelse, men når algoritmen ble utvidet, viste den seg også bedre til å identifisere de andre 13 sykdommene.

Tidlig påvisning av lungebetennelse kan bidra til å forhindre noen av de 50 000 dødsfallene sykdommen forårsaker i USA hvert år. Lungebetennelse er også enkelt største smittsomme dødsårsak for barn over hele verden, og drepte nesten en million barn under fem år i 2015.

Andrew Ng, en medforfatter av papiret og tidligere leder for AI-forskning ved Baidu, tror AI kommer til å bli mer og mer stole på i medisin. Han har tidligere jobbet med en algoritme som kan identifisere hjertearytmier bedre enn en menneskelig ekspert etter å ha blitt trent i elektrokardiogramdata (EKG). En annen dyplæringsalgoritme nylig publisert i Natur var i stand til å oppdage kreft hudlesjoner like godt som en styresertifisert hudlege.

Spesielt radiologer har vært på varsel en stund. Tidligere forskning har vist at AI er like god som eller bedre enn leger til å oppdage problemer i CT-skanninger. Geoffrey Hinton, en av pionerene innen dyp læring, fortalte En fra New York at på grunn av fremskritt innen AI, bør medisinske skoler slutte å trene radiologer nå. Å analysere bildebaserte datasett som røntgen, CT-skanninger og medisinske bilder er det dyplæringsalgoritmer utmerker seg med. Og de kan meget vel redde liv.