Prawda

Czwartek, 9 lipca 2020 - 13:48

« Poprzedni Następny »


Używanie sztucznej inteligencji do diagnozy


Steven Novella 2019-10-08


Podsumowanie niedawno opublikowanego systematycznego przeglądu i meta-analizy badań porównujących ludzką inteligencję do sztucznej (AI) w diagnozowaniu radiogramów stwierdza:


Analiza danych z 14 badań porównujących wyniki uczenia głębokiego z wynikami ludzi na tej samej próbie, pokazuje, że w najlepszym wypadku algorytmy uczenia głębokiego mogą poprawnie wykryć chorobę w 87% przypadków w porównaniu do 86% osiąganych przez ludzi z zawodów medycznych.


Po raz pierwszy mamy tu dowód, że wyniki AI mogą być  lepsze od wyników ludzi. Autorzy piszą także, jak to się często dzieje, że potrzebujemy więcej badań, potrzebujemy potwierdzenia z rzeczywistego świata i potrzebujemy więcej bezpośrednich porównań. Przynajmniej jednak AI jest na tym samym boisku, co wyniki osiągane przez ludzi. Jeśli nasze doświadczenia z szachami i Go mogą służyć za przewodnika, algorytmy AI od teraz będą coraz lepsze. Właściwie, biorąc pod uwagę opóźnienie w badaniu, publikacji, a następnie przeglądzie, prawdopodobnie już tak jest.  


Sądzę, że AI jest gotowa do wyprzedzenia ludzi w diagnozowaniu, ponieważ to konkretne zadanie jest dobrze nadające się dla algorytmów uczenia głębokiego. Jest także bardzo trudne dla ludzi, którzy często padają ofiarą wielu błędów poznawczych i heurystyki, które utrudniają postawienie optymalnej diagnozy. Wiele medycznej edukacji koncentruje się na poprawianiu tych błędów i zastąpienie ich klinicznym podejmowaniem decyzji, która działa lepiej. Żaden lekarz praktyk nie jest jednak doskonały lub bez słabych punktów. Nawet najbardziej doświadczony klinicysta także musi zmagać się z przytłaczającą ilością informacji.


Istnieje kilka sposobów zbliżania się do diagnozy. Jedna, w której celują ludzie, jest podejście gestalt, które zasadniczo bazuje na rozpoznawaniu wzorów. Wraz z doświadczeniem lekarze uczą się rozpoznawać ogólny wzór choroby. Ten wzór może obejmować oznaki lub objawy, które są szczególnie prognostyczne. W końcu kawałki wpadają na miejsce automatycznie.


Także klinicysta musi jednak podeprzeć intuicję i rozpoznawanie wzoru podejściem analitycznym. Nawet jeśli masz 99% pewności co do diagnozy, nadal znaczy to, że możesz mylić się w jednym procencie, co dla intensywnie pracującego klinicysty może oznaczać raz na tydzień lub dwa tygodnie. A więc klinicyści uczą się także asekurowania się i brania pod uwagę rzeczy, na których pominięcie nie mogą sobie pozwolić. Dlatego łączą to podejście z analizą korzyści i ryzyka w próbie zmaksymalizowania korzyści i zminimalizowania ryzyka.


Tu jednak także istnieją specyficzne nastawienia. Mamy tendencje do unikania ryzyka i nie chcemy być bezpośrednią przyczyną szkody. Czy wolisz podjąć 20% ryzyko bezpośredniego wyrządzenia szkody, czy 40% szansę biernego pozwolenia na zajście szkody? Dla dobra pacjenta należy podjąć 20% ryzyko, ale możemy instynktownie wzdragać się przed tą opcją.


W ostatecznym rachunku diagnoza to masa statystyki i matematyki. Dla zrobienia tego optymalnie potrzebujesz mnóstwa informacji na wyciągnięcie ręki. I w tym właśnie komputery są dobre. Jeśli masz AI z uczeniem głębokim, która może mieć olbrzymią bazę danych i używać algorytmów, by nakreślić optymalną drogę do poprawnej diagnozy, powinna z łatwością pobić najlepszego ludzkiego diagnostyka. Prawdziwa sztuczka polega na rozwinięciu i podtrzymywaniu tych systemów.


Oto prosty przykład: może graliście z Akinator, który używa algorytmu, żeby zgadnąć o jakiej postaci lub rzeczy myślisz z całego świata możliwości. Algorytm redukuje możliwości w sposób, który może nie być intuicyjny, ale jest zaskakująco poprawny.


