Lei Feng rede de notícias, existem grandes áreas de inteligência artificial, notícias médicas. Publicado hoje na edição mais recente de "células", os estudiosos Professor Zhang Kang chineses no topo da capa de revista. Eles trazem, é uma diagnosticar com precisão uma variedade de doenças de ferramentas de inteligência artificial.
Professor Zhang Kang
"Inteligência Artificial (IA) tem um grande potencial, uma mudança revolucionária no diagnóstico e tratamento de doenças através da análise e classificação de grandes quantidades de dados, esses dados é difícil para um especialista humano, e fazê-lo rapidamente." Neste estudo, o autor correspondente Professor Zhang Kang, chefe médico da Universidade da Califórnia, San Diego (UCSD) o professor de oftalmologia, oftalmologia também genética (chefe, genética oftálmicas). parceiros de pesquisa incluem a Universidade Guangzhou de Medicina da Universidade Sichuan, Dalian Beihai Hospital, Hospital de Xangai Primeira Pessoas, Capital University Medical.
Grupo de Pesquisa Destaques Pesquisa:
Nós desenvolvemos um sistema que utiliza aprendizado de transferência de tecnologia de inteligência artificial
imagens efetivamente classificar como degeneração macular e retinopatia diabética
Para separar, com precisão o bacteriana no peito de raios-X e pneumonia viral
Para aplicações em imagiologia biomédica de uma ampla gama de potencial
Entende-se que o desempenho da ferramenta está perto de um oftalmologista profissional, e pode determinar se um paciente deve receber tratamento, a precisão de mais de 95% dentro de 30 segundos; em distinguir pneumonia viral e pneumonia bacteriana, a taxa de precisão é também mais de 90 %.
Este não é apenas uma equipa de investigação chinês publicado investigação relacionada com a inteligência artificial na medicina levando revistas biomédicas; também a primeira vez que um tão grande transferência de dados anotada de alta qualidade de aprendizagem em todo o mundo e alcançou resultados de diagnóstico de alta precisão, para jogo mesmo para além da precisão do médico humano; ou o mundo pela primeira vez com a AI precisa recomendado tratamento.
No tratamento de oftalmologia, a tecnologia de imagem da retina outubro (tomografia de coerência óptica) é uma das técnicas de diagnóstico mais frequentemente utilizados, a utilização anual total de mais de 30 milhões de vezes. Vivo de alta resolução de secções ópticas de outubro a retina com luz para capturar a retina, o que pode formar um volume tridimensional de imagens transversais da retina de um tecido do corpo vivo.
Ao adquirir imagens de alta resolução do tecido da retina, os médicos podem precisamente para a degeneração macular relacionada à idade (AMD) e fazer um diagnóstico de edema macular diabético e outra doença ocular ofuscante e fornecer opções de tratamento.
Ex-professor de equipe Zhang usou um DNN conceito de alimentação multi-camadas, pré-implantação modelo de formação quadro Inception-v3 para máquina de fonte aberta plataforma de aprendizagem TensorFlow, insira o total de cerca de 100.000 a rotulagem exacta da retina outubro (Tomografia de Coerência Óptica, tomografia de coerência óptica cirurgia) de imagem, e, finalmente, desenvolveu pode diagnosticar com precisão as doenças do olho do sistema de inteligência artificial.
equipe de Professor Zhang Kang adquiriu mais de 200.000 imagens de outubro, e cuja utilização 100.000 imagens de quase 5.000 pacientes, a formação de um algoritmos de aprendizagem de profundidade. Depois de um grande número de iterações de formação, a precisão do algoritmo pico.
E digitaliza um fluxograma de um tomografia de coerência óptica representante
No entanto, com o aprofundamento da pesquisa da inteligência artificial no campo da medicina, a aprendizagem profunda desvantagem lentamente proeminente. Anteriormente, o Google ea Universidade de Stanford teve uma série de resultados sobre câncer de pele e outras doenças, mas tais realizações precisa de centenas de milhares de rótulos de qualidade de imagem. No entanto, considerando o número de algumas doenças raras, cada doença tenha coletado centenas de milhares imagem anotação de alta qualidade de é quase impossível de alcançar. Este problema não for resolvido, nesta fase de aplicações de IA na área médica é difícil totalmente desdobrar.
rede de Lei Feng aprendi equipa Professor Zhang Kang utilizou uma técnica conhecida como "aprendizado de transferência", é uma boa solução para este problema. "Estudo Migration" (Transferência de Aprendizagem) é ter parâmetros do modelo treinados são migrados para o novo modelo para ajudar a treinar o novo modelo, o uso do conhecimento existente para aprender novos conhecimentos, para encontrar semelhanças entre o conhecimento existente e novos conhecimentos .
Para testar este sistema AI com a ajuda de aprendizagem de transferência pode ser aplicada a outras doenças além da doença da retina, neste estudo, a equipe de Professor Zhang em 100.000 formação sistema de diagnóstico da retina outubro imagem marcada com precisão com base em doenças oculares AI, única imagem de raios-X a 5000 no peito, e depois usar o estudo da migração, construímos doença AI diagnóstico pneumonia sistemas de imagem.
Os pesquisadores então adicionado o teste de oclusão, neste teste, o computador reconhece em cada área de imagem de maior interesse e basear suas conclusões. "Aprendizagem de máquina é muitas vezes como uma caixa preta, não sei no final o que aconteceu", disse o professor Zhang Kang. "Ao bloquear teste, o computador pode dizer-nos a sua posição na imagem para diagnóstico, para que possamos descobrir por que o sistema será o resultado. Isso torna o sistema mais transparente, e aumentou a nossa confiança nos resultados do diagnóstico."
Este estudo incidiu sobre a degeneração macular e edema macular diabético, o que está levando a cegueira irreversível em duas causas comuns. Mas se a detecção precoce destes dois casos, ela pode ser tratada. Diagnóstico derivado máquina resultados foram comparados com o diagnóstico da mesma imagem de cinco cheque oftalmologista. Além de diagnóstico médico, plataforma AI também produzem as recomendações de tratamento recomendadas e estudos anteriores não fizeram.
neovascularização de coróide, edema macular diabético, drusas, muitos tipos de comparação normais
"Referral Emergency" (DME detectado ea CNV) nas curvas de característica de operação do receptor (ROC) comparando o desempenho de um especialista humano. A área sob a curva de ROC era de 99,9%. Zoom área de exibição, a maioria dos espectáculos precisos modelo o desempenho do especialista humano seis.
Os autores observam que, por meio de treinamento simples, a máquina se comporta como um oftalmologista treinado, E pode determinar se um paciente dentro de 30 segundos a ser tratada, e precisão de mais do que 95%.
Segundo o argumento Professor Zhang Kang, que representa a velocidade ea precisão do diagnóstico médico e um grande passo em frente no tratamento de, e para fora pontas que nas actuais processos de cuidado, já que os pacientes muitas vezes precisam de um encaminhamento de um clínico geral para um especialista o médico, passou um tempo e recursos e pode atrasar o tratamento eficaz. Professor Zhang Kang também apontou que, com base em ferramentas de inteligência artificial simplificar um relativamente barato e estará recursos médicos do mundo, especialmente os evangélicos escassos especialistas e partes locais.
Os cientistas não limitar a sua pesquisa sobre doenças oculares. Eles também testaram suas ferramentas AI, uma coleção de raios-X 5232 peito, usados para treinar o sistema AI. De acordo com a análise de raios-X máquina peito e diagnóstico de pneumonia em crianças, a doença é a principal causa de morte de crianças com idade inferior a 5 em todo o mundo.
Depois de iterações e testes, o diagnóstico de pneumonia infantil ferramenta AI para alcançar 92,8% taxa de precisão, sensibilidade 93,2%, 90,1% de especificidade, e 96,8% dos valores da AUC. Estes dados indicam que, Ai suficiente para distinguir a pneumonia bacteriana e viral, a taxa de precisão de mais de 90%. pneumonia viral é tratada principalmente por tratamentos sintomáticos, porque o corpo irá naturalmente se livrar do vírus. A pneumonia bacteriana é muitas vezes uma ameaça à saúde mais grave que requer tratamento imediato com antibióticos.
No conjunto de dados de treinamento e validação usando o "TensorBoard" para descrever o desempenho do diagnóstico de pneumonia
Figura acima (AF) a comparação da etapa de formação de (B), e um comparador (C) e a perda associada de cross-entropia (D) entre o bacteriana e viral pneumonia, pneumonia e perda de cross-entropia normal (A), . Para observar claramente tendências plotados suavização fator é de 0,6. Pneumoniae detectado para a curva normal de ROC era de 96,8% (E). Detectando a área sob a curva ROC a pneumonia bacteriana e viral foi de 94,0% (F). dados de treinamento definido: laranja; o conjunto de dados de validação: azul.
Professor Zhang Kang disse que os resultados mostram, tecnologia AI tem muitas aplicações potenciais, incluindo a possibilidade de digitalização discriminação detectado em lesões benignas e malignas. Os cientistas publicaram seus dados e ferramentas, para que outros possam melhorar ainda mais, melhorar e desenvolver o seu potencial.
De acordo com a rede de Lei Feng entender, seus sistemas de inteligência artificial têm sido os ensaios clínicos de pequena escala nos Estados Unidos e Clínica de Olhos da América Latina, após a realização de promoção em larga escala para ganhar experiência. Além disso, o estudo de acompanhamento, que vai aumentar ainda mais o número de imagens marcadas com precisão, enquanto aumenta os tipos de doenças que podem ser diagnosticadas, e ainda optimizar o sistema.
"O futuro é mais dados, mais poder de computação e mais experiência na utilização do sistema, para que possamos oferecer o melhor atendimento ao paciente, enquanto ainda rentável", disse o professor Zhang Kang.
