Google, IBM e outros trabalham há muito tempo para criar a IA (sua forma fraca), que pode analisar imagens de raios-X. Porque O problema é que os radiologistas, e não apenas eles, precisam gastar muito tempo analisando imagens médicas. Existem muitas dessas imagens, mas você precisa visualizar e responder a cada uma delas por um certo tempo.
O especialista tem muito pouco tempo para analisar o mesmo raio-x. E é bom se o médico estiver atualizado e alerta ao visualizar a imagem. Mas e se ele já funcionar no final do dia útil, depois de visualizar algumas centenas das mesmas imagens? O fator humano aqui é muito forte e a probabilidade de erro aumenta muitas vezes. Para facilitar a tarefa do especialista, os cientistas também estão tentando usar os recursos da inteligência artificial.
Outro problema para os médicos que olham regularmente imagens médicas (não necessariamente radiografias) é o erro de "satisfação na busca". Está no fato de que o médico que olha para a foto, tendo descoberto o problema, pode não estar envolvido na busca pelos outros, decidindo que sua suposição está correta e imediatamente fazendo um diagnóstico. As consequências podem ser bastante graves para o paciente, uma vez que o problema identificado nem sempre é uma manifestação da doença subjacente.
Agora, o desenvolvimento de uma rede neural que conduziria uma busca por manifestações de várias doenças em imagens médicas foi
realizada por uma equipe de cientistas liderada por Andrew Un. Os especialistas criaram uma rede neural, treinada no exemplo de um banco de dados composto por várias dezenas de milhares de imagens (quase 50 mil) obtidas de mais de 14 mil instituições médicas. Ao mesmo tempo,
cada uma das imagens foi analisada previamente pelos médicos que diagnosticaram e marcaram a radiografia como normal ou patológica.
Os resultados da rede neural e três radiologistas-médicosA eficácia da rede neural após o treinamento foi comparada com o trabalho de três radiologistas e médicos. Como se viu, em dois casos a rede neural quase não ficou para trás de uma pessoa, e em uma - ela a superou. Em geral, o computador detectou corretamente danos em 74,9% dos casos. Vale a pena notar que os cientistas descobriram os resultados e materiais de suas pesquisas para o mundo. Portanto, o banco de dados no qual a rede neural foi treinada é apresentado em domínio público e está disponível no site de Stanford. Está pronto para ser usado para treinar outras redes neurais.
As redes neurais também funcionam com outros tipos de imagens médicas. Por exemplo, uma rede neural profunda aprende a reconhecer traços da doença em imagens da
tomografia de emissão de pósitrons do cérebro (PET). Estamos falando da doença de Alzheimer, caracterizada pelo aparecimento de placas amilóides com uma desaceleração do metabolismo cerebral.
Anteriormente, os cientistas
descobriram que alguns tipos de exames de PET são capazes de detectar sinais dessas condições negativas. Portanto, a tecnologia pode funcionar para detectar comprometimento cognitivo leve em humanos, comprometimento que posteriormente leva à doença de Alzheimer.
É verdade que é bastante difícil para cientistas humanos interpretar as imagens resultantes. Mas a rede neural pode lidar com isso graças a um ou dois marcadores. Para treinar o sistema de computadores, os especialistas usaram imagens cerebrais de 182 pessoas com 70 anos de idade com um cérebro saudável e 139 imagens cerebrais de pessoas da mesma idade com diagnóstico de Alzheimer. Como resultado, a IA conseguiu reconhecer a diferença entre um cérebro saudável e um doente e o fez com um alto grau de precisão - acima de 90%.
Quanto a Andrew Un e sua equipe, eles estão
tentando usar os recursos da rede neural e para outro projeto. Estamos falando de pacientes com doenças muito graves, pacientes e terapia paliativa. A rede neural está tentando prever a gravidade da condição do paciente (principalmente, estamos falando de pessoas muito idosas). Se estamos falando de uma doença progressiva, que leva o paciente a não mais de um ano de vida, uma equipe de terapeutas paliativos entra em trabalho que tenta remover as manifestações negativas da doença (dor, estado psicológico etc.) até certo ponto. O problema é que a equipe deve trabalhar em um determinado momento para maximizar o efeito. E aqui a rede neural também mostra sucesso significativo.
Em geral, a IA (sua forma fraca) agora é considerada pelos cientistas como um médico assistente, e não uma alternativa, se assim posso dizer. As redes neurais ajudam um especialista a identificar vários tipos de problemas, e um médico humano já faz um diagnóstico preciso, usando a ajuda de seus assistentes digitais. Como resultado, o tempo é economizado e a precisão do diagnóstico é aumentada. Com o tempo, as redes neurais se tornarão assistentes médicos confiáveis - hoje essa prática é de natureza experimental, mas os resultados obtidos inspiram otimismo saudável nas capacidades da tecnologia da computação em áreas como a saúde.