Dat is het brede idee achter een recent project van computerwetenschappers aan Stanford University, dat de buitengewone machine vision-krachten van geavanceerde deep learning neurale netwerken toepaste in de wereld van de dermatologie.
Aanbevolen video's
Met behulp van een database met bijna 130.000 afbeeldingen van huidziekten kon het team een Algoritme voor kunstmatige intelligentie kan huidlaesies diagnosticeren met een getraind prestatieniveau experts.
Verwant
- Diep lerende AI helpt archeologen met het vertalen van oude tabletten
- Deze door AI aangedreven app kan huidkanker met een nauwkeurigheid van 95 procent opsporen
- DeepSqueak is een machinaal lerende A.I. dat onthult waar ratten over praten
“[We hebben het getraind om] beelden van huidaandoeningen als goedaardig of kwaadaardig te classificeren, en ontdekten dat het overeenkomt met de prestaties van meer dan 21 board-gecertificeerde dermatologen op drie belangrijke diagnostische gebieden: taken: het identificeren van keratinocytcarcinomen (de meest voorkomende kanker bij de mens), het identificeren van melanoom (de dodelijkste huidkanker) en het identificeren van melanoom wanneer bekeken met behulp van dermoscopie”, co-first auteur
André Esteva vertelde Digitale Trends.Het neurale netwerk dat de onderzoekers gebruikten, was oorspronkelijk ontworpen door Google en getraind om 1,28 miljoen afbeeldingen te herkennen, met het enigszins frivole doel om katten van honden te onderscheiden.
“We zagen dat het bovenmenselijke prestaties demonstreerde bij het onderscheiden van 200 verschillende soorten honden”, aldus co-eerste auteur Brett Kuprel vertelde ons. "We dachten dat we dit konden toepassen op iets nuttigers, zoals de diagnose van huidkanker."
Voorafgaand aan het project hadden noch Esteva noch Kuprel enige achtergrond in de dermatologie, dat wil zeggen het algoritme dat zij gebruikten gemaakt was in staat om prestaties op expertniveau te bereiken zonder te profiteren van speciaal gecodeerde domeinspecifieke kennis.
Als het algoritme echter door getrainde artsen zou worden gebruikt, zouden ze kunnen profiteren van een zogenaamde ‘salience map’, die onthult hoe belangrijk elke pixel in een afbeelding was in de voorspelling van de AI proces. Met andere woorden: in plaats van dermatologen te vervangen, zou dit een nuttig instrument in hun arsenaal kunnen blijken te zijn – het equivalent van een slimme röntgenfoto die zijn eigen interpretatie geeft van wat hij ziet.
Maar voorlopig springt dat ver vooruit. “Er zijn zeker regelgevende regels om de FDA ertoe te brengen het goed te keuren,” zei Kuprel. “Dat zou belangrijk zijn voordat een applicatie kan worden ingezet.” Afgezien hiervan zeggen de onderzoekers echter niet wat de toekomst biedt.
“We beraadslagen nog steeds over de volgende stappen en kunnen nog geen commentaar geven”, zei Esteva.
Aanbevelingen van de redactie
- AI zou een cruciale rol kunnen spelen bij de geboorte van de IVF-kinderen van morgen
- Diep lerende AI kan de vervormingseffecten van iconische gitaargoden imiteren
- Japanse onderzoekers gebruiken deep learning A.I. om drijfhoutrobots in beweging te krijgen
- Statisticus werpt rode vlag op over de betrouwbaarheid van machine learning-technieken
- Wat is diep leren?
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
