DeepMind ‘ s AI kan registrere over 50 øjensygdomme så præcist som læge

Trin for trin, tilstand af tilstand, AI-system er langsomt ved at lære at diagnosticere sygdom så godt som enhver menneskelig læge, og de kan snart være at arbejde på et hospital i nærheden af dig. Det seneste eksempel er fra London, hvor forskere fra Google ‘ s DeepMind datterselskab, UCL, og Moorfields Eye Hospital har brugt dyb læring til at skabe software, der identificerer snesevis af almindelige øjensygdomme fra 3D-scanner og derefter anbefaler patienten til behandling.

Arbejdet er resultatet af en flerårige samarbejde mellem de tre institutioner. Og mens softwaren er ikke klar til klinisk brug, det kunne være indsat i hospitaler i løbet af få år. Dem, der er involveret i den forskning, der er beskrevet som “banebrydende.” Mustafa Suleyman, leder af DeepMind Sundhed, sagde i en pressemeddelelse, at projektet var “utroligt spændende”, og kunne i tid, “ændre den diagnose, behandling og management af patienter med synet truende øje betingelser […] rundt om i verden.”

Den software, der er beskrevet i en artikel offentliggjort i tidsskriftet Nature Medicine, er baseret på anerkendte principper for dyb læring, der bruger algoritmer til at identificere fælles mønstre i data. I dette tilfælde, de data, der er 3D-scanninger af patienternes øjne lavet ved hjælp af en teknik kendt som optisk kohærens tomografi, eller OKT. At skabe disse scanninger tager omkring 10 minutter og indebærer hoppende nær-infrarødt lys ud af de indvendige overflader i øjet. Gør så skaber et 3D-billede af vævet, som er en fælles måde at vurdere øjet sundhed. OKT scanninger er en afgørende medicinsk redskab, som tidlig identifikation af øjensygdomme ofte gemmer patientens syn.

Den software, der blev uddannet på næsten 15.000 OKT scanninger fra nogle 7.500 patienter. Disse personer havde alle været behandlet på websteder, der drives af Moorfields, som er den største eye hospital i Europa og Nordamerika. Systemet blev fodret deres scanninger sammen med diagnoser af menneskelige læger. Fra dette, det lærte først at identificere de forskellige anatomiske elementer af øjet (en proces, kendt som segmentering), og derefter anbefale klinisk handling baseret på de forskellige tegn på sygdomme, der scanninger vis.

I en test, hvor AI ‘ s domme blev sammenlignet med diagnoser af et panel af otte læger, software lavet den samme anbefaling mere end 94 procent af tiden.

Hvis opkaldet er til det alligevel?

Resultater som denne er særdeles opmuntrende, men eksperter i medicinsk fællesskabet er stadig bekymrede for, hvordan AI systemer vil blive integreret i pleje i praksis. Luke Oakden-Rayner, en radiolog, der er skrevet udførligt om emnet, siger fremskridt i AI er hurtigt at skubbe os i retning af et vendepunkt, hvor software er ikke længere et redskab, der er anvendt og fortolket af en læge, men noget, der træffer beslutninger på vegne af mennesker.

AI-system, der er begyndt at foretage medicinske beslutninger uden tilsyn

De første systemer er lige begyndt at krydse denne linje. I April godkendte FDA første AI-drevet program, der diagnosticerer sygdom uden menneskelig kontrol. Som en af programmets skabere, udtrykker det: “Det gør den kliniske beslutning på egen hånd.” (Tilfældigvis, som i dag er ny algoritme, denne software også analyserer øje scanninger. Men det ser man kun for en sygdom, diabetisk retinopati, der henviser til, at DeepMind s er følsom over for mere end 50 betingelser.)

Dette er det punkt, hvor risikoen fra medicinsk AI bliver meget større. Vores manglende evne til at forklare præcis, hvordan AI systemer nå bestemte beslutninger, er veldokumenteret. Og, som vi har set med selvkørende bil går ned, når mennesker tage hænderne fra rattet, er der altid en chance for, at en computer vil gøre en fatal fejl i dom.

Forskerne fra DeepMind, UCL, og Moorfields er opmærksomme på disse problemer, og deres software indeholder en række funktioner, der er designet til at mindske denne form for problem.

For det første software er ikke afhængig af en enkelt algoritme, der træffer beslutningen, men en gruppe af dem, og hver er uddannet uafhængigt af hinanden, således at enhver freak fejl vil blive underkendt af et flertal. For det andet system ikke bare spytte ud en enkelt svar, for hver diagnose. I stedet, det giver flere mulige forklaringer på, sammen med sin tillid til hver enkelt. Det viser også, hvordan det har mærket de dele af patientens øje, der giver lægerne mulighed for at spotte mangelfuld analyse.

Men vigtigst er det, at software ikke er en ligetil diagnostiske værktøj. I stedet, det er designet til at blive brugt til triage, processen med at beslutte, hvilke patienter der har behov for behandling først. Så selv om det ikke gætte på, hvilke betingelser, en patient måtte have, den faktiske henstilling, som gør, hvor hårdt de individuelle behov for at blive henvist til behandling.

Disse funktioner lyd tilfældige, men hver af dem fungerer som et vejbump, langsommere algoritme ned, og give mennesker en chance for at gribe ind. Den virkelige test, selv om, vil komme, hvor denne software er installeret og afprøvet i en reel klinisk miljø. Når dette kan ske er ikke kendt, men DeepMind siger, at det håber at starte processen “snart.”

Guld fra mine data

Sammen med sin kliniske muligheder, denne forskning er også interessant som et eksempel på, hvordan AI virksomheder drage fordel af adgang til værdifulde datasæt. DeepMind, specifikt, er blevet kritiseret i fortiden for, hvordan det har tilgået data fra patienter, der behandles af den BRITISKE offentligt finansierede sundhedsvæsen, National Health Service (NHS). I 2017, den BRITISKE data vagthund, selv fastslået, at en aftale om virksomheden ramt i 2015 var ulovligt, fordi det har undladt at informere patienterne om, hvordan deres data bliver brugt. (Aftalen er siden blevet afløst.)

DeepMind er blevet irettesat i fortiden for tvivlsomme data tilbud

I dag er forskning ville ikke have været muligt uden adgang til de samme data. Og mens de oplysninger, der anvendes i denne forskning var anonyme, og at patienter kan fravælge, de fejlfindingsprogrammer, der er oprettet fra disse data tilhører udelukkende at DeepMind.

Selskabet siger, at hvis software er godkendt til brug i et klinisk miljø, vil det være gratis at Moorfields’ klinikere for en periode af fem år. Men det betyder ikke stoppe DeepMind fra salg af software til andre hospitaler i STORBRITANNIEN eller andre lande. DeepMind siger, at denne form for aftale er standard praksis for branchen, og det fortæller The Verge det “investeret betydeligt” i denne forskning for at skabe den algoritme. Den bemærker også, at de data, det hjalp corral er nu til rådighed for offentlig brug og ikke-kommercielle medicinsk forskning.

På trods af tiltag som for eksempel denne, skepsis, om virksomheden fortsat. En nylig uafhængig instans, der er oprettet ved DeepMind til at granske sin egen virksomhed, praksis foreslået, at virksomheden har behov for at være mere åbne om sin forretningsmodel og dens forhold til Google, der købte virksomheden i 2014. Som DeepMind kommer tættere på at producere kommercielle produkter ved hjælp af offentligt finansierede SUNDHEDSVÆSEN, data, er denne form for kontrol vil sandsynligvis blive mere og mere spidse.

Et øje på fremtiden

Til trods for disse problemer, er det klart, at algoritmer, som dette kunne være utroligt gavnligt. Nogle 285 millioner mennesker over hele verden, der vurderes at leve med en form for synstab, og øjen-sygdomme er den største årsag til denne betingelse.

OKT scanninger er et fantastisk redskab til at spotte øjensygdom (5.35 millioner blev udført i USA alene i 2014), men at fortolke data tager tid, at skabe en flaskehals i den diagnostiske proces. Hvis algoritmer, der kan hjælpe med at undersøge patienter ved at lede læger til dem, der har mest brug for pleje, kan det være utroligt gavnligt.

Som Dr. Pearse Keane, en konsulent øjenlæge på Moorfields, der var involveret i forskning, siger i en pressemeddelelse: “antallet af eye-scanninger vi udfører vokser i et tempo, meget hurtigere end den menneskelige eksperter er i stand til at fortolke dem. Der er en risiko for, at dette kan give anledning til forsinkelser i diagnose og behandling af syne livstruende sygdomme.

“Hvis vi kan diagnosticere og behandle øjenlidelser tidligt, det giver os den bedste chance for at redde folks syn. Med yderligere forskning, kan det føre til en større ensartethed og kvalitet i behandlingen af patienter med øjenproblemer i fremtiden.”