Das ist die Grundidee eines aktuellen Projekts von Informatiker an der Stanford University, das die außergewöhnlichen Fähigkeiten der maschinellen Bildverarbeitung modernster Deep-Learning-Neuronalnetze auf die Welt der Dermatologie anwendete.
Empfohlene Videos
Mithilfe einer Datenbank mit fast 130.000 Bildern von Hautkrankheiten konnte das Team eine erstellen Ein Algorithmus mit künstlicher Intelligenz ist in der Lage, Hautläsionen mit einem trainierten Leistungsniveau zu diagnostizieren Experten.
Verwandt
- Deep-Learning-K.I. hilft Archäologen bei der Übersetzung antiker Tafeln
- Diese KI-gestützte App kann Hautkrebs mit einer Genauigkeit von 95 Prozent erkennen
- DeepSqueak ist eine maschinell lernende KI. Das verrät, worüber Ratten reden
„[Wir haben es trainiert,] Bilder von Hauterkrankungen als gutartig oder bösartig zu klassifizieren, und haben festgestellt, dass es der Leistung von über 21 staatlich geprüften Dermatologen bei drei wichtigen Diagnosestellen entspricht Aufgaben: Identifizierung von Keratinozytenkarzinomen (der häufigsten Krebsart beim Menschen), Identifizierung von Melanomen (dem tödlichsten Hautkrebs) und Identifizierung von Melanomen bei der Dermatoskopie“, Co-First Autor
Andre Esteva sagte Digital Trends.Das von den Forschern verwendete neuronale Netzwerk war ursprünglich von Google entwickelt und darauf trainiert, 1,28 Millionen Bilder zu erkennen, mit dem etwas leichtfertigen Zweck, Katzen von Hunden zu unterscheiden.
„Wir haben gesehen, dass es eine übermenschliche Leistung bei der Unterscheidung zwischen 200 verschiedenen Hundetypen zeigte“, Co-Erstautor Brett Kuprel sagte uns. „Wir dachten, wir könnten dies auf etwas Nützlicheres anwenden, beispielsweise auf die Diagnose von Hautkrebs.“
Vor dem Projekt hatten weder Esteva noch Kuprel einen Hintergrund in der Dermatologie, also dem Algorithmus, den sie verwenden erstellt wurde, konnte eine Leistung auf Expertenniveau erreichen, ohne von speziell codierten domänenspezifischen Vorteilen zu profitieren Wissen.
Wenn der Algorithmus jedoch von ausgebildeten Ärzten verwendet werden sollte, könnten sie einen Vorteil daraus ziehen sogenannte „Salience Map“, die zeigt, wie wichtig jedes Pixel in einem Bild für die Vorhersage der KI war Verfahren. Mit anderen Worten: Anstatt Dermatologen zu ersetzen, könnte sich dies als nützliches Werkzeug in ihrem Arsenal erweisen – das Äquivalent einer intelligenten Röntgenaufnahme, die eine eigene Interpretation dessen bietet, was sie sieht.
Im Moment ist das jedoch ein großer Schritt nach vorn. „Es gibt definitiv regulatorische Regeln, um die FDA zur Genehmigung zu bewegen“, sagte Kuprel. „Das wäre wichtig, bevor eine Anwendung bereitgestellt werden könnte.“ Darüber hinaus sagen die Ermittler jedoch nicht, wie es weitergeht.
„Wir beraten immer noch über die nächsten Schritte und können noch keine Stellungnahme dazu abgeben“, sagte Esteva.
Empfehlungen der Redaktion
- K.I. könnte eine entscheidende Rolle bei der Geburt der IVF-Kinder von morgen spielen
- Deep-Learning-K.I. kann die Verzerrungseffekte ikonischer Gitarrengötter imitieren
- Japanische Forscher nutzen Deep-Learning-KI. um Treibholzroboter in Bewegung zu setzen
- Statistiker warnt vor Zuverlässigkeit maschineller Lerntechniken
- Was ist Deep Learning?
Werten Sie Ihren Lebensstil aufDigital Trends hilft Lesern mit den neuesten Nachrichten, unterhaltsamen Produktrezensionen, aufschlussreichen Leitartikeln und einzigartigen Einblicken, den Überblick über die schnelllebige Welt der Technik zu behalten.
