211service.com
Nvidia's Deep-Learning Chips kunnen medicijnen een schot in de arm geven
De chipmaker Nvidia maakt deel uit van de huidige kunstmatige intelligentie-boom met hardware die is ontworpen om geavanceerde leeralgoritmen aan te drijven. En het bedrijf ziet gezondheidszorg en medicijnen als de volgende grote markt voor zijn technologie.
Kimberly Powell, die de inspanningen van Nvidia in de gezondheidszorg leidt, zegt dat het bedrijf op verschillende gebieden samenwerkt met medische onderzoekers en zal proberen deze inspanningen de komende jaren uit te breiden.
Er is een verbazingwekkende golf van onderzoek naar medische beeldvorming, zei Powell op: MIT Technology Review 's EmTech Digital-conferentie in San Francisco op maandag. We bezoeken tegenwoordig steeds meer zorgverleners in ziekenhuizen en ze bedenken nieuwe kunstmatige-intelligentietoepassingen.
Het meest opvallende is dat een techniek voor machinaal leren, deep learning genaamd, wordt toegepast bij het verwerken van medische beelden en het doorzoeken van grote hoeveelheden medische gegevens. Diep leren, dat heel losjes is geïnspireerd op de manier waarop neuronen in de hersenen lijken te werken, is al ongelooflijk nuttig gebleken voor het vinden van afbeeldingen en het verwerken van audiobestanden (zie 10 Breakthrough Technologies: Deep Learning).
Deze AI-techniek lijkt zeker aanhangers te krijgen in medisch onderzoek. Vorig jaar toonde een team van Google aan dat deep learning kan worden gebruikt om de diagnose van oogziekten te automatiseren. Ondertussen publiceerde een groep van Stanford University een artikel in het tijdschrift Natuur waaruit bleek dat de techniek kan huidkanker opsporen evenals een opgeleide dermatoloog. Een groep van het Mount Sinai Hospital in New York gebruikte de aanpak om de elektronische medische dossiers van patiënten analyseren en voorspellen, met verrassend hoge nauwkeurigheid, welke ziekte een persoon zou gaan ontwikkelen.
Dit zijn slechts enkele spraakmakende voorbeelden. Powell merkte tijdens haar lezing op dat grote medische beeldvormingsconferenties worden gedomineerd door deep-learning papers.
De grafische processors van Nvidia zijn zeer geschikt voor het uitvoeren van de parallelle berekeningen die nodig zijn voor deep learning, en de chipmaker heeft al een omvangrijk bedrijf opgebouwd dat hardware levert aan deep-learning onderzoekers in de academische wereld en de industrie. Nvidia maakt een groeiend aantal gespecialiseerde deep-learningproducten, waaronder een krachtige onderzoekscomputer genaamd de DGX-1 en een systeem voor zelfrijdende voertuigen genaamd de Drive PX.
Powell gelooft dat de hardware van het bedrijf ook steeds vaker te vinden zal zijn in ziekenhuizen en medische onderzoekscentra. De aanpak kan de betrouwbaarheid van de diagnose helpen verbeteren, zei ze, en zou de zorgstandaarden in ontwikkelingslanden, waar expertise schaars is, aanzienlijk kunnen verhogen. Powell voegde eraan toe dat het ontdekken van geneesmiddelen in de toekomst waarschijnlijk een ander groot gebied voor diepgaand leren zou zijn.
Maar deep learning kan artsen ook helpen patronen te vinden die anders onzichtbaar zouden zijn. Nvidia werkt bijvoorbeeld samen met Bradley Erickson, een neuroradioloog bij de Mayo Clinic, om deep learning toe te passen op hersenbeelden. Erickson heeft enig succes gehad bij het identificeren van genetische factoren die verband houden met hersenziekte op basis van afbeeldingen, zei Powell.
Eerder, tijdens hetzelfde evenement, noemde Gary Marcus, een professor van NYU, de geneeskunde als het gebied waarop AI de grootste impact zou kunnen hebben. Denk aan kanker, zei Marcus. De risicofactoren die de waarschijnlijkheid van een dergelijke ziekte kunnen aangeven, zijn misschien moeilijk voor een persoon om te identificeren, maar ze kunnen door een algoritme worden ontdekt, zei hij. De killer-app [voor AI] kan een belangrijke stap vooruit zijn in de manier waarop we medicijnen behandelen.
Er zijn echter grote uitdagingen bij het toepassen van technieken zoals deep learning in de geneeskunde. De aanpak is zo complex en ondoorzichtig dat het voor een arts misschien niet duidelijk is waarom een algoritme tot een bepaalde diagnose komt. Powell erkende deze uitdaging, maar zei dat er oplossingen aan het ontstaan waren, zoals nieuwe manieren om het gedrag van deep learning-netwerken te visualiseren. Het is momenteel een groot onderwerp in onderzoek, zei ze.