A klinikákon az orvosok könnyen túlterhelődnek, ha túl sok beteg van, ami pontatlansághoz és hibás diagnózishoz vezet. A Google mesterséges intelligencia DeepMind azonban minimálisra csökkentheti ezt a problémát, mivel képes néhány másodperc alatt pontosan diagnosztizálni több mint 50, a látást befolyásoló betegséget.
Az a félelem, hogy a technológia és a mesterséges intelligencia felváltja, és sok ember elveszíti állását, egykor távoli fogalom volt, de ahogy fejlődik a gépi tanulás és a robotika, ez az aggodalom egyre világosabbá válik.
Kétségtelen, hogy a robotok sok dolgozót helyettesíthetnek a gyártósorokon, de egy olyan munka, amelyre úgy tűnik, csak ember képes, mert intuíciót, tudást, tapasztalatot és odafigyelést igényel. Még az apró részleteket is – az orvos munkáját – ma már az AI bizonyítja .
A Google egyre inkább tökéletesíti a DeepMindot, mivel a híres mesterséges intelligencia hálózaton alapuló mesterséges intelligencia, amely legyőzte ezt a Go-lejátszót, már betegségek diagnosztizálására is képes. A Moorfields Eye Hospital-nal együttműködve a Google bejelentette, hogy a DeepMind már több mint 50 potenciálisan látást veszélyeztető betegséget képes diagnosztizálni a világ vezető orvosainak pontosságával.
A DeepMind csapata a blogon azt mondta, hogy az orvosok, bármilyen tehetségesek is, csak emberek, és sok időbe telik átnézni a szemvizsgálatot és számos betegséget diagnosztizálni. A DeepMind csapata azonban azt állítja, hogy a Google mesterséges intelligenciája néhány másodperc alatt képes optikai tomográfiát (OCT) készíteni.
Az OCT egy gyakran használt technológia a szembetegségek kimutatására, de a szkennelések leolvasása nagyon időigényes. Ha az algoritmus segíthetne az orvosoknak, az nagyszerű lenne.
Példa a rendszerdiagnosztikára. Fotók: UCL, Moorfields, DeepMind.
Az önvezető autókhoz hasonlóan azonban, ha hagyjuk, hogy a számítógép következtetéseket vonjon le, az néha végzetes ítéletekhez vezethet. A DeepMind kutatói számos módszert alkalmaznak a probléma enyhítésére. Az első az, hogy ne egy algoritmusra hagyatkozzunk, hanem algoritmusok csoportját használjuk a keresztellenőrzéshez. A második nem az, hogy minden diagnózisra egyetlen választ adjunk, hanem az elemzést és a pontosság valószínűségére vonatkozó bizonyosságot. Azt is bemutatja, hogyan lehet azonosítani a páciens szemének egyes részeit, hogy az orvos később elemezze azokat. A legfontosabb, hogy nem közvetlen diagnosztikai eszköz, hanem csak annak meghatározására szolgál, hogy mely betegeknek kell először kezelésre.
Még ha ezek az információk érdekesnek is tűnnek számodra, ne aggódj/izgulj, mert bár az eredmények ígéretesek, nem biztos, hogy a DeepMind és a hasonló technológiák használhatók a valós környezetben. A mesterséges intelligencia és az új technológiák használatáig még várni kell.
Többet látni: