Det er den brede idé bag et nyligt projekt skabt af dataloger ved Stanford University, som anvendte de ekstraordinære maskinsynskræfter fra banebrydende deep learning neurale netværk til dermatologiens verden.
Anbefalede videoer
Ved hjælp af en database med tæt på 130.000 billeder af hudsygdomme var holdet i stand til at oprette en kunstig intelligens algoritme i stand til at diagnosticere hudlæsioner med et præstationsniveau matching trænet eksperter.
Relaterede
- Deep-learning A.I. hjælper arkæologer med at oversætte gamle tavler
- Denne A.I.-drevne app kan spotte hudkræft med 95 procent nøjagtighed
- DeepSqueak er en A.I. der afslører, hvad rotter snakker om
"[Vi trænede det til] at klassificere billeder af hudsygdomme som godartede eller ondartede og fandt ud af, at det matcher ydeevnen fra over 21 bestyrelsescertificerede hudlæger ved tre nøglediagnostik opgaver: identifikation af keratinocytkarcinomer (den mest almindelige kræftsygdom hos mennesker), identifikation af melanom (den dødeligste hudkræft) og identifikation af melanom, når det ses ved hjælp af dermoskopi," co-first forfatter
Andre Esteva fortalte Digital Trends.Det neurale netværk, forskerne brugte, var et oprindeligt designet af Google og trænet til at genkende 1,28 millioner billeder med det noget useriøse formål at skelne katte fra hunde.
"Vi så, at det demonstrerede overmenneskelig præstation til at skelne mellem 200 forskellige typer hunde," medforfatter Brett Kuprel fortalte os. "Vi troede, at vi kunne anvende dette på noget mere nyttigt, såsom hudkræftdiagnose."
Forud for projektet havde hverken Esteva eller Kuprel nogen baggrund i dermatologi, hvilket betyder den algoritme, de skabt var i stand til at opnå ydeevne på ekspertniveau uden at drage fordel af noget specielt kodet domænespecifikt viden.
Men hvis algoritmen skulle bruges af uddannede læger, kunne de drage fordel af en såkaldt "salience map", der afslører, hvor vigtig hver pixel i et billede var i AI's forudsigelse behandle. Med andre ord, snarere end at erstatte hudlæger, kan dette vise sig at være et nyttigt værktøj i deres arsenal - svarende til en smart røntgenstråle, der tilbyder sin egen fortolkning af, hvad den ser.
For nu springer det dog langt frem. "Der er bestemt regulatoriske regler for at få FDA til at godkende det," sagde Kuprel. "Det ville være vigtigt, før en applikation kunne implementeres." Ud over dette siger efterforskerne dog ikke, hvad der er det næste.
"Vi overvejer stadig de næste skridt og kan endnu ikke kommentere," sagde Esteva.
Redaktørens anbefalinger
- A.I. kunne spille en afgørende rolle i fødslen af morgendagens IVF-børn
- Dyb læring A.I. kan efterligne forvrængningseffekterne af ikoniske guitarguder
- Japanske forskere bruger deep learning A.I. at få drivtømmerrobotter i gang
- Statistiker løfter rødt flag om pålideligheden af maskinlæringsteknikker
- Hvad er deep learning?
Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.
