< Return to Video

Ako umelá inteligencia zjednodušuje diagnostiku ochorení

  • 0:01 - 0:05
    Dnešné počítačové algoritmy
    dokážu vyriešiť neuveriteľne ťažké úlohy
  • 0:05 - 0:10
    s vysokou presnosťou a v masovom meradle
    vďaka inteligencii podobnej ľudskej.
  • 0:10 - 0:14
    Počítačovej inteligencii
    sa často hovorí UI
  • 0:14 - 0:16
    alebo umelá inteligencia.
  • 0:16 - 0:20
    UI je pripravená mať v budúcnosti
    výrazný vplyv na náš život.
  • 0:21 - 0:25
    Dnes však stále stojíme tvárou
    v tvár veľkým výzvam,
  • 0:25 - 0:28
    ktoré sa týkajú odhaľovania a diagnostiky
    niekoľkých život ohrozujúcich
  • 0:28 - 0:31
    ochorení ako sú
    infekčné choroby či rakovina.
  • 0:32 - 0:34
    Tisícky pacientov každý rok
  • 0:34 - 0:37
    prichádzajú o život pre rakovinu
    pečene alebo ústnej dutiny.
  • 0:38 - 0:41
    Najlepší spôsob, ako týmto
    pacientom pomôcť,
  • 0:41 - 0:45
    je včas odhaliť a diagnostikovať
    ich ochorenia.
  • 0:46 - 0:50
    Ako dnes diagnostikujeme tieto ochorenia
    a dokáže nám umelá inteligencia pomôcť?
  • 0:52 - 0:56
    Pacientov, u ktorých je podozrenie
    na niektorú z týchto chorôb,
  • 0:56 - 0:58
    najskôr špecialista pošle
  • 0:58 - 1:01
    na veľmi drahé vyšetrenie
    pomocou zobrazovacích metód
  • 1:01 - 1:05
    ako napr. fluorescenčné zobrazovanie
    CT, MRI...
  • 1:05 - 1:07
    Po získaní snímok
  • 1:07 - 1:12
    ich ďalší špecialista musí zhodnotiť
    a porozprávať sa s pacientom.
  • 1:13 - 1:16
    Ako vidíte, tento proces je veľmi náročný
    na zdroje, ktorými sú
  • 1:16 - 1:20
    obaja lekári špecialisti
    a drahé zobrazovacie technológie,
  • 1:20 - 1:24
    Tento proces je nemysliteľný
    v rozvojových krajinách.
  • 1:24 - 1:27
    A v skutočnosti aj v mnohých
    rozvinutých krajinách.
  • 1:28 - 1:31
    Môže nám teda umelá inteligencia
    pomôcť tento problém vyriešiť?
  • 1:32 - 1:36
    Ak by som dnes použil tradičnú
    architektúru umelej inteligencie
  • 1:36 - 1:37
    na vyriešenie tohto problému,
  • 1:37 - 1:39
    potreboval by som 10 000,
  • 1:39 - 1:43
    opakujem, 10 000 veľmi
    drahých lekárskych snímok,
  • 1:44 - 1:47
    Potom by som šiel za špecialistom,
  • 1:47 - 1:49
    ktorý by mi snímky vyhodnotil.
  • 1:50 - 1:52
    Za pomoci týchto dvoch
    informačných zdrojov
  • 1:52 - 1:55
    dokážem vytrénovať štandardnú hlbokú
    neurálnu sieť alebo sieť hĺbkového učenia,
  • 1:55 - 1:57
    ktorá by nám poskytla pacientovu diagnózu.
  • 1:57 - 1:59
    Podobne ako v predošlom príklade,
  • 1:59 - 2:01
    tradičné postupy umelej inteligencie
  • 2:01 - 2:03
    sa stretávajú s rovnakým problémom.
  • 2:03 - 2:07
    Veľké množstvo údajov, špecialisti
    a špeciálne zobrazovacie technológie.
  • 2:08 - 2:13
    Dokážeme vynájsť presnejšie, efektívnejšie
  • 2:13 - 2:16
    a hodnotnejšie architektúry
    umelej inteligencie,
  • 2:16 - 2:19
    ktoré by nám pomohli vyriešiť tieto
    závažné problémy, ktorým čelíme?
  • 2:19 - 2:22
    A to je presne oblasť, ktorej sa
    môj tím v Media Labe MIT venuje.
  • 2:22 - 2:26
    Vynašli sme mnoho druhov
    netradičných architektúr UI s cieľom
  • 2:26 - 2:29
    vyriešiť niektoré z najpálčivejších
    problémov, ktorým čelíme
  • 2:29 - 2:32
    v medicínskom zobrazovaní
    a klinických testoch.
  • 2:32 - 2:36
    V príklade, ktorý som dnes uviedol,
    sme mali dva ciele.
  • 2:36 - 2:39
    Prvým cieľom bolo znížiť počet snímok
  • 2:39 - 2:42
    potrebných na naučenie algoritmov UI.
  • 2:42 - 2:44
    Naším druhým cieľom,
    boli sme ambicióznejší,
  • 2:44 - 2:48
    bolo znížiť potrebu drahých
    zobrazovacích technológií,
  • 2:48 - 2:49
    ktoré snímajú pacientov.
  • 2:49 - 2:50
    A ako sme to dosiahli?
  • 2:51 - 2:52
    Pri prvom cieli
  • 2:52 - 2:54
    namiesto desiatok až tisícok
    drahých snímok
  • 2:54 - 2:57
    ktoré sme potrebovali
    na začiatku pri tradičnej UI
  • 2:57 - 2:59
    sme začali s jedinou snímkou.
  • 2:59 - 3:03
    Spolu s tímom sme objavili
    veľmi šikovný spôsob, ako zo snímky
  • 3:03 - 3:06
    vytiahnuť miliardy blokov údajov.
  • 3:06 - 3:10
    Tieto údaje zahŕňali
    farby, pixely, geometriu
  • 3:10 - 3:12
    a priebeh choroby na lekárskej snímke.
  • 3:12 - 3:17
    Takpovediac sme premenili jedinú snímku
    na miliardy údajov na učenie,
  • 3:17 - 3:20
    čo značne znížilo množstvo
    potrebných údajov.
  • 3:20 - 3:21
    Na dosiahnutie druhého cieľa,
  • 3:21 - 3:25
    zníženia využívania drahých zobrazovacích
    technológií na snímanie pacientov,
  • 3:25 - 3:28
    sme začali so štandardnou
    čiernobielou fotkou
  • 3:28 - 3:32
    urobenou buď digitálnou
    zrkadlovkou alebo mobilom.
  • 3:32 - 3:35
    Pamätáte si tie miliardy blokov údajov?
  • 3:35 - 3:38
    Naukladali sme tie
    z lekárskej snímky na fotku
  • 3:39 - 3:41
    a vytvorili tzv. zloženú snímku.
  • 3:41 - 3:45
    Prekvapilo nás, že sme potrebovali iba 50,
  • 3:45 - 3:46
    opakujem, iba 50
  • 3:46 - 3:50
    zložených snímok na naučenie
    efektívnych algoritmov.
  • 3:51 - 3:52
    Aby som to zhrnul,
  • 3:52 - 3:55
    namiesto použitia 10 000
    veľmi drahých lekárskych snímok
  • 3:55 - 3:58
    dokážeme naučiť algoritmy UI
    netradičným spôsobom,
  • 3:58 - 4:02
    s využitím iba 50 štandardných fotografií
    vo vysokom rozlíšení
  • 4:02 - 4:05
    získaných pomocou digitálnych
    fotoaparátov alebo mobilov
  • 4:05 - 4:07

    a následne určiť diagnózu.
  • 4:07 - 4:08
    Čo je dôležitejšie,
  • 4:08 - 4:11
    naše algoritmy dokážu spracovať,
    v budúcnosti ale aj teraz,
  • 4:11 - 4:14
    veľmi jednoduché čiernobiele
    fotografie od pacienta
  • 4:14 - 4:17
    namiesto drahých lekárskych
    zobrazovacích technológií.
  • 4:17 - 4:20
    Verím, že sme pripravení
    vstúpiť do éry,
  • 4:20 - 4:22
    v ktorej umelá inteligencia
  • 4:22 - 4:25
    dokáže významne ovplyvniť našu budúcnosť.
  • 4:25 - 4:27
    A tiež si myslím, že namiesto
    tradičnej UI,
  • 4:27 - 4:30
    ktorá je síce bohatá na údaje,
    ale ťažko použiteľná,
  • 4:30 - 4:32
    by sme mali naďalej rozmýšľať
  • 4:32 - 4:35
    nad netradičnou architektúrou UI,
  • 4:35 - 4:37
    ktorej stačí malé množstvo údajov
  • 4:37 - 4:40
    na vyriešenie najdôležitejšieho problému,
    ktorému dnes čelíme,
  • 4:40 - 4:41
    hlavne v oblasti zdravia.
  • 4:41 - 4:42
    Ďakujem veľmi pekne.
  • 4:42 - 4:46
    (potlesk)
Title:
Ako umelá inteligencia zjednodušuje diagnostiku ochorení
Speaker:
Pratik Shah
Description:

Dnešné algoritmy umelej inteligencie vyžadujú na odhalenie ochorenie pacienta desiatky tisícov drahých lekárskych snímok. Čo ak by sme drasticky znížili množstvo údajov potrebných na učenie UI a následne zefektívnili a zlacnili diagnostiku? Člen TEDu Pratik Shah pracuje na inteligentnom systéme, ktorý by to dokázal. Využitím netradičného prístupu v UI Shah vyvinul technológiu, ktorá vyžaduje iba 50 snímok na vytvorenie funkčného algoritmu, ktorý by určil diagnózu a ktorý dokáže spracovať aj fotografie urobené mobilmi lekárov. Zistite viac o tom, ako tento nový spôsob analýzy lekárskych údajov dokáže skôr odhaliť život ohrozujúce ochorenia a vniesť diagnostiku prostredníctvom UI do zdravotníctva po celom svete.
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
04:59

Slovak subtitles

Revisions

Our website uses cookies for analysis purposes.