Sądzę, że jesteśmy gotowi na rewolucję AI w medycynie. Medycyna już jest trudna i staje się codziennie coraz trudniejsza, kiedy publikuje się codziennie tysiące badań, uaktualniając naszą kolektywną bazę danych. Podejmowanie decyzji także jest złożone i jest wiele pułapek. Tym, czego nam potrzeba, jest połączenie tego, co ludzie robią dobrze, z tym, co AI robi dobrze. To może niezmiernie zmniejszyć błędy w medycynie i podnieść skuteczność, a to jest bardzo potrzebne, by powstrzymać rosnące koszty opieki zdrowotnej.  


Oto, co ludzie robią dobrze – są dobrzy w kontaktach z innymi ludźmi. To znaczy, wydobywanie klinicznie użytecznej informacji i ustawianie jej w kontekście. To jest trudniejsze, niż się intuicyjnie wydaje ludziom, którzy nie są lekarzami. Pacjenci nie podają obiektywnych faktów, które można załadować w AI. Opowiadają własną, subiektywną narrację o swojej chorobie, która jest pełna wypaczeń i błędów. Dekonstruowanie i rekonstruowanie medycznej narracji przy pomocy różnego rodzaju źródeł informacji, jest swego rodzaju sztuką i rozwinięcie jej zabiera lata.


Ludzie są także potrzebni do wyjaśnienia pacjentom ich opcji, a potem do pomocy przy wyborze jednej z tych różnych opcji. Komputery są wspaniałe w skomplikowanych obliczeniach, ale nie potrafią powiedzieć ci o stosunkowej wartości jakości życia kontra długości życia. Nie możesz optymalizować rezultatu, jeśli nie wiesz, jakich kryteriów użyć. Czy AI powinna iść diagnostyczną ścieżką, która jest najszybsza, najmniej bolesna, najtrafniejsza, najtańsza, pociąga najmniejsze ryzyko komplikacji czy daje największą szansę na wyleczenie? W wielu codziennych przypadkach może być jedna, wyraźna ścieżka, ale czasami takiej ścieżki nie ma. To jest rozmowa, którą doświadczony lekarz musi odbyć z pacjentem, ważąc różne zmienne, a potem przystosować podejście do osobistych potrzeb i priorytetów danego pacjenta.


Tak więc diagnostyczny algorytm AI będzie narzędziem, którego użyje klinicysta. Zasadniczo potrzebujemy dostępu do takiego algorytmu w gabinecie każdego lekarza, w każdej klinice i szpitalu. To nie zastąpi ludzkiego, klinicznego podejmowania decyzji, ulepszy je. Ludzie popełniają błędy, mają luki w wiedzy, zapominają rzeczy i nie są obiektywni z powodu emocji i niedawnych przeżyć. Komputery nie mają żadnej z tych wad. Są zimne, konsekwentne i logiczne, i mogą czerpać z bazy danych istotnych informacji.


AI może, na przykład, po uzyskaniu istotnych danych o objawach i wyników z wstępnych testów medycznych, stworzyć listę możliwych diagnoz z dokładnymi procentami. Następnie może nakreślić sposoby zawężenia tej listy, wiedząc, jaka konkretna informacja będzie miała największą wartość prognostyczną.  


AI może także używać uczenia głębokiego nie tylko do używania informacji, ale także do tworzenia informacji. Proszę pamiętać – to są uczące się algorytmy. Daj im doświadczenie z prawdziwego świata, czyli powiedz im, jaka jest ostateczna diagnoza, a mogą użyć tej informacji do poprawienia własnych wyników. Gdyby wszystkie szpitale używały połączonej sieci AI uczenia głębokiego diagnoz i gdyby zapisywano by tam końcowe diagnozy i wyniki wszystkich pacjentów, byłoby to olbrzymie badanie epidemiologiczne. To co dziś wymaga dziesięcioleci badań epidemiologicznych można by zrobić w kilka lat.


Już teraz mamy technologię do zrobienia tego. Po prostu musimy to zrobić. To byłaby wartościowa inwestycja, prawdopodobnie oszczędzająca służbie zdrowia kosztów przekraczających o wiele rzędów wielkości nakłady na infrastrukturę. Nie wspominając nawet o oszczędzeniu ludziom życia i cierpienia. 


Trwają badania i obserwujemy rozwój. Nie są jednak na skalę, na jaką powinny być, biorąc pod uwagę potencjał. To jest dziedzina, gdzie rząd może dokonać wielkich inwestycji i na dłuższą metę oszczędzić pieniędzy. Jest w tym korzyść z posiadania jednego, zintegrowanego systemu i prawdopodobnie musi przyjść z góry na dół. Może wymagać dania jakiegoś pchnięcia, jakiegoś rodzaju zachęty z przedstawieniem konkretnych celów. W końcu to się zdarzy nawet bez zaangażowania rządu, ale powinniśmy robić wszystko, by zdarzyło się to tak szybko jak to możliwe.

