Υπάρχουν πολλά σημεία πόνου όταν πρόκειται για το κορωνοϊός, επίσημα γνωστό ως COVID-19. Ένα από αυτά είναι πώς ακριβώς να δοκιμάσετε τους ανθρώπους για αυτό όταν τα απαραίτητα κιτ δοκιμών είναι ελλιπή. Μια πιθανή λύση θα μπορούσε να είναι να επιτραπεί στην τεχνητή νοημοσύνη να ελέγχει εξονυχιστικά τις ακτινογραφίες θώρακα των πνευμόνων των ασθενών για να εντοπίσει σημάδια πιθανής βλάβης των πνευμόνων που προκαλείται από τον κορωνοϊό.
Αυτή είναι η βάση για πολλές συναρπαστικές και πολλά υποσχόμενες προσπάθειες ανάπτυξης ενός νευρωνικού δικτύου που θα μπορούσε να χρησιμοποιηθεί για να δώσει μια ισχυρή ένδειξη για το εάν ένας ασθενής είναι πιθανό να έχει COVID-19 ή όχι. Ερευνητές στην κινεζική ιατρική εταιρεία Infervision πρόσφατα συνεργάστηκε με Το νοσοκομείο Wuhan Tongji στην Κίνα για την ανάπτυξη ενός διαγνωστικού εργαλείου για τον COVID-19. Σύμφωνα με πληροφορίες, τώρα χρησιμοποιείται ως εργαλείο προσυμπτωματικού ελέγχου στο Πανεπιστημιακό Νοσοκομείο Campus Bio-Medico στη Ρώμη, Ιταλία.
Προτεινόμενα βίντεο
Εν τω μεταξύ, άλλοι ερευνητές από το Πανεπιστήμιο του Βατερλό στο Οντάριο του Καναδά και την καναδική A.I. εταιρεία DarwinAI αυτή την εβδομάδα ανακοίνωσε ένα νέο νευρωνικό δίκτυο ανοιχτής πρόσβασης που είναι ανοιχτό στο κοινό. Το νευρωνικό δίκτυο ανακοινώθηκε στις Το EmTech Digital του MIT Technology Review εκδήλωση από τον CEO της DarwinAI, Sheldon Fernandez. Ονομάζεται COVID-Net, προορίζεται ως εργαλείο που θα μπορούσε να χρησιμοποιηθεί για παρόμοιο έλεγχο — και είναι ανοιχτό για περαιτέρω δοκιμές από ερευνητές σε όλο τον κόσμο, οι οποίοι μπορεί σύντομα να είναι σε θέση να το χρησιμοποιήσουν ως μια πολύ αναγκαία δημόσια υγεία λύση.
«Πραγματοποιήσαμε την εκπαίδευση [της A.I.] σε ένα σύνολο δεδομένων που αποτελείται από 5.941 εικόνες ακτινογραφίας οπίσθιου πρόσθιου θώρακα, σε 2.839 περιπτώσεις ασθενών, από αποθετήρια δεδομένων δύο ανοικτής πρόσβασης», είπε στην Digital ο Alexander Wong, ένας από τους ερευνητές του έργου. Τάσεις. «Μέχρι στιγμής, η ευαισθησία στα κρούσματα COVID-19 είναι αρκετά καλή. Ωστόσο, τα δεδομένα για τα κρούσματα COVID-19 εξακολουθούν να είναι περιορισμένα και συνεχίζουμε να βελτιώνουμε το μοντέλο COVID-Net καθώς έρχονται περισσότερα δεδομένα με την πάροδο του χρόνου».
Αυτό είναι το πρόβλημα που κάθε A.I. οι ερευνητές είναι πιθανό να συναντήσουν. Με απλά λόγια, υπάρχουν ακόμα πολλά να μάθουμε για τον COVID-19, κάτι που μπορεί να κάνει δύσκολη την ανάπτυξη εργαλείων για την αναγνώρισή του (και, σε αυτή την περίπτωση, τη διάκρισή του από άλλες ασθένειες του πνεύμονα). Αυτός είναι ο λόγος για τον οποίο η ιδέα ενός δημοσίως διαθέσιμου —και δημοσίως ελεγχόμενου— συστήματος είναι τόσο ελπιδοφόρα.
«Το [COVID-Net] δεν χρησιμοποιείται επί του παρόντος από ασθενείς», είπε ο Wong. «Αλλά συνεχίζουμε να εργαζόμαστε σκληρά για τη βελτίωση των αποτελεσμάτων και προσκαλούμε κλινικούς ιατρούς και κλινικά ιδρύματα και οργανισμοί να το χρησιμοποιούν, να δίνουν σχόλια και να συνεισφέρουν δεδομένα, ώστε να μπορούμε να επιταχύνουμε την ετοιμότητά του για κλινικές ανάπτυξη. Αυτήν τη στιγμή, τα πάντα είναι διαθέσιμα στην παγκόσμια κοινότητα, οπότε ελπίζουμε ότι αυτό θα επιταχύνει την πρόοδο και την πρόοδο σε αυτόν τον τομέα».
ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ. Οι ερευνητές μιλούν πάντα για την επιθυμία να λύσουν μεγάλα προβλήματα. Αυτή τη στιγμή, αυτό είναι ένα από τα μεγαλύτερα που υπάρχουν.
Συστάσεις των συντακτών
- Ρομπότ ασφαλείας θα μπορούσαν να έρχονται σε ένα σχολείο κοντά σας
- Αναλογικό A.I.; Ακούγεται τρελό, αλλά μπορεί να είναι το μέλλον
- Το τελευταίο A.I της Nvidia. Τα αποτελέσματα αποδεικνύουν ότι η ARM είναι έτοιμη για το κέντρο δεδομένων
- Μπορεί η A.I. νικήσει τους ανθρώπους μηχανικούς στο σχεδιασμό μικροτσίπ; Το πιστεύει η Google
- Διαβάστε την απόκοσμα όμορφη «συνθετική γραφή» ενός A.I. που νομίζει ότι είναι Θεός
Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.
