Forskere fra University of California i Cell-magasinet præsenterede verden for deres gennembrudsløsning inden for kunstig intelligens. Platformen, de skabte, kan ikke kun opdage, men også diagnosticere sygdomme relateret til degeneration af øjenhinden. Dette blev blandt andet opnået ved ved at ændre computerens læringssystem.
I øjeblikket er vi i stand til at stole på kunstig intelligens i områder som selvparkering af en bil, men det er hidtil ikke almindelig at stole på den i så komplekse situationer som medicinske diagnoser. Forskere fra University of California ønsker at ændre dette - platformen, de skabte ved hjælp af kunstig intelligens, kan ikke kun diagnosticere og skelne mellem de to mest populære retinale sygdomme (makuladegeneration og diabetisk makulaødem), men også vurdere sværhedsgraden af sygdommen.
Nøglen til denne succes har været at ændre måden, AI lærer på. Forskerne brugte en ny specifik type maskinindlæring kaldet "transfer learning". Fænomenet med transferlæring i medicin er, at det giver dig mulighed for at overføre viden fra et sygdomsområde til et andet, hvilket øger diagnosens nøjagtighed og samtidig reducerer den nødvendige tid til læring. På nuværende tidspunkt har platformen allerede absorberet 200 tusind. CT-scanninger af nethinden og inden for 30 sekunder er i stand til at bedømme, om patienten har brug for behandling. Effektiviteten af diagnosen er ca. 95%, som forfatterne sammenligner med nøjagtigheden af en veluddannet øjenlæge. Hvad mere er, det har også gjort diagnoseprocessen så gennemsigtig som muligt, så selv patienter, der ikke er bekendt med teknologi, kan stole på det. Computeren viser løbende, hvilket område den ser på, og på hvilket grundlag den stiller sin diagnose.
Brug af overførselsindlæringssystemet gør det muligt for californisk kunstig intelligens at diagnosticere røntgenstråler på brystet og med 90 procent. skelne nøjagtigt mellem viral og bakteriel lungebetændelse. Den nærmeste plan for skaberne er at anvende den også i andre medicinske områder, fordi ifølge dem øges effektiviteten af diagnosen hver gang databasen øges. Endelig er målet at vise læger, at kunstig intelligens er et værdifuldt værktøj, der giver dem mulighed for at forbedre deres arbejde og til patienter - at en hurtig og præcis diagnose foretaget af en computer vil give dem mulighed for at gennemgå den nødvendige behandling hurtigere.
-przyczyny-rodzaje-leczenie.jpg)
