211service.com
Ein KI-Ophthalmologe zeigt, wie maschinelles Lernen die Medizin verändern kann
Google-Forscher haben einen Eye-Scanning-Algorithmus dazu gebracht, selbst herauszufinden, wie eine häufige Form von Blindheit erkannt werden kann, was das Potenzial der künstlichen Intelligenz zeigt, die Medizin bemerkenswert bald zu verändern.
Der Algorithmus kann sich Netzhautbilder ansehen und eine diabetische Retinopathie – die fast ein Drittel der Diabetespatienten betrifft – genauso gut erkennen wie ein hochqualifizierter Augenarzt. Es nutzt dieselbe maschinelle Lerntechnik, die Google verwendet, um Millionen von Webbildern zu kennzeichnen.
Die diabetische Retinopathie wird durch eine Schädigung der Blutgefäße im Auge verursacht und führt zu einer allmählichen Verschlechterung des Sehvermögens. Wenn es früh erkannt wird, kann es behandelt werden, aber ein Betroffener kann früh keine Symptome verspüren, was ein Screening unerlässlich macht. Es wird teilweise diagnostiziert, indem ein Experte Bilder der Netzhaut eines Patienten, die mit einem speziellen Gerät aufgenommen wurden, auf Anzeichen von Blutungen und Flüssigkeitsaustritt untersucht.
Eine Form der automatisierten Erkennung könnte die Diagnose effizienter und zuverlässiger machen und könnte besonders in Regionen nützlich sein, in denen das erforderliche Fachwissen knapp ist. Eines der faszinierendsten Dinge an diesem maschinellen Lernansatz ist, dass er das Potenzial hat, die Objektivität und letztendlich die Genauigkeit und Qualität der medizinischen Versorgung zu verbessern, sagt er Michael Chiang , Professor für Augenheilkunde und Kliniker am Casey Eye Institute der Oregon Health & Science University.
KI hatte in der Vergangenheit gemischte Erfolge in der Medizin. Systeme, die eine Wissensdatenbank verwenden, um Ratschläge zu erteilen, haben sich in einigen Umgebungen als leistungsstärker als Ärzte erwiesen, wurden jedoch nur begrenzt angenommen. Dennoch könnte die Leistungsfähigkeit des maschinellen Lernens – insbesondere einer als Deep Learning bekannten Technik – die KI in Zukunft weiter verbreiten (siehe 10 Breakthrough Technologies 2013: Deep Learning ). Ein Team von Google DeepMind, einer Tochtergesellschaft von Alphabet, die sich ausschließlich auf KI konzentriert, tut dies ähnliche Arbeit in Zusammenarbeit mit Forschern des Moorfields Eye Hospital in London (siehe DeepMind’s First Medical Research Gig Will Use AI to Diagnosis Eye Disease ).
Diese am Dienstag veröffentlichte Retina-Bildforschung markierte die erstmals ein Paper über Deep Learning ist in erschienen Zeitschrift der American Medical Association , so der Chefredakteur der Zeitschrift, Howard Bauchner.
Die Autoren des Papiers, bestehend aus Informatikern bei Google und medizinischen Forschern aus den USA und Indien, entwickelten einen Algorithmus zur Analyse von Netzhautbildern. Aber im Gegensatz zu bestehender Ophthalmologie-Software wurde sie nicht explizit darauf programmiert, Merkmale in Bildern zu erkennen, die auf die Krankheit hinweisen könnten. Es hat sich einfach Tausende von gesunden und kranken Augen angesehen und selbst herausgefunden, wie es den Zustand erkennen kann.
Die Forscher erstellten einen Trainingssatz von 128.000 Netzhautbildern, die von mindestens drei Augenärzten klassifiziert wurden. Nachdem der Algorithmus trainiert worden war, testeten die Forscher seine Leistung an 12.000 Bildern und stellten fest, dass er bei der Erkennung der Erkrankung und der Einstufung ihres Schweregrads der Leistung von Experten entsprach oder diese übertraf.
Die Google-Forscher arbeiteten mit Wissenschaftlern der Aravind Medical Research Foundation in Indien zusammen, wo derzeit eine klinische Studie mit echten Patienten durchgeführt wird. Bei diesem Projekt erhalten Patienten eine normale Beratung, aber ihre Bilder werden zum Vergleich auch in das Deep-Learning-System eingespeist. Lily Peng, Forscherin bei Google und Ärztin, die an dem Projekt beteiligt war, sagt, dass die Ergebnisse dieser Studie noch nicht zur Veröffentlichung bereit sind.
Deep Learning könnte in vielen verschiedenen Bereichen der Medizin angewendet werden, die auf Bildanalyse angewiesen sind, beispielsweise in der Radiologie und Kardiologie. Eine der größten Herausforderungen wird jedoch darin bestehen, überzeugende Beweise für die Zuverlässigkeit der Systeme zu erbringen. Brendan Frey , Professor an der University of Toronto und CEO und Mitbegründer eines Unternehmens namens Tiefe Genomik , warnt davor, dass Forscher Systeme für maschinelles Lernen entwickeln müssen, die erklären können, wie sie zu einer bestimmten Schlussfolgerung gelangt sind (siehe AI’s Language Problem ).
Laut Peng von Google arbeitet ihr Team bereits daran. Wir verstehen, dass das Erklären sehr wichtig sein wird, sagt sie.