Det är den breda idén bakom ett projekt som nyligen skapats av datavetare vid Stanford University, som tillämpade de extraordinära maskinseende krafterna hos banbrytande neurala nätverk för djupinlärning till dermatologins värld.
Rekommenderade videor
Med hjälp av en databas med nära 130 000 bilder av hudsjukdomar kunde teamet skapa en artificiell intelligens algoritm kan diagnostisera hudskador med en prestationsnivå matchning tränad experter.
Relaterad
- Djuplärande A.I. hjälper arkeologer att översätta uråldriga tabletter
- Denna A.I.-drivna app kan upptäcka hudcancer med 95 procents noggrannhet
- DeepSqueak är en A.I. som avslöjar vad råttor pratar om
"[Vi utbildade det att] klassificera bilder av hudtillstånd som godartade eller maligna och fann att det matchar prestandan hos över 21 styrelsecertifierade hudläkare vid tre nyckeldiagnostik uppgifter: identifiera keratinocytkarcinom (den vanligaste cancerformen hos människor), identifiera melanom (den dödligaste hudcancern) och identifiera melanom när det ses med hjälp av dermoskopi," co-first författare
Andre Esteva berättade för Digital Trends.Det neurala nätverk som forskarna använde var ett ursprungligen designat av Google och tränat att känna igen 1,28 miljoner bilder, med det något oseriösa syftet att skilja katter från hundar.
"Vi såg att det visade övermänsklig prestation när det gäller att skilja mellan 200 olika typer av hundar," medförfattare Brett Kuprel berättade för oss. "Vi tänkte att vi kunde tillämpa detta på något mer användbart, som hudcancerdiagnos."
Innan projektet hade varken Esteva eller Kuprel någon bakgrund inom dermatologi, vilket innebär att algoritmen de skapade kunde uppnå prestanda på expertnivå utan att dra nytta av någon speciellt kodad domänspecifik kunskap.
Men om algoritmen skulle användas av utbildade läkare skulle de kunna dra nytta av en så kallad "salience-karta", som avslöjar hur viktig varje pixel i en bild var i AI: s förutsägelse bearbeta. Med andra ord, snarare än att ersätta hudläkare, kan detta visa sig vara ett användbart verktyg i deras arsenal - motsvarigheten till en smart röntgen som erbjuder sin egen tolkning av vad den ser.
För nu, dock hoppar det långt fram. "Det finns definitivt regulatoriska regler för att få FDA att godkänna det," sa Kuprel. "Det skulle vara viktigt innan någon applikation kunde distribueras." Utöver detta säger utredarna dock inte vad som händer härnäst.
"Vi överväger fortfarande om nästa steg och kan ännu inte kommentera," sa Esteva.
Redaktörens rekommendationer
- A.I. kan spela en viktig roll i födelsen av morgondagens IVF-barn
- Deep learning A.I. kan imitera distorsionseffekterna av ikoniska gitarrgudar
- Japanska forskare använder djupinlärning A.I. för att få drivvedsrobotar i rörelse
- Statistiker lyfter röd flagga om tillförlitligheten hos maskininlärningstekniker
- Vad är djupinlärning?
Uppgradera din livsstilDigitala trender hjälper läsarna att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.
