MIT использует искусственный интеллект для прогнозирования рака молочной железы до 5 лет вперед
Современный искусственный интеллект использует сложные алгоритмы для мгновенного выполнения всевозможных задач, таких как выяснение того, как чувствует себя клиент, основываясь на его обзоре, или определение конкретных характеристик изображения. Тем не менее, самые яркие моменты ИИ происходят от творческого использования этих алгоритмов. Люди использовали ИИ для создания новых видов спорта, превращения рисунков в реалистичные ландшафты, и теперь MIT нашел способ выявления рака молочной железы за пять лет вперед с использованием модели классификации изображений с глубоким обучением.
Лаборатория компьютерных наук и искусственного интеллекта MIT (CSAIL) и Массачусетская больница общего профиля (MGH) использовали маммограммы и известные результаты более чем 60 000 пациентов для обучения своей новой модели мельчайшим визуальным деталям, которые человеческий глаз может легко упустить. Хорошо обученные врачи не пропускают эти прогностические паттерны только потому, что они могут показаться слишком маленькими, чтобы их замечать, а потому, что более тонкие паттерны просто не привлекают достаточного внимания. Модель классификации изображений, которая может обрабатывать мелкие фрагменты в тысячах сканов, может быстро справиться с этой сложной задачей.
Профессор Массачусетского технологического института (и оставшийся в живых рака молочной железы) Регина Барзилай объясняет, как эта новая модель может изменить планы лечения к лучшему:
Вместо того, чтобы подходить на все случаи жизни, мы можем персонализировать скрининг на предмет риска развития рака у женщины. Например, врач может порекомендовать, чтобы одна группа женщин получала маммографию через год, в то время как другая группа с более высоким риском могла бы получить дополнительный скрининг МРТ.
Когда врачи могут заказать маммограмму в зависимости от потребностей пациента, они могут избежать ненужного воздействия радиации и затрат на потенциально ненужное сканирование. В то время как существующие модели могут точно идентифицировать 18 процентов пациентов в категории высокого риска, эта новая модель увеличивает это число до 31 процента. Его успех во многом зависит от подхода команды к его развитию. Впервые модель профилактики рака молочной железы ориентирована на отдельных женщин. Он также учитывает расовое разнообразие, где прошлые модели были в основном ориентированы на население Кавказа. Это не только помогает повысить точность, но и значительно снизить уровень смертности от рака молочной железы у афроамериканских женщин.
Как показали MIT и MGH, хорошо обученные модели классификации изображений могут помочь врачам спасти жизни. Хотя ни один ИИ не дает идеальных результатов, алгоритмы классификации изображений уже сформировались и стали надежными во многих различных приложениях, особенно в конкретных моделях, подобных этой. Чтобы создать успешную модель распознавания изображений, нужно чуть больше, чем хорошая идея, соответствующие данные и немного времени. Такие сервисы, как Clarifai, Microsoft Azure, IBM Watson, Vize и другие, предоставляют бесплатные учебные платформы по индивидуальным моделям, для установки которых не требуются знания программирования. Благодаря тому, что эти алгоритмы доступны всем и каждому, у нас есть все необходимые ресурсы для обучения ИИ для решения проблем и помощи другим. Требуется время и забота, чтобы безопасно интегрировать успешный эксперимент в практику диагностической медицины; этот подход, вероятно, увидит много пересмотров, поскольку он распространяется за пределы одной больницы. Но первые результаты являются многообещающими.
Читать далее
TDP Intel для настольных ПК больше не используется для прогнозирования энергопотребления процессора
TDP процессоров Intel более высокого класса для настольных ПК больше не сообщает ничего полезного о потребляемой мощности процессоров под нагрузкой.