Когда я впервые разговаривал с Таем, я отчетливо помню, как он сказал: «Хорошо, а что, если мы найдем узелок через 2 или 20 минут, что теперь? Как мы обеспечиваем наилучший непрерывный уход? »

Нам необходимо глубоко рассматривать и постоянно подвергать сомнению предпосылки потенциальных новых технологий, которые нацелены на подрыв здравоохранения. Недостаточно просто иметь алгоритм, сообщающий врачу, что плохо - необходима непрерывность. То есть будущее алгоритмов должно идти глубже, чем то, что есть в настоящее время.

В противном случае это не будет столь разрушительным, как мы думаем.

Ключевой частью этого нововведения является получение голоса радиологов по всему миру и с любым уровнем опыта. Без участия вас и ваших коллег эти системы не будут полностью разработаны и разработаны с учетом рабочего процесса радиолога.

Обязательно, чтобы сообщество радиологов получило образование по этой теме и заявило о любых сомнениях, недоразумениях или интересах. Нет глупых вопросов, и каждый находится на своем месте в процессе обучения.

Мы видим, как эта новая платформа растет на наших глазах, и мы можем формировать ее по мере ее роста. Это основная мотивация этих статей. По мере того, как все больше людей получают образование по теме машинного обучения в радиологии и здравоохранении в целом, тем более комфортным людям будет удобнее использовать инструменты для расширения рабочего процесса.

Мы считаем, что эта фотография говорит тысячу слов, если не больше. В каждом из этих полей в таблице есть целый ряд диагностических вариантов использования, которые могут быть рассмотрены группой исследователей и врачей искусственного интеллекта.

Однако вместе нам нужно правильно определить, какие проблемы стоит решать. Нам нужно получить максимальную отдачу от наших вложений, и, как показано на изображении, в настоящее время существует компромисс между вариантами использования с высокой клинической ценностью и алгоритмами, которые решает ИИ.

Если вспомнить предыдущую статью, будущее радиологии и искусственного интеллекта столкнется с собственным набором проблем. На этом слайде выше показаны некоторые из основных движущихся частей для реализации этих проектов.

Вычисления, алгоритмы и данные были упомянуты в предыдущей статье как стимул для появления больших данных и искусственного интеллекта. Однако по мере того, как в игру вступают более интенсивные варианты использования, эти факторы будут приобретать все большее значение. Алгоритмы должны быть более эффективными и гибкими. Вычисления должны быть быстрее, чтобы можно было обработать больше изображений. Данные всегда нужно улучшать.

Более того, на протяжении всего процесса потребуются клинические эксперты. Доктора могут не убедить, но они должны быть частью процесса, поскольку именно они будут использовать инструменты. Необходимо разработать надлежащее руководство по ошибкам типа I и типа II и тому, что может быть принято для конкретного случая использования в радиологии.

У искусственного интеллекта светлое будущее. В Статье 4 мы представили некоторые из реальных приложений, которые вы, как пользователь, используете почти все время. В медицине, хотя на это потребуется время, будут сбои, которые произойдут в краткосрочной, среднесрочной и долгосрочной перспективе. Существует множество вариантов использования, но только те, за которые стоят реальные деньги и которые люди считают стоящими решения, - это те, в которых мы увидим первые реализации машинного обучения. Не спускай глаз!

Попробуйте на своем телефоне:

  1. Откройте Грейлиха и Пайла и возьмите руку
  2. На своем телефоне перейдите по адресу: 16bit.ai/bone-age
  3. Сфотографируйте руки и посмотрите, как они работают

Эта статья является частью серии из 10 частей, посвященных машинному обучению в здравоохранении. Взгляните на наши предыдущие статьи.

Введение в машинное обучение радиолога - серия из 10 частей

Авторы: Данило Пена, Dr. Тай Вашон

Редактор: Dr. Майкл Докси

Изображения слайдов из: Dr. Кит Драйер

Часть 1 | Часть 2 | Часть 3 | Часть 4 | Часть 5 | Часть 6 | Часть 7 | Часть 8

Эта статья опубликована в крупнейшем предпринимательском издании Medium The Startup, за которым следят + 378 529 человек.

Подпишитесь, чтобы получать наши главные новости здесь.