Een nieuw algoritme kan longontsteking beter opsporen dan een radioloog

Categorie: Kunstmatige intelligentie Geplaatst 16 november

Voeg het diagnosticeren van gevaarlijke longziekten toe aan de groeiende lijst van dingen die kunstmatige intelligentie beter kan dan mensen.

een nieuwe arXiv paper van onderzoekers van Stanford legt uit hoe CheXNet, het convolutionele neurale netwerk dat ze ontwikkelden, deze prestatie heeft geleverd. CheXNet werd getraind op een openbaar beschikbare dataset van meer dan 100.000 thoraxfoto's die waren geannoteerd met informatie over 14 verschillende ziekten die in de afbeeldingen voorkomen. De onderzoekers lieten vier radiologen een testset met röntgenfoto's doornemen en diagnoses stellen, die werden vergeleken met diagnoses uitgevoerd door CheXNet. CheXNet versloeg niet alleen radiologen bij het opsporen van longontsteking, maar toen het algoritme eenmaal was uitgebreid, bleek het ook beter in het identificeren van de andere 13 ziekten.

Vroege detectie van longontsteking zou kunnen helpen om enkele van de 50.000 sterfgevallen die de ziekte jaarlijks in de VS veroorzaakt, te voorkomen. Longontsteking is ook de één van de grootste infectieuze doodsoorzaken voor kinderen wereldwijd, waarbij in 2015 bijna een miljoen kinderen onder de vijf jaar werden gedood.

Andrew Ng, een co-auteur van het artikel en het voormalige hoofd van AI-onderzoek bij Baidu, denkt dat AI in de geneeskunde steeds meer zal worden vertrouwd. Hij werkte eerder aan een algoritme dat, na te zijn getraind op elektrocardiogram (ECG)-gegevens, hartritmestoornissen beter kan identificeren dan een menselijke expert. Een ander diep lerend algoritme dat onlangs is gepubliceerd in Natuur kon net zo goed kankerachtige huidlaesies opsporen als een gecertificeerde dermatoloog.

Vooral radiologen zijn al een tijdje op de hoogte. Eerder onderzoek heeft aangetoond dat AI net zo goed of beter is dan artsen in het opsporen van problemen in CT-scans. Geoffrey Hinton, een van de pioniers van diep leren, vertelde de New Yorker dat vanwege de vooruitgang in AI, medische scholen nu moeten stoppen met het opleiden van radiologen. Het analyseren van op afbeeldingen gebaseerde datasets zoals röntgenfoto's, CT-scans en medische foto's is waar deep-learning-algoritmen in uitblinken. En ze zouden heel goed levens kunnen redden.