 

Using AI for Diagnosis

NeurologicaBlog, 26 września 2019

Tłumaczenie: Małgorzata Koraszewska



Steven Novella 

Neurolog, wykładowca na Yale University School of Medicine. Przewodniczący i współzałożyciel New England Skeptical Society. Twórca popularnych (cotygodniowych) podkastów o nauce The Skeptics’ Guide to the Universe. Jest również dyrektorem Science-Based Medicine będącej częścią James Randi Educational Foundation (JREF), członek Committee for Skeptical Inquiry (CSI) oraz członek założyciel Institute for Science in Medicine. Prowadzi blog Neurologica.

Skomentuj     Wyślij artykuł do znajomego:     Wydrukuj






Nauka

Znalezionych 1123 artykuły.

Tytuł   Autor   Opublikowany

Pięć błędnych wyobrażeń o ewolucji: jedno jest wątpliwe, jedno niesłuszne   Coyne   2020-07-08
Wiecznie kurczący się tranzystor i wynalezienie Google   Ridley   2020-07-06
Postmodernizm: filozofia, która stoi za naszymi wojnami kulturowymi i postępującym nihilizmem   Hill   2020-07-02
Bodźce do innowacji w końcu pokonają COVID-19   Ridley   2020-06-27
Maleńkie stworzenia morskie budują olbrzymie, fantastyczne domy, by chronić się i zdobywać pokarm   Coyne   2020-06-25
Rośliny uprawne z edytowanym genomem pomagają farmerom i środowisku   Ridley   2020-06-20
Czy klucz do COVID można znaleźć w rosyjskiej pandemii?   Ridley   2020-06-18
Skąd więc wziął się ten wirus?   Ridley   2020-06-16
Nowe dane o tym, jak działają grzyby „mrówek zombie”   Coyne   2020-06-15
Czy brytyjski naukowy establishment popełnił największy błąd w historii?   Ridley   2020-06-13
Błysk światła w mroku   Sheagren   2020-06-12
Poczucie pewności napędza efekt potwierdzenia   Novella   2020-06-08
Czy możemy zobaczyć osobowość?   Novella   2020-06-05
Rozwiązanie dla obecnego kryzysu   Ridley   2020-06-02
Lokalizacja funkcji wykonawczych   Novella   2020-05-30
Przestańcie wierzyć w naukę   Greenfield   2020-05-28
Ewolucyjne korzenie sztuki   Koraszewski   2020-05-27
Innowacji nie można wymusić, ale można je zdławić   Ridley   2020-05-26
Stymulowanie kory wzrokowej   Novella   2020-05-23
Pora na telemedycynę   Novella   2020-05-19
Czy mrożącą krew w żyłach prawdą jest, że decyzja o zamknięciu społeczeństwa opierała się na luźnych matematycznych spekulacjach?   Ridley   2020-05-15
MMR jest bezpieczna i skuteczna   Novella   2020-05-14
Odporność stada na fakty   Koraszewski   2020-05-13
O COVID wiemy wszystko – i nie wiemy niczego   Ridley   2020-05-12
Nanotechnologia zastosowana do leczenia choroby Alzheimera   Novella   2020-05-11
COVID-19 – To są szkody   Novella   2020-05-05
Nadmiar teorii wszystkiego   Koraszewski   2020-05-04
Zawodnicy – i trudności – w wyścigu do wyleczenia COVID   Ridley   2020-04-30
Psychologia sprzeciwu wobec szczepień   Novella   2020-04-25
Prowokator czy prowokowany?   Witkowski   2020-04-24
Nauka on-line jest skuteczna   Novella   2020-04-23
Mądrość w pułapce autorytetu   Witkowski   2020-04-18
Znaleziono najstarszego “bilaterian”: odkryto podobne do robaka stworzenie wraz z jego skamieniałymi śladami   Coyne   2020-04-16
Nietoperze i pandemia   Ridley   2020-04-14
Pandemia ludzkiej głupoty   Novella   2020-04-12
W miarę postępu badań natura naszego wroga staje się coraz wyraźniejsza   Ridley   2020-04-04
Wzmacnianie układu odpornościowego podczas pandemii   Novella   2020-04-02
Dlaczego ten wirus inaczej dotyka pokolenia?   Ridley   2020-03-30
Czaszka maleńkiego dinozaura/ptaka znaleziona w bursztynie   Coyne   2020-03-27
Szczepionka na koronawirusa nie przybędzie szybko   Ridley   2020-03-25
Niebawem dowiemy się jak solidna jest nasza cywilizacja   Ridley   2020-03-23
