211service.com
Nvidias dyplæringsbrikker kan gi medisin et skudd i armen
Brikkeprodusenten Nvidia kjører på den nåværende bommen med kunstig intelligens med maskinvare designet for å drive banebrytende læringsalgoritmer. Og selskapet ser på helsevesen og medisin som det neste store markedet for sin teknologi.
Kimberly Powell, som leder Nvidias innsats innen helsevesenet, sier at selskapet jobber med medisinske forskere på en rekke områder og vil se etter å utvide denne innsatsen i årene som kommer.
Det er denne fantastiske økningen i medisinsk bildebehandlingsforskning, sa Powell kl MIT Technology Review sin EmTech Digital-konferanse i San Francisco på mandag. Mer og mer besøker vi leverandører på sykehus i dag, og de ser for seg nye kunstig intelligens-applikasjoner.
Mest bemerkelsesverdig brukes en maskinlæringsteknikk kalt dyp læring for å behandle medisinske bilder og sile gjennom store mengder medisinske data. Deep learning, som er veldig løst inspirert av måten nevroner i hjernen ser ut til å fungere på, har allerede vist seg utrolig nyttig for å finne bilder og behandle lydfiler (se 10 Breakthrough Technologies: Deep Learning ).
Denne AI-teknikken ser absolutt ut til å vinne fordeler i medisinsk forskning. I fjor viste et team fra Google at dyp læring kan brukes til å automatisere diagnosen øyesykdom. I mellomtiden publiserte en gruppe fra Stanford University en artikkel i tidsskriftet Natur som viste teknikken kan oppdage hudkreft samt utdannet hudlege. En gruppe fra Mount Sinai Hospital i New York brukte tilnærmingen til analysere pasienters elektroniske helsejournaler og forutsi, med overraskende høy nøyaktighet, hvilken sykdom en person vil fortsette å utvikle.
Dette er bare noen få høyprofilerte eksempler. Powell bemerket under foredraget at store medisinske bildekonferanser har blitt dominert av dyptgående artikler.
Grafikkprosessorene laget av Nvidia er svært godt egnet til å utføre de parallelle beregningene som kreves for dyp læring, og brikkeprodusenten har allerede bygget en betydelig virksomhet som leverer maskinvare til dyplæringsforskere i akademia og industri. Nvidia lager et økende antall spesialiserte dyplæringsprodukter, inkludert en kraftig forskningsdatamaskin kalt DGX-1 og et system for selvkjørende kjøretøy kalt Drive PX.
Powell mener at selskapets maskinvare i økende grad også vil bli funnet på sykehus og medisinske forskningssentre. Tilnærmingen kan bidra til å forbedre påliteligheten til diagnosen, sa hun, og kan øke standardene for omsorg betydelig i utviklingsland, der ekspertisen er knapp. Powell la til at medikamentoppdagelse sannsynligvis ville være et annet stort område for dyp læring i fremtiden.
Men dyp læring kan også hjelpe leger med å finne mønstre som ellers ville vært usynlige. Nvidia jobber for eksempel med Bradley Erickson, en nevro-radiolog ved Mayo Clinic, for å bruke dyp læring på hjernebilder. Erickson har hatt en viss suksess med å identifisere genetiske faktorer relatert til hjernesykdom fra bilder, sa Powell.
Tidligere, på samme arrangement, pekte Gary Marcus, en professor fra NYU, ut medisin som området der AI kan ha sin største innvirkning. Tenk på kreft, sa Marcus. Risikofaktorene som kan indikere sannsynligheten for en slik sykdom kan være vanskelig for en person å identifisere, men de kan avdekkes av en algoritme, sa han. Morderappen [for AI] kan være store fremskritt i hvordan vi behandler medisin.
Det er imidlertid betydelige utfordringer med å anvende teknikker som dyp læring til medisin. Tilnærmingen er så kompleks og ugjennomsiktig at det kanskje ikke er klart for en lege hvorfor en algoritme kommer med en bestemt diagnose. Powell erkjente denne utfordringen, men sa at løsninger, som nye måter å visualisere oppførselen til dyplæringsnettverk på, dukket opp. Det er et stort tema innen forskning akkurat nå, sa hun.