211service.com
Een AI-oogarts laat zien hoe machinaal leren de geneeskunde kan transformeren
Google-onderzoekers hebben een algoritme voor het scannen van de ogen om zelf uit te zoeken hoe een veelvoorkomende vorm van blindheid kan worden gedetecteerd, wat aantoont dat kunstmatige intelligentie de geneeskunde opmerkelijk snel kan transformeren.
Het algoritme kan netvliesbeelden bekijken en diabetische retinopathie detecteren - die bijna een derde van de diabetespatiënten treft - evenals een hoog opgeleide oogarts. Het maakt gebruik van dezelfde machine learning-techniek die Google gebruikt om miljoenen webafbeeldingen te labelen.
Diabetische retinopathie wordt veroorzaakt door schade aan bloedvaten in het oog en resulteert in een geleidelijke verslechtering van het gezichtsvermogen. Als het vroeg wordt opgemerkt, kan het worden behandeld, maar een patiënt kan in een vroeg stadium geen symptomen ervaren, waardoor screening van vitaal belang is. De diagnose wordt gedeeltelijk gesteld door een deskundige beelden van het netvlies van een patiënt, vastgelegd met een speciaal apparaat, te laten onderzoeken op tekenen van bloeding en vloeistoflekkage.
Een vorm van geautomatiseerde detectie zou de diagnose efficiënter en betrouwbaarder kunnen maken, en zou vooral nuttig kunnen zijn in regio's waar de vereiste expertise schaars is. Een van de meest intrigerende dingen van deze machine-learningbenadering is dat het de objectiviteit en uiteindelijk de nauwkeurigheid en kwaliteit van medische zorg kan verbeteren, zegt Michael Chiang , een professor in de oogheelkunde en een clinicus aan het Casey Eye Institute van de Oregon Health & Science University.
AI heeft in het verleden wisselend succes gehad in de geneeskunde. Van systemen die een database met kennis gebruiken om advies te geven, is aangetoond dat ze in sommige situaties beter presteren dan artsen, maar het gebruik is beperkt. Toch kan de kracht van machine learning, met name een techniek die bekend staat als deep learning, AI in de toekomst meer gemeengoed maken (zie 10 Breakthrough Technologies 2013: Deep Learning). Een team van Google DeepMind, een dochteronderneming van Alphabet die zich volledig richt op AI, doet soortgelijk werk , het trainen van computers om optische coherentietomografiescans te verwerken op tekenen van maculaire degeneratie en andere oogaandoeningen in samenwerking met onderzoekers van het Moorfields Eye Hospital in Londen (zie DeepMind's First Medical Research Gig Will Use AI to Diagnose Eye Disease).
Dit onderzoek naar het netvliesbeeld, dat dinsdag werd gepubliceerd, markeerde de eerste keer een paper over deep learning is verschenen in de Tijdschrift van de American Medical Association , volgens de hoofdredacteur van het tijdschrift, Howard Bauchner.
De auteurs van het artikel, bestaande uit computerwetenschappers bij Google en medische onderzoekers uit de VS en India, ontwikkelden een algoritme om beelden van het netvlies te analyseren. Maar in tegenstelling tot bestaande oogheelkundige software, was het niet expliciet geprogrammeerd om kenmerken in afbeeldingen te herkennen die op de ziekte zouden kunnen wijzen. Het keek gewoon naar duizenden gezonde en zieke ogen en bedacht zelf hoe de aandoening te herkennen.
De onderzoekers creëerden een trainingsset van 128.000 beelden van het netvlies, geclassificeerd door ten minste drie oogartsen. Nadat het algoritme was getraind, testten de onderzoekers de prestaties op 12.000 afbeeldingen en ontdekten dat het overeenkwam met of beter was dan de prestaties van experts bij het identificeren van de aandoening en het beoordelen van de ernst ervan.
De Google-onderzoekers werkten samen met wetenschappers van de Aravind Medical Research Foundation in India, waar een klinische proef met echte patiënten loopt. Bij dit project krijgen patiënten een normaal consult, maar hun beelden worden ook ter vergelijking in het deep-learningsysteem ingevoerd. Lily Peng, een onderzoeker bij Google en een arts die betrokken was bij het project, zegt dat de resultaten van deze proef nog niet klaar zijn voor publicatie.
Diep leren kan worden toegepast op veel verschillende medische gebieden die afhankelijk zijn van beeldanalyse, zoals radiologie en cardiologie. Maar een van de grootste uitdagingen zal zijn om overtuigend bewijs te leveren dat de systemen betrouwbaar zijn. Brendan Frey , een professor aan de Universiteit van Toronto en de CEO en medeoprichter van een bedrijf genaamd Diepe genomica , waarschuwt dat onderzoekers machine learning-systemen moeten ontwikkelen die kunnen uitleggen hoe ze tot een bepaalde conclusie zijn gekomen (zie AI's taalprobleem).
Peng, van Google, zegt dat dit iets is waar haar team al aan werkt. We begrijpen dat uitleggen heel belangrijk zal zijn, zegt ze.