Sztuczna inteligencja pomoże radiologom

L.PL.MKT.04.2018.6325

Źródło  The Wall Street Journal, 22 listopada 2017 r.

Naukowcy z Uniwersytetu Stanford opracowali algorytm uczenia maszynowego, który jest w stanie zidentyfikować nawet 14 chorób na podstawie badania rentgenowskiego klatki piersiowej; algorytm ten rozpoznaje zapalenie płuc skuteczniej niż radiolodzy. Jednak Amerykańskie Kolegium Radiologiczne nie przewiduje, aby sztuczna inteligencja zabrała pracę radiologom.

Amerykańskie Kolegium Radiologiczne przewiduje, że w 2017 roku w USA zatrudnionych zostanie więcej radiologów niż w poprzednich siedmiu latach. Eksperci cytowani w artykule przeglądowym opublikowanym w Wall Street Journal twierdzą, że sztuczna inteligencja (AI) będzie wspierała radiologów, lecz nie zagrozi ich miejscom pracy.

Wall Street Journal przypomina swoim czytelnikom, że „panika związania z zabieraniem miejsc pracy przez AI przypomina obawy, które pojawiły się niemal dwie dekady temu, dotyczące redukowania różnego rodzaju miejsc pracy w wyniku offshoringu”. Jednak regulatorzy w USA wykluczyli nieuregulowanych lekarzy z opisywania badań pacjentów w USA; wymagania na rynkach rozwijających się były zbyt niskie. Liczba radiologów w USA wzrosła o ponad 40% od roku 1995.

Obciążenie ilością danych w radiologii dramatycznie wzrosło w ostatnich latach. AI może pomóc w przetwarzaniu ogromnych ilości danych, jak też sprawić, że praca radiologów stanie się mniej redundantna. W przyszłości maszyny przyspieszą proces przetwarzania danych oraz zredukują ilość przypadków przeoczonych. Rozpoznanie będzie wciąż ustalane przez lekarzy.

Naukowcy ze Stanford wykorzystali publiczny zbiór danych zawierający 112 120 zdjęć rentgenowskich klatki piersiowej uzyskanych u pacjentów z 14 różnymi chorobami. 420 obrazów wykorzystano jako wzorzec do nauki algorytmu. Po upływie około miesiąca algorytm był w stanie diagnozować wszystkie 14 chorób, jak też rozpoznawał zapalenie płuc dokładniej niż radiolodzy.

Dodatkowe zasoby

Pranav Rajpurkar, Jeremy Irvin, Kaylie Zhu i wsp. CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning. Listopad 2017 r. arXiv:1711.05225