Сегодня машинное обучение (МО) и искусственный интеллект (ИИ) начали затрагивать врачей, пациентов, больницы и все сферы, связанные со здоровьем. Например, методы искусственного интеллекта (ИИ) и машинного обучения (МО) в настоящее время используются в компьютерной томографии, анализе диабетической ретинопатии и определении риска сердечного приступа по ЭКГ. Поскольку в этих областях имеется много данных, алгоритмы могут быть столь же успешными, как и врачи-эксперты.
Исследования искусственного интеллекта (ИИ) продолжаются в таких областях, как отношения между пациентом и врачом, и необходимо обеспечить конфиденциальность пациента.
Врачи тратят больше времени на ввод данных и работу за столом, чем пациенты. Учитывая, что население планеты стареет, а потребность во врачах постоянно растет, каждая выигранная секунда поможет вернуть здоровье многим людям.
В случае использования методов искусственного интеллекта (ИИ) при вводе данных и анализе результатов врач может быть проинформирован. Таким образом, помогая врачу в постановке диагноза, врачам может быть полезно проводить более продуктивное время с пациентами.
В то же время методы искусственного интеллекта (ИИ), помимо экономии времени врачей, также могут собирать и анализировать пропущенные и потерянные данные.
Ежегодно около миллиона детей умирают от пневмонии и других инфекций нижних дыхательных путей. Это больше, чем смертность от малярии и ВИЧ. Некоторые из этих смертей можно было бы предотвратить, если бы все дети в мире имели доступ к расширенным медицинским осмотрам. К сожалению, 95% людей, живущих в развивающихся странах, не имеют доступа к рентгену — идеальному методу диагностики пневмонии.
Исследователи из Университета Джона Хопкинса, возможно, нашли решение этой проблемы: интеллектуальный стетоскоп, который использует искусственный интеллект (ИИ) для самодиагностики пневмонии.
Каждый может использовать его где угодно
Стандартный стетоскоп — бесценный и недорогой инструмент для выявления заболеваний легких. Однако это устройство плохо работает, если пользователь не знает, что слушать, или если окружающий звук подавляет дыхание пациента. Принимая во внимание эти ограничения, команда Джона Хопкинса решила переосмыслить стетоскоп. Во-первых, команда разработала устройство для игнорирования внешних звуков при записи легочных звуков. Затем они разработали приложение на базе искусственного интеллекта (ИИ), которое могло «прослушивать» этот легочный звук в поисках признаков пневмонии.
Команда Джона Хопкинса в настоящее время тестирует прототипы этого стетоскопа в Перу, Бангладеш, Малави и США. На финальную версию устройства возлагаются большие надежды. Исследователи говорят, что это устройство будет намного дешевле, чем нынешний электронный стетоскоп за 500 долларов, представленный на рынке.
«Мы думаем, что этот стетоскоп, который мы переставили, с исследованиями, которые может провести на месте любой местный фельдшер с недорогим устройством, повлияет на глобальный кризис в области здравоохранения, связанный с пневмонией у детей. Мы надеемся, что на макроуровне удастся спасти сотни тысяч жизней. Но на микроуровне, если хотя бы одинокий родитель увидит улучшение своего ребенка благодаря раннему выявлению, все наши усилия будут того стоить». он сказал.
В направлении развития, которое началось с игр, искусственный интеллект (ИИ) сегодня достаточно продвинулся, чтобы подписать революционные результаты. Но, конечно, мы можем предсказать это в ближайшее время; Мы рассмотрим, что они могут сделать сегодня на уровне новичка, потому что теперь мы можем добавить диагностику пневмонии в число профессий, где искусственный интеллект (ИИ) более успешен, чем люди.
Кроме того, группе ученых из Stanford University Machine Learning (ML) Group удалось обучить компьютер диагностировать пневмонию с помощью методов Deep Learning.
Хотя предметом отчета является диагностика пневмонии, алгоритм CheXNet также дал успешные результаты при 14 заболеваниях, выявленных в наборе данных ChestX-ray14. Кроме того, результаты показали, что CheXNet превзошел два других эксперимента по машинному обучению (ML) по 14 патологиям, включая ателектаз, кардиомегалию, уплотнение, отек, выпот, эмфизему, фиброз, грыжу, инфильтрацию, новообразование, узелок, плевральный отек, пневмонию и пневмоторакс.
Чтобы точно диагностировать пневмонию, нейронная сеть CheXNet должна была научиться точно обнаруживать особенности на изображениях и связывать их с естественными состояниями, такими как воздушные пространства в легких, жидкость, большие массы, небольшие узелки и увеличенное сердце. Кластеры рентгенографии грудной клетки 14, выпущенные ранее в этом году, играют жизненно важную роль в приобретении этого навыка, поскольку они более важны, чем предыдущие коллекции рентгеновских снимков.
Алгоритм CheXNet обладает прекрасным потенциалом для диагностики пневмонии и других заболеваний. Исследователи говорят, что ежегодно делается более 2 миллиардов рентгеновских снимков, и более 1 миллиона взрослых госпитализируются с пневмонией.
Учитывая, что примерно 50 000 человек ежегодно умирают от пневмонии, автоматизация точной диагностики с помощью компьютера может помочь многим людям получить лечение, пока не стало слишком поздно.
Нажмите для получения дополнительной информации по этой теме;
