【399】人工智能如何使诊断疾病变得更容易|How AI is making it easier to diagnose disease

TED简介

Speaker: Pratik Shah

Key words:人工智能 疾病

Abstract:曾经我们在其他的TED演讲里已经介绍过AI是如何通过机器学习的方法成为处理图片如CT片,MRI等的专家的,本期TED的演讲者做的事情就是让这种机器学习的成本降低,学习过程的耗时减少。

@TED: Today’s AI algorithms require tens of thousands of expensive medical images to detect a patient’s disease. What if we could drastically reduce the amount of data needed to train an AI, making diagnoses low-cost and more effective? TED Fellow Pratik Shah is working on a clever system to do just that. Using an unorthodox AI approach, Shah has developed a technology that requires as few as 50 images to develop a working algorithm – and can even use photos taken on doctors' cell phones to provide a diagnosis. Learn more about how this new way to analyze medical information could lead to earlier detection of life-threatening illnesses and bring AI-assisted diagnosis to more health care settings worldwide.”

Rating: ⭐️⭐️⭐️⭐️

学习笔记

曾经我们在其他的TED演讲里已经介绍过AI是如何通过机器学习的方法成为处理图片如CT片,MRI等的专家的,本期TED的演讲者做的事情就是让这种机器学习的成本降低,学习过程的耗时减少。

传统的医学诊断模型的建立过程:

  • 生成并收集大约10,000张非常昂贵的医学图像
  • 找一位专家医生,分析这些图像
  • 使用这些信息来训练一个标准的深层神经网络或深层学习网络来诊断病人

一个问题:我们能否发明更可扩展、更有效和更有价值的人工智能架构来解决我们今天面临的这些非常重要的问题?

下面介绍我们所做的事情,我们有两个目标。我们的第一个目标是减少训练人工智能算法所需的图像数量。我们的第二个目标——我们更加雄心勃勃,我们希望减少使用昂贵的医学成像技术来筛查患者。

方法:

  • 扩增数据点:我们将一幅图像转换成数十亿个训练数据点,大大减少了训练所需的数据量。
  • 合成图像:我们从一张标准的白光照片开始,这张照片是从DSLR相机或手机上为病人拍摄的。那还记得那几十亿个信息包吗?我们将医学图像中的那些叠加到这张图像上,创造了我们称之为合成图像的东西。让我们惊讶的是,我们只需要50张——我重复一遍,只有50张——这些合成图像就能训练我们的算法达到高效率。总而言之,我们的方法不是使用10,000张非常昂贵的医学图像,我们现在可以用一种非正统的方式训练人工智能算法,只使用这些从DSLR相机和手机上获取的高分辨率但标准的照片中的50张,并提供诊断。更重要的是,我们的算法可以在未来甚至现在接受一些来自病人的非常简单的白光照片,而不是昂贵的医学成像技术。

参考内容

Link:Pratik Shah: How AI is making it easier to diagnose disease



快来加入#1000个TED学习计划#,在“一千个TED视频的探索之旅”一起分享最好最实用的TED学习笔记

Ted Digger wechat
关注我的公众号#1000个TED学习计划#吧