Żywotność wirusa Covid-19 na różnych powierzchniach (rada: używaj rękawiczek, kiedy odbierasz paczki i nie otwieraj ich przez 24 godziny)   Coyne   2020-03-21
Dzień był krótszy 70 milionów lat temu   Novella   2020-03-20
Jak często powstają ptasie hybrydy?   Coyne   2020-03-18
Mózgi noworodków   Novella   2020-03-16
Twierdzenie o białku i DNA dinozaurów   Novella   2020-03-10
Porażka jest stałym elementem pracy naukowca   Konrad Bocian   2020-03-07
Jak myśleć o naszych problemach   Tupy   2020-03-03
Dlaczego tak wiele nowych wirusów pochodzi od nietoperzy?   Ridley   2020-02-29
Odkrycie antybiotyku przez AI   Novella   2020-02-27
Wizyta w Andach u łysek rogatych   Lyon   2020-02-26
Zioła nie pomagają na utratę wagi   Novella   2020-02-25
Dawkins pisze tweeta   Coyne   2020-02-24
W obronie binarności płci u ludzi   Coyne   2020-02-21
Nie palmy pieniędzy na ołtarzu zielonej manii   Lomborg   2020-02-20
Więcej dowodów ewolucji: końskie zarodki zaczynają tworzyć pięć palców, a cztery zawiązki znikają   Coyne   2020-02-18
Homeopatyczny rentgen   Novella   2020-02-14
Różnice płci w wyborze zabawek: chłopcy bawią się chłopięcymi zabawkami, dziewczynki dziewczęcymi zabawkami   Coyne   2020-02-13
Śmiertelność z powodu raka nadal spada wbrew twierdzeniom szarlatanów     2020-02-11
Odkrycie w immunologii, a leczenie nowotworów   Novella   2020-02-10
Ponowne psucie nauki przez ideologię: ”Slate” wypacza biologię ewolucyjną, by wyglądała na kapitalistyczną i antysocjalistyczną   Coyne   2020-02-07
Flamingi z braku łysek rogatych   Lyon   2020-02-06
Moja ostatnia praca badawcza. Część 3: Znaczenie   Coyne   2020-02-04
Moja ostatnia praca badawcza. Część 2: Wyniki   Coyne   2020-02-03
Moja ostatnia praca badawcza: Część 1: Cele i metody   Coyne   2020-02-01
Ewolucyjne wyjaśnienie nienaukowych przekonań   Bretl   2020-01-31
Zdumiewająca mimikra   Coyne   2020-01-27
Reality check: Pęd do szybkiej „zerowej” emisji to gwarancja przegranej   Lomborg   2020-01-27
Sfuszerowany artykuł o biologii w „Washington Post”   Coyne   2020-01-24
Punkty dla Ameryki w konflikcie między Iranem i USA   Destexhe   2020-01-24
Zbliżanie się do rozumienia pamięci   Novella   2020-01-22
Z perspektywy naszego kurnika   Witkowski   2020-01-16
Fałszywa pokora nie uratuje planety   Boudry   2020-01-09
Złoty ryż zatwierdzony na Filipinach   Novella   2020-01-07
Cudowna animacja DNA i komórek   Coyne   2020-01-06
Dychotomiczne myślenie, niepewność i zaprzeczanie nauce     2020-01-01
Mieliśmy najlepszą dekadę w historii. Naprawdę   Ridley   2019-12-31
Kreacjonista opowiada się za ”argumentem z niedowierzania”   Coyne   2019-12-26
Biologia męskiej agresji i dlaczego nie jest to tylko „socjalizacja”   Coyne   2019-12-24
Wydajność, wyzysk, wybory   Koraszewski   2019-12-23
Społecznościowe finansowanie szarlatanerii   Novella   2019-12-20
Wykład Dawkinsa o czerpaniu odwagi z darwinizmu   Coyne   2019-12-18
Uprawy GM, takie jak Złoty Ryż, uratują życie setek tysięcy dzieci   Ridey   2019-12-13
Darwin, lisy i inne ssaki na Falklandach   Mayer   2019-12-11
Wirtualna edukacja   Novella   2019-12-03
Teoria klasy próżniaczej Thorsteina Veblena – uaktualnienie statusu   Henderson   2019-12-02
Punkt szczytowy inteligencji   Novella   2019-11-30
Likwidowanie przeziębienia miedzią   Novella   2019-11-27
Dlaczego wyjaśnianie problemów przez biały przywilej jest niesłuszne   Rob Henderson   2019-11-25
LiveScience zachwala panpsychizm jako rozwiązanie trudnego problemu świadomości   Coyne   2019-11-22
Jak walczyć z firehosing   Novella   2019-11-19
Odwołajcie antyszczepionkową konferencję w Tel Awiwie   Blum   2019-11-15
Ewolucja dwunożności   Novella   2019-11-14
Granice „przeskoczenia