人工智能:让诊断疾病变得更容易
-
0:01 - 0:05今天的计算机算法,
正在使用类似人类的智能, -
0:05 - 0:10大规模的执行具有高精度的,
不可思议的任务。 -
0:10 - 0:14而这种计算机智能,通常被称为AI,
-
0:14 - 0:16或“人工智能”。
-
0:16 - 0:20人工智能有望在未来对我们的生活
产生令人难以置信的影响。 -
0:21 - 0:25然而今天,在检测和诊断
几种危及生命的疾病, -
0:25 - 0:28比如传染病和癌症时,
-
0:28 - 0:31我们仍然面临着大量的挑战。
-
0:32 - 0:34每年,数以千计的病人
-
0:34 - 0:37因患上肝癌和口腔癌失去生命。
-
0:38 - 0:41帮助病人最好的方式
-
0:41 - 0:45就是对这些疾病进行
早期检测和诊断。 -
0:46 - 0:50那么,今天我们如何检测这些疾病?
AI可以提供帮助吗? -
0:52 - 0:56对于不幸被怀疑
患有这些疾病的患者, -
0:56 - 0:58专家医师会先要求他们照射
-
0:58 - 1:01非常昂贵的医疗图像,
-
1:01 - 1:05例如荧光成像,CT,MRI等。
-
1:05 - 1:07收集到这些图像之后,
-
1:07 - 1:12另一位专家医师会进行诊断,
并与患者交流。 -
1:13 - 1:16显而易见,这是个
非常耗费资源的过程, -
1:16 - 1:20需要两位专家医师
和昂贵的医学图像技术。 -
1:20 - 1:24这在发展中国家被认为并不实用,
-
1:24 - 1:27事实上,在许多
工业化国家也是如此。 -
1:28 - 1:31那么,我们能够用
人工智能解决这个问题吗? -
1:32 - 1:36今天,如果使用传统的
人工智能架构 -
1:36 - 1:37来解决这个问题,
-
1:37 - 1:39我可能需要1万张——
-
1:39 - 1:43我重复一次,我首先需要
生成1万张这种非常昂贵的 -
1:43 - 1:44医学图像。
-
1:44 - 1:47之后,我会去找一位专业医师
-
1:47 - 1:50为我分析这些图像。
-
1:50 - 1:52利用这两条信息,
-
1:52 - 1:55我可以训练标准的深度神经网络,
或深度学习网络 -
1:55 - 1:58对患者进行诊断。
-
1:58 - 1:59与第一步相似,
-
1:59 - 2:01传统人工智能方法
-
2:01 - 2:03遭遇了同样的问题:
-
2:03 - 2:07那就是需要大量的数据、
专家医师和专业的医疗图像技术。 -
2:08 - 2:13我们是否能够创造出一种
规模更大、更有效率、 -
2:13 - 2:16同时更有价值的人工智能架构,
-
2:16 - 2:19来解决我们今天面临的
这些重要的问题呢? -
2:19 - 2:22而这就是我们的团队
在MIT媒体实验室所研究的内容。 -
2:22 - 2:26我们开发了各种新型AI架构,
-
2:26 - 2:29来解决一些我们当今
在医疗图像和临床试验中 -
2:29 - 2:32面临的最重要的挑战。
-
2:32 - 2:36在我今天分享的例子中,
包括了我们的两个目标。 -
2:36 - 2:39第一个目标,是减少
用来训练人工智能算法 -
2:39 - 2:42所需要的图片数量。
-
2:42 - 2:44第二个目标——更大的志向,
-
2:44 - 2:48我们希望让患者减少使用昂贵的
-
2:48 - 2:49医疗图像技术。
-
2:49 - 2:50那么我们是怎样做的?
-
2:51 - 2:52我们的第一个目标,
-
2:52 - 2:54相比于传统AI
-
2:54 - 2:57从成千上万张昂贵的医疗图像开始,
-
2:57 - 2:59我们选择从单张图像开始。
-
2:59 - 3:03根据这张图片,
我和我的团队想出了 -
3:03 - 3:06一种非常聪明的方法
来提取数十亿个信息包。 -
3:06 - 3:10这些信息包包含颜色、像素、形态
-
3:10 - 3:12和疾病呈现在医疗图像上的效果。
-
3:12 - 3:17这样一来,我们就将一张图像
转换成了数十亿个训练数据点, -
3:17 - 3:20需要训练的数据量就大大减少了。
-
3:20 - 3:21第二个目标,
-
3:21 - 3:25是减少对患者使用医疗图像技术。
-
3:25 - 3:28最开始,我们会从
数码单反相机或手机中 -
3:28 - 3:32获取一张标准的白色光线照片。
-
3:32 - 3:35然后,还记得那
数十亿个信息包吗? -
3:35 - 3:38将这些医疗图像的信息包
覆盖在这张图片上, -
3:38 - 3:41这时我们就创建了一张合成图像。
-
3:41 - 3:45令人惊讶的是,我们只需要50张——
-
3:45 - 3:46强调一下,仅仅50张——
-
3:46 - 3:50这些复合图像,
就能训练我们的算法提高效率。 -
3:51 - 3:52总结一下我们的方法,
-
3:52 - 3:55区别于用1万张昂贵的
医疗图像训练AI算法, -
3:55 - 3:58我们使用了一种全新的方式,
-
3:58 - 4:03只需要将数码相机或手机拍摄的
-
4:03 - 4:0550张高分辨率的标准照片,
-
4:05 - 4:07即可提供诊断。
-
4:07 - 4:08更重要的是,
-
4:08 - 4:11在未来,甚至现在,
我们的算法可以接受 -
4:11 - 4:14一些病人自己拍摄的白光照片,
-
4:14 - 4:16来替代昂贵的医疗图像技术。
-
4:17 - 4:20我相信,我们已经准备好
进入这样一个时代, -
4:20 - 4:22人工智能
-
4:22 - 4:25正在对我们的未来产生
不可思议的影响。 -
4:25 - 4:27我也认为相比拥有丰富数据
-
4:27 - 4:30但应用困难的传统AI,
-
4:30 - 4:32我们应该不断思考
-
4:32 - 4:35非传统的人工智能架构。
-
4:35 - 4:37它们能够接受少量数据,
-
4:37 - 4:40并解决一些今天
我们所面临的重要问题, -
4:40 - 4:41特别是在医疗健康方面。
-
4:41 - 4:42非常感谢。
-
4:42 - 4:46(掌声)
- Title:
- 人工智能:让诊断疾病变得更容易
- Speaker:
- Pratik Shah
- Description:
-
今天的AI算法,需要成千上万昂贵的医学图像来检测患者的疾病。 怎样才能大幅减少训练AI所需的数据量,使诊断成本更低且更有效? TED研究员Pratik Shah正在研究一个聪明的系统来做到这一点。 使用非正统的人工智能方法,Shah开发了一种技术,只需要50张图像就可以开发出一种有效算法——甚至可以使用在医生手机上拍摄的照片来提供诊断。 详细了解这种分析医疗信息的新方法如何更早发现危及生命的疾病,并将AI辅助诊断带到全球更多的医疗机构。
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 04:59
Yolanda Zhang approved Chinese, Simplified subtitles for How AI is making it easier to diagnose disease | ||
Yolanda Zhang accepted Chinese, Simplified subtitles for How AI is making it easier to diagnose disease | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How AI is making it easier to diagnose disease | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How AI is making it easier to diagnose disease | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How AI is making it easier to diagnose disease | ||
Yolanda Zhang edited Chinese, Simplified subtitles for How AI is making it easier to diagnose disease | ||
Shuhui Chen edited Chinese, Simplified subtitles for How AI is making it easier to diagnose disease | ||
Shuhui Chen edited Chinese, Simplified subtitles for How AI is making it easier to diagnose disease |