Det er den brede ideen bak et nylig prosjekt opprettet av informatikere ved Stanford University, som brukte de ekstraordinære maskinsynskreftene til banebrytende dyplæringsnevrale nettverk til dermatologiens verden.
Anbefalte videoer
Ved å bruke en database med nærmere 130 000 bilder av hudsykdommer, klarte teamet å lage en kunstig intelligens algoritme i stand til å diagnostisere hudlesjoner med en ytelsesnivå matching trent eksperter.
I slekt
- Dyplæring A.I. hjelper arkeologer med å oversette eldgamle nettbrett
- Denne A.I.-drevne appen kan oppdage hudkreft med 95 prosent nøyaktighet
- DeepSqueak er en maskinlæring A.I. som avslører hva rotter prater om
"[Vi lærte det til å] klassifisere bilder av hudsykdommer som godartede eller ondartede, og fant ut at det samsvarer med ytelsen til over 21 styresertifiserte hudleger ved tre nøkkeldiagnostikk oppgaver: identifisere keratinocyttkarsinomer (den vanligste kreften hos mennesker), identifisere melanom (den dødeligste hudkreften), og identifisere melanom når det ses ved hjelp av dermoskopi," co-first forfatter
Andre Esteva fortalte Digital Trends.Det nevrale nettverket forskerne brukte var et opprinnelig designet av Google og trent til å gjenkjenne 1,28 millioner bilder, med det noe useriøse formålet å skille katter fra hunder.
"Vi så at det demonstrerte overmenneskelig ytelse ved å skille mellom 200 forskjellige typer hunder," medforfatter Brett Kuprel fortalte oss. "Vi trodde vi kunne bruke dette til noe mer nyttig, for eksempel hudkreftdiagnose."
Før prosjektet hadde verken Esteva eller Kuprel noen bakgrunn fra dermatologi, noe som betyr at algoritmen de created var i stand til å oppnå ytelse på ekspertnivå uten å dra nytte av noe spesielt kodet domenespesifikke kunnskap.
Men hvis algoritmen skulle brukes av trente leger, kunne de dra nytte av en såkalt "salience map", som avslører hvor viktig hver piksel i et bilde var i AIs prediksjon prosess. Med andre ord, i stedet for å erstatte hudleger, kan dette vise seg å være et nyttig verktøy i deres arsenal - tilsvarende en smart røntgenstråle som gir sin egen tolkning av hva den ser.
For nå hopper det imidlertid langt fremover. "Det er definitivt regulatoriske regler for å få FDA til å godkjenne det," sa Kuprel. "Det ville være viktig før en applikasjon kunne distribueres." Utover dette sier etterforskerne imidlertid ikke hva som skjer videre.
"Vi vurderer fortsatt de neste trinnene og kan ennå ikke kommentere," sa Esteva.
Redaktørenes anbefalinger
- A.I. kan spille en viktig rolle i fødselen til morgendagens IVF-barn
- Dyplæring A.I. kan imitere forvrengningseffektene til ikoniske gitarguder
- Japanske forskere bruker dyp læring A.I. for å få drivvedroboter i bevegelse
- Statistiker hever rødt flagg om påliteligheten til maskinlæringsteknikker
- Hva er dyp læring?
Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.
