Sztuczna inteligencja potrafi już diagnozować choroby siatkówki oka

Uczeni z Uniwersytetu w Kalifornii na łamach magazynu Cell zaprezentowali światu swoje przełomowe rozwiązanie w dziedzinie sztucznej inteligencji. Stworzona przez nich platforma potrafi nie tylko wykrywać, ale też diagnozować choroby związane z degeneracją siatkówki oka. Osiągnęli to m.in. poprzez zmianę systemu uczenia się komputera.

Obecnie jesteśmy w stanie zaufać sztucznej inteligencji w takich obszarach, jak np. samodzielne parkowanie samochodu, jednak poleganie na niej w tak skomplikowanych sytuacjach jak diagnozy medyczne nie było do tej pory powszechną praktyką. Naukowcy z Uniwersytetu w Kalifornii chcą to zmienić – stworzona przez nich platforma wykorzystująca sztuczną inteligencję potrafi nie tylko zdiagnozować i rozróżnić dwie najpopularniejsze choroby siatkówki (zwyrodnienie plamki żółtej i cukrzycowy obrzęk plamki), ale także ocenić stopień zaawansowania schorzenia.

Kluczem do tego sukcesu była zmiana sposobu uczenia się sztucznej inteligencji. Naukowcy wykorzystali nowy, specyficzny typ uczenia maszynowego nazwany „uczeniem transferowym”. Fenomen uczenia transferowego w przypadku medycyny polega na tym, że pozwala ono przenieść zasób wiedzy z jednego obszaru chorobowego na inny, podnosząc dokładność diagnozy przy jednoczesnym skróceniu czasu potrzebnego na naukę. W chwili obecnej platforma przyswoiła już 200 tys. zdjęć tomograficznych siatkówki i w ciągu 30 sekund jest w stanie ocenić, czy pacjent potrzebuje leczenia. Skuteczność diagnozy wynosi ok. 95 proc., co twórcy porównują z trafnością dobrze wyszkolonego okulisty. Co więcej, zadbano też, by proces diagnozowania był jak najbardziej przejrzysty, aby nawet pacjenci nieobeznani z technologią mogli mu zaufać. Komputer na bieżąco pokazuje, na jaki obszar patrzy oraz na jakiej podstawie wystawia swoją diagnozę.

Zastosowanie transferowego systemu uczenia się pozwala już teraz kalifornijskiej sztucznej inteligencji diagnozować obrazy rentgenowskie klatki piersiowej i z 90 proc. dokładnością rozróżniać wirusowe i bakteryjne zapalenie płuc. Najbliższym planem twórców jest zastosowanie jej także w innych obszarach medycyny, ponieważ każdorazowe zwiększenie bazy danych skutkuje według nich zwiększeniem efektywności diagnozy. Finalnie, celem jest pokazanie lekarzom, że sztuczna inteligencja jest cennym narzędziem pozwalającym usprawnić pracę, a pacjentom – że szybka i trafna diagnoza dokonana przez komputer pozwoli im szybciej poddać się niezbędnemu leczeniu.