0:00:01.280,0:00:05.136
Heute verrichten Computeralgorithmen[br]unglaubliche Aufgaben

0:00:05.160,0:00:09.896
mit großer Präzision, von enormem Umfang,[br]durch menschenähnliche Intelligenz.

0:00:09.920,0:00:13.856
Diese Intelligenz von Computern[br]wird oft als KI bezeichnet

0:00:13.880,0:00:15.736
oder künstliche Intelligenz.

0:00:15.760,0:00:19.960
KI wird eine unglaubliche Auswirkung[br]auf unser Leben in der Zukunft zu haben.

0:00:20.880,0:00:24.500
Heute stehen wir jedoch[br]enormen Herausforderungen gegenüber

0:00:24.500,0:00:28.486
beim Erkennen und der Diagnose von[br]einigen lebensgefährlichen Krankheiten,

0:00:28.486,0:00:30.720
so wie Infektionskrankheiten und Krebs.

0:00:32.000,0:00:34.296
Jedes Jahr verlieren tausende Patienten

0:00:34.320,0:00:37.120
ihr Leben wegen Leber- und Mundkrebs.

0:00:37.880,0:00:40.576
Unser bester Weg,[br]diesen Patienten zu helfen,

0:00:40.600,0:00:44.920
ist eine Früherkennung und Diagnose[br]dieser Krankheiten durchzuführen.

0:00:45.880,0:00:50.410
Wie entdecken wir also diese Krankheiten[br]und kann künstliche Intelligenz helfen?

0:00:51.710,0:00:55.576
Bei Patienten mit Verdacht[br]auf eine solche Krankheit

0:00:55.600,0:00:58.256
weist ein Facharzt zuerst

0:00:58.280,0:01:00.896
sehr teure Technologien der Bilddiagnose

0:01:00.920,0:01:05.016
wie fluoreszierende Bildgebung,[br]CTs, MRTs, zur Ausführung an.

0:01:05.040,0:01:07.336
Sobald diese Bilder gesammelt worden sind,

0:01:07.360,0:01:11.880
macht ein anderer Experte die Bilddiagnose[br]und spricht mit dem Patienten.

0:01:12.380,0:01:15.870
Wie Sie sehen, ist dies ein sehr[br]ressourcenintensiver Prozess,

0:01:15.870,0:01:20.220
der sowohl Fachärzte als auch[br]teure Bildgebungsverfahren benötigt

0:01:20.220,0:01:23.546
und für Entwicklungsländer[br]als ungeeignet angesehen wird.

0:01:23.560,0:01:26.920
Und im Grunde auch[br]in vielen Industrieländern.

0:01:27.560,0:01:31.760
Können wir also dieses Problem lösen,[br]indem wir künstliche Intelligenz nutzen?

0:01:31.840,0:01:35.850
Wenn ich heute traditionelle Architektur[br]künstlicher Intelligenz nutzen würde,

0:01:35.850,0:01:37.136
um dieses Problem zu lösen,

0:01:37.160,0:01:38.656
würde ich 10.000 brauchen --

0:01:38.656,0:01:42.540
Ich wiederhole, etwa 10.000 von[br]diesen sehr teuren medizinischen Bildern

0:01:42.540,0:01:44.206
müssen zuerst erstellt werden.

0:01:44.206,0:01:46.976
Danach ginge ich zu einem Facharzt,

0:01:47.000,0:01:49.496
der für mich diese Bilder[br]analysieren würde.

0:01:49.520,0:01:51.800
Indem ich diese zwei Informationen nutze,

0:01:51.800,0:01:55.176
kann ich ein normales[br]"Deep Learning"-Netzwerk trainieren,

0:01:55.176,0:01:57.340
Diagnosen für Patienten zu erstellen.

0:01:57.340,0:01:58.970
Ähnlich wie beim ersten Ansatz

0:01:58.970,0:02:02.773
leiden Ansätze traditioneller KI[br]unter dem gleichen Problem.

0:02:02.880,0:02:07.440
Große Datenmengen, Fachärzte[br]und High-Tech in der Bilddiagnostik.

0:02:08.320,0:02:11.010
Können wir also skalierbare, effektivere

0:02:11.010,0:02:14.940
und wertvollere Architekturen[br]künstlicher Intelligenz erfinden,

0:02:14.940,0:02:19.046
um diese sehr wichtigen Probleme zu lösen,[br]vor denen wir heute stehen?

0:02:19.046,0:02:22.336
Genau das macht meine Gruppe[br]beim MIT Media Lab.

0:02:22.360,0:02:26.216
Wir erfanden eine Reihe an[br]unorthodoxen KI-Architekturen,

0:02:26.240,0:02:29.330
um einige der wichtigsten[br]Herausforderungen

0:02:29.330,0:02:32.160
bei Bilddiagnostik und[br]klinischen Prozessen zu lösen.

0:02:32.280,0:02:35.486
In dem Beispiel, das ich heute nannte,[br]hatten wir zwei Ziele.

0:02:35.486,0:02:38.782
Unser erstes Ziel war es,[br]die Anzahl der Bilder zu reduzieren,

0:02:38.782,0:02:41.908
die benötigt werden,[br]um KI-Algorithmen zu trainieren.

0:02:41.908,0:02:44.056
Unser zweites Ziel war ambitionierter,

0:02:44.066,0:02:47.290
nämlich den Einsatz[br]der teuren Bilddiagnose zu reduzieren,

0:02:47.290,0:02:48.966
um die Patienten zu screenen.

0:02:48.966,0:02:50.580
Wie haben wir das gemacht?

0:02:50.800,0:02:52.516
Für unser erstes Ziel haben wir,

0:02:52.516,0:02:53.860
statt wie traditionelle KI

0:02:53.860,0:02:57.276
mit Tausenden dieser sehr teuren[br]medizinischen Bilder zu starten,

0:02:57.280,0:02:59.756
mit einem einzelnen[br]medizinischen Bild angefangen.

0:02:59.756,0:03:03.136
Von diesem Bild aus fanden mein Team[br]und ich einen cleveren Weg,

0:03:03.160,0:03:05.896
Milliarden dieser[br]Informationspakete zu extrahieren.

0:03:05.920,0:03:09.050
Diese Informationspakete beinhalteten[br]Farben, Pixel, Geometrie

0:03:09.050,0:03:12.436
und die Darstellung der Krankheiten[br]auf den medizinischen Bildern.

0:03:12.436,0:03:15.750
Wir haben quasi ein Bild[br]in Milliarden Trainingsdaten gewandelt

0:03:15.750,0:03:19.660
und die Datenmenge massiv reduziert,[br]die für das Training benötigt wird.

0:03:19.660,0:03:21.556
Für unser zweites Ziel, die Nutzung

0:03:21.556,0:03:25.216
teurer medizinischer Bildtechnologien[br]beim Screening zu verringern,

0:03:25.240,0:03:28.090
starteten wir mit einer[br]normalen Weißlichtaufnahme,

0:03:28.090,0:03:32.370
aufgenommen mit einer DSLR Kamera oder[br]mit einer Telefonkamera für den Patienten.

0:03:32.370,0:03:35.276
Erinnern Sie sich an[br]die Milliarden Informationspakete?

0:03:35.276,0:03:38.330
Wir haben diese mit den[br]medizinischen Bildern überlagert

0:03:38.330,0:03:41.500
und etwas erschaffen,[br]das wir Verbund-Bild nennen.

0:03:41.500,0:03:44.776
Zum unserem großen Erstaunen[br]benötigten wir nur 50 --

0:03:44.800,0:03:46.136
Ich wiederhole, nur 50 --

0:03:46.160,0:03:50.490
dieser Verbund-Bilder, um die Algorithmen[br]auf hohe Effizienz zu bringen.

0:03:50.680,0:03:52.016
Zusammenfassend gesagt:

0:03:52.040,0:03:54.880
anstatt 10,000 dieser[br]sehr teuren Bilder zu verwenden,

0:03:54.880,0:03:58.446
können wir nun die KI-Algorithmen[br]auf unkonventionelle Art trainieren,

0:03:58.446,0:04:01.890
indem wir nur 50 dieser[br]hochauflösenden Standard-Fotos verwenden,

0:04:01.890,0:04:05.256
die von DSLR-Kameras und Mobiltelefonen[br]aufgenommen worden sind,

0:04:05.256,0:04:06.616
und Diagnosen erstellen.

0:04:06.640,0:04:07.670
Wichtiger noch,

0:04:07.670,0:04:11.046
unsere Algorithmen können[br]in der Zukunft und sogar schon jetzt,

0:04:11.046,0:04:14.166
ein paar simple Weißlichtaufnahmen[br]des Patienten annehmen,

0:04:14.166,0:04:16.960
anstelle von teuren[br]medizinischen Bildtechnologien.

0:04:17.120,0:04:19.820
Ich glaube, dass wir jetzt[br]in eine Ära gelangen,

0:04:19.820,0:04:21.180
wo künstliche Intelligenz

0:04:21.180,0:04:23.930
eine unglaubliche Auswirkung[br]auf unsere Zukunft hat.

0:04:23.930,0:04:27.406
Und ich glaube, dass wir neben[br]dem Nachdenken über traditionelle KI,

0:04:27.406,0:04:29.960
die reich an Daten,[br]aber arm an Anwendungen ist,

0:04:29.960,0:04:31.786
wir auch weiter nachdenken sollten

0:04:31.786,0:04:33.892
über ungewöhnliche KI-Architekturen,

0:04:33.892,0:04:36.240
die kleine Mengen an Daten[br]akzeptieren können

0:04:36.250,0:04:39.776
und ein paar der wichtigsten Probleme,[br]vor denen wir stehen, lösen kann,

0:04:39.776,0:04:41.426
insbesondere im Gesundheitswesen.

0:04:41.426,0:04:42.616
Vielen Dank.

0:04:42.616,0:04:45.470
(Applaus)