Return to Video

Kako umjetna inteligencija dijagnosticira oboljenja

  • 0:01 - 0:05
    Kompjuterski algoritmi čine
    nevjerojatne stvari danas
  • 0:05 - 0:10
    sa visokim nivoom preciznosti,
    koristeći inteligenciju sličnu ljudskoj.
  • 0:10 - 0:14
    Ova kompjuterska inteligencija
    se često naziva UI
  • 0:14 - 0:16
    ili umjetna inteligencija.
  • 0:16 - 0:20
    UI je predodređena da ostavi veliki
    utjecaj na naše živote.
  • 0:21 - 0:25
    Ipak, danas se susrećemo
    sa velikim izazovima
  • 0:25 - 0:28
    u otkrivanju i dijagnosticiranju
    mnogih opasnih oboljenja,
  • 0:28 - 0:31
    kao što su zarazne bolesti i rak.
  • 0:32 - 0:34
    Hiljade pacijenata svake godine
  • 0:34 - 0:37
    izgube život zbog
    raka jetre i usne šupljine.
  • 0:38 - 0:41
    Najbolji način na koji možemo
    pomoći ovim pacijentima
  • 0:41 - 0:45
    je da ranije otkrijemo
    i dijagnosticiramo ova oboljenja.
  • 0:46 - 0:50
    Pa kako možemo otkriti ta oboljenja danas,
    i može li umjetna inteligencija pomoći?
  • 0:52 - 0:56
    Nažalost, za pacijente koji sumnjaju
    da boluju od ovih oboljenja
  • 0:56 - 0:58
    stručnjaci prvo preporučuju
  • 0:58 - 1:01
    vrlo skupe tehnologije
    zdravstvenog snimanja
  • 1:01 - 1:05
    kao flourescentna snimanja,
    rendgene i magnetne rezonance.
  • 1:05 - 1:07
    Kada se ta snimanja obave,
  • 1:07 - 1:12
    drugi stručnjak dijagnosticira
    te snimke i razgovara sa pacijentom.
  • 1:13 - 1:16
    Kao što vidite, ovo je jako skup
    i iscrpljujući proces,
  • 1:16 - 1:20
    koji zahtijeva i medicinske stručnjake
    i skupe tehnologije snimanja,
  • 1:20 - 1:24
    te nije uopće praktičan
    za zemlje u razvoju.
  • 1:24 - 1:27
    Odnosno, nije ni za
    razvijenije zemlje, također.
  • 1:28 - 1:31
    Možemo li riješiti ovaj problem
    umjetnom inteligencijom?
  • 1:32 - 1:36
    Danas, ako bi htio koristiti tradicionalne
    metode umjetne inteligencije
  • 1:36 - 1:37
    kako bi riješio ovaj problem,
  • 1:37 - 1:39
    bilo bi mi potrebno 10.000 -
  • 1:39 - 1:43
    ponovit ću, 10.000 ovih
    skupih medicinskih snimaka
  • 1:43 - 1:44
    bi se moralo napraviti.
  • 1:44 - 1:47
    Nakon toga, otišao bi
    kod stručnog doktora,
  • 1:47 - 1:49
    koji bi tada analizirao te snimke za mene.
  • 1:50 - 1:52
    Koristeći te dvije informacije
  • 1:52 - 1:55
    mogao bi istrenirati duboku neuralnu
    mrežu ili duboku samo-učeću mrežu
  • 1:55 - 1:57
    da dijagnosticira pacijenta.
  • 1:57 - 1:59
    Slično kao i u prvom pristupu,
  • 1:59 - 2:01
    tradicionalne metode umjetne inteligencije
  • 2:01 - 2:03
    imaju isti problem.
  • 2:03 - 2:07
    Velike količine podataka, stručni doktori
    i stručne tehnologije snimanja.
  • 2:08 - 2:13
    Možemo li izumiti učinkovitije
  • 2:13 - 2:16
    i vrjednije metode umjetne inteligencije
  • 2:16 - 2:19
    kako bi riješili ove bitne probleme
    s kojim smo suočeni danas?
  • 2:19 - 2:22
    Tačno to radi moja grupa
    u MIT Media Lab-u.
  • 2:22 - 2:26
    Mi smo osmislili niz
    neuobičajenih UI metoda
  • 2:26 - 2:29
    kako bi riješili neke od najvažnijih
    izazova s kojim se susrećemo
  • 2:29 - 2:32
    u medicinskom snimanju
    i kliničkom ispitivanju.
  • 2:32 - 2:36
    U primjeru koji sam podijelio
    s vama, imali smo dva cilja.
  • 2:36 - 2:39
    Prvi cilj je da se smanji
    broj snimaka potrebnih
  • 2:39 - 2:42
    za treniranje algoritama
    umjetne inteligencije.
  • 2:42 - 2:44
    Naš drugi cilj - bili smo ambiciozniji,
  • 2:44 - 2:48
    željeli smo smanjiti upotrebu
    skupih tehnologija snimanja
  • 2:48 - 2:49
    za snimanje pacijenata.
  • 2:49 - 2:50
    Pa kako smo to uspjeli?
  • 2:51 - 2:52
    Za naš prvi cilj,
  • 2:52 - 2:54
    umjesto da počnemo sa desetinama hiljada
  • 2:54 - 2:57
    ovih skupih medicinskih snimaka,
    kao tradicionalna UI,
  • 2:57 - 2:59
    počeli smo sa samo jednom snimkom.
  • 2:59 - 3:03
    Iz te snimke, moj tim i ja
    smo na pametan način
  • 3:03 - 3:06
    uspjeli izvući milijarde
    paketa informacija.
  • 3:06 - 3:10
    Ti paketi uključuju boje, piksele, oblike
  • 3:10 - 3:12
    i predstavljaju oboljenja na tom snimku.
  • 3:12 - 3:17
    Na neki način, pretvorili smo jedan snimak
    u milijardu podatkovnih tačaka za trening,
  • 3:17 - 3:20
    značajno smanjujući količinu
    podataka potrebnih za trening.
  • 3:20 - 3:21
    Za naš drugi cilj,
  • 3:21 - 3:25
    smanjiti upotrebu skupih tehnologija
    snimanja kod pacijenata,
  • 3:25 - 3:28
    počeli smo sa standardnom,
    fotografijom sa bijelim svijetlom,
  • 3:28 - 3:32
    napravljenom profesionalnom kamerom
    ili mobilnim uređajem, za pacijenta.
  • 3:32 - 3:35
    Sjećate li se onih
    milijardi paketa informacija?
  • 3:35 - 3:38
    Spojili smo ih iz medicinskog snimka
    sa ovom slikom,
  • 3:39 - 3:41
    i napravili nešto što zovemo
    kompozitna slika.
  • 3:41 - 3:45
    Na naše iznenađenje,
    bilo je potrebno samo 50 -
  • 3:45 - 3:46
    ponovit ću, samo 50 -
  • 3:46 - 3:50
    ovih kompozitnih slika kako
    bi algoritme učinili jako efikasnim.
  • 3:51 - 3:52
    Da rezimiramo naš pristup,
  • 3:52 - 3:55
    umjesto da koristimo 10.000
    vrlo skupih medicinskih snimaka,
  • 3:55 - 3:58
    možemo istrenirati algoritme UI,
    na jedan neobičan način,
  • 3:58 - 4:03
    koristeći samo 50 ovih slika
    visoke rezolucije,
  • 4:03 - 4:05
    snimljenih profesionalnom
    kamerom i mobitelom,
  • 4:05 - 4:07
    i postaviti dijagnozu.
  • 4:07 - 4:08
    Još bitnije,
  • 4:08 - 4:11
    naši algoritmi mogu prihvatiti,
    u budućnosti ali i sada,
  • 4:11 - 4:14
    jednostavne fotografije sa bijelim
    svijetlom od pacijenta,
  • 4:14 - 4:16
    umjesto koristiti skupe
    tehnologije snimanja.
  • 4:17 - 4:20
    Vjerujem da postepeno ulazimo u vrijeme
  • 4:20 - 4:22
    gdje umjetna inteligencija
  • 4:22 - 4:25
    predstavlja veliki značaj
    za našu budućnost.
  • 4:25 - 4:27
    I mislim da uz razmišljanje
    o tradicionalnoj UI,
  • 4:27 - 4:30
    koja je bogata informacijama,
    ali siromašna primjenama,
  • 4:30 - 4:32
    trebamo nastaviti razmišljati
  • 4:32 - 4:35
    o neobičnim metodama
    umjetne inteligencije,
  • 4:35 - 4:37
    koje koriste mali skup informacija
  • 4:37 - 4:40
    i rješavaju neke od najvažnijih
    problema današnjice,
  • 4:40 - 4:41
    posebno u zdravstvu.
  • 4:41 - 4:42
    Mnogo vam hvala.
  • 4:42 - 4:46
    (Aplauz)
Title:
Kako umjetna inteligencija dijagnosticira oboljenja
Speaker:
Pratik Shah
Description:

Današnji algoritmi UI zahtijevaju hiljade skupih medicinskih snimaka kako bi otkrili oboljenje pacijenta. Šta ako bi mogli drastično smanjiti količinu podataka potrebnih za treniranje UI, čineći dijagnoze jeftinije i efikasnije? TED Fellow Pratik Shah radi na pametnom sistemu koji čini upravo to. Koristeći neuobičajen pristupi UI, Shah je razvio tehnologiju koja uz pomoć samo 50 slika razvija funkcionalan algoritam - i koji, također, može koristiti slike sa mobilnih uređaja kako bi postavili dijagnozu. Naučite kako ovaj novi način analiziranja medicinskih informacija može doprinijeti ranijem otkrivanju smrtonosnih oboljenja i primijeniti dijagnosticiranje pomoću UI u zdravstvu širom svijeta.
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:59

Bosnian subtitles

Revisions

Our website uses cookies for analysis purposes.