Как изкуственият интелект ще направи диагностицирането на болести по-лесно?
-
0:01 - 0:05Компютърните алгоритми днес
изпълняват невероятни задачи -
0:05 - 0:10с висока точност и в огромен мащаб,
използвайки интелект, подобен на човешкия. -
0:10 - 0:14Този компютърен интелект
често бива наричан AI -
0:14 - 0:16или изкуствен интелект.
-
0:16 - 0:20Изкуственият интелект е на път да окаже невероятно въздействие върху нашия живот в бъдещето.
-
0:21 - 0:25Днес, обаче, все още сме изправени
пред огромни предизвикателства -
0:25 - 0:28при откриването и диагностицирането
на няколко живото-застрашаващи заболявания, -
0:28 - 0:31като например
инфекциозните заболявания и рака. -
0:32 - 0:34Хиляди пациенти всяка година
-
0:34 - 0:37губят живота си поради
рак на черния дроб и на устната кухина. -
0:38 - 0:41Най-добрият начин
да помогнем на тези пациенти -
0:41 - 0:45е ранното откриване
и диагностициране на тези заболявания. -
0:46 - 0:50Как откриваме тези заболявания днес и би
ли могъл изкуственият интелект да помогне? -
0:52 - 0:56При пациентите, при които, за съжаление,
има съмнение за такава болест, -
0:56 - 0:58лекарят специалист първо предписва
-
0:58 - 1:01много скъпи медицински образни технологии,
като например -
1:01 - 1:05флуоресцентни образи,
компютърна томография, магнитен резонанс. -
1:05 - 1:07Когато образите са готови,
-
1:07 - 1:12друг специалист ги използва за
диагностициране и ги обсъжда с пациента. -
1:13 - 1:16Както виждате,
този процес изисква много ресурси - -
1:16 - 1:20експерти и скъпи медицински технологии,
-
1:20 - 1:24и не е практичен в развиващите се страни.
-
1:24 - 1:27В интерес на инстината, също така и
в много индустрализирани страни. -
1:28 - 1:31Можем ли да разрешим този проблем,
използвайки изкуствен интелект? -
1:32 - 1:36Ако трябва да използвам традиционната
архитектура за изкуствен интелект, -
1:36 - 1:37за да реша този проблем,
-
1:37 - 1:39ще са ми необходими 10 000,
-
1:39 - 1:43повтарям 10 000 от тези скъпи
медицински образи, -
1:43 - 1:44които трябва да бъдат генерирани.
-
1:44 - 1:47След това, ще трябва да отида
при специалист, -
1:47 - 1:49който ще анализира тези образи.
-
1:50 - 1:52С тези два вида информация,
-
1:52 - 1:55мога да обуча стандартна дълбока невронна
мрежа или мрежа за дълбоко обучение, -
1:55 - 1:57за да предоставя диагноза на пациентите.
-
1:57 - 1:59Както и при първия подход,
-
1:59 - 2:01традиционните подходи,
включващи изкуствен интелект, -
2:01 - 2:03страдат от същия проблем.
-
2:03 - 2:07Големи количества данни, специалисти и
специализирани технологии за медицински образи. -
2:08 - 2:12Можем ли да създадем по-достъпна,
ефективна -
2:13 - 2:16и стойностна архитектура за
изкуствен интелект, -
2:16 - 2:19за да се справим с тези сериозни
проблеми, с които се сблъскваме? -
2:19 - 2:21Това е задачата, с която се занимава
моята група в Медийната лаборатория -
2:21 - 2:22на Технологичния Институт в Масачузец.
-
2:22 - 2:26Ние изобретихме различни
нестандартни AI архитектури, -
2:26 - 2:29за да решим най-сериозните
проблеми, с които се сблъскваме днес -
2:29 - 2:32във връзка с медицинските образи и
и клинични изпитвания. -
2:32 - 2:36Във връзка с примера, който споделих днес
с вас, ние имахме две цели. -
2:36 - 2:39Първата ни цел беше да намалим
броя изображения, -
2:39 - 2:42необходими, за да бъдат обучени
алгоритмите на изкуствения интелект. -
2:42 - 2:44Втората ни цел - по-амбициозна -
-
2:44 - 2:48беше да намалим използването на
скъпа медицинска образна технология -
2:48 - 2:49за преглед на пациенти.
-
2:49 - 2:50Как го направихме?
-
2:51 - 2:52За първата ни цел,
-
2:52 - 2:54вместо да започнем с десетки хиляди
-
2:54 - 2:57от тези скъпи медицински образи,
както при традиционния изкуствен интелект, -
2:57 - 2:59започнахме с едно единствено
медицинско изображение, -
2:59 - 3:03От това изображение, моят екип и аз
намерихме оригинален начин, -
3:03 - 3:06за да извлечем милиарди
информационни пакети. -
3:06 - 3:10Тези информационни пакети
включваха цветове, пиксели, геометрия -
3:10 - 3:12и изобразяване на болестта
върху медицинския образ. -
3:12 - 3:17В известен смисъл, ние превърнахме
едно изображение в милиарди източници за обучение -
3:17 - 3:20и така намалихме количеството данни,
необходими за обучението. -
3:20 - 3:21За втората ни цел,
-
3:21 - 3:25намаляването на използването на скъпи медицински
образни технологии за преглед на пациенти, -
3:25 - 3:28ние започнахме със стандартна снимка
с бяла светлина, -
3:28 - 3:32създадена или с DSLR фотоапарат,
или мобилен телефон, за пациента. -
3:32 - 3:35Помните ли онези милиарди
информационни пакети? -
3:35 - 3:38Насложихме ги върху тази снимка,
-
3:39 - 3:41създавайки по този начин нещо,
което се нарича композитно ичображение. -
3:41 - 3:45За наша изненада се нуждаехме от само 50,
-
3:45 - 3:46потварям, само 50
-
3:46 - 3:50от тези композитни изображения,
за да обучим нашите алгоритми до висока ефективност. -
3:51 - 3:52За да обобщя нашия подход,
-
3:52 - 3:55вместо да използваме 10 000
много скъпи медицински образи, -
3:55 - 3:58можехме да обучим AI алгоритмите
по нестандартен начин, -
3:58 - 4:03използвайки само 50 от тези стандартни
снимки с висока резолюция, -
4:03 - 4:05направени с DSLR фотоапарати и
мобилни телефони -
4:05 - 4:07и да предоставим диагноза.
-
4:07 - 4:08Още по-важно,
-
4:08 - 4:11нашите алгоритми могат да получат
в бъдещето и дори в момента, -
4:11 - 4:14много обикновени снимки
с бяла светлина от пациентите, -
4:14 - 4:16вместо скъпите
медицински образни технологии. -
4:17 - 4:20Вярвам, че сме на прага на епоха,
-
4:20 - 4:22в която изкуственият интелект
-
4:22 - 4:25ще има невероятно въздействие
върху бъдещето. -
4:25 - 4:27И смятам, че когато мислим
за традиционния изкуствения интелект, -
4:27 - 4:30който е богат на данни,
но беден на приложения, -
4:30 - 4:32ние също трябва да продължим да мислим
-
4:32 - 4:35за нестандартни архитектури
за изкуствен интелект, -
4:35 - 4:37които могат да получават
малки количества данни -
4:37 - 4:40и да решават проблемите, с които
се сблъскваме днес, -
4:40 - 4:41особено свързани
със здравеопазването. -
4:41 - 4:42Благодаря ви много.
-
4:42 - 4:46(Аплодисменти)
- Title:
- Как изкуственият интелект ще направи диагностицирането на болести по-лесно?
- Speaker:
- Пратик Шах
- Description:
-
Днес, алгоритмите за изкуствен интелект (AI) се нуждаят от хиляди скъпи медицински образи, за да диагностицират пациент. Какво би се случило, ако можехме значително да намалим количеството данни, необходими, за да бъде обучен изкуственият интелект, с което бихме направили диагнозите по-евтини и ефикасни? Пратик Шах работи върху умна система, която може да прави точно това. Използвайки нестандартен AI подход, Шах е развил технология, която изисква само 50 изображения, за да развие работещ алгоритъм и може да използва дори снимки, направени с телефона на лекар, за да предостави диагноза. Научете повече за това как този нов начин за анализ на медицинска информация може да доведе до ранно откриване на живото-застрашаващи болести и да разпространи диагностицирането, подпомогнато от изкуствен интелект до повече здравни места по света.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 04:59
Darina Stoyanova approved Bulgarian subtitles for How AI is making it easier to diagnose disease | ||
Darina Stoyanova accepted Bulgarian subtitles for How AI is making it easier to diagnose disease | ||
Darina Stoyanova edited Bulgarian subtitles for How AI is making it easier to diagnose disease | ||
Luba Aleksandrova edited Bulgarian subtitles for How AI is making it easier to diagnose disease | ||
Luba Aleksandrova edited Bulgarian subtitles for How AI is making it easier to diagnose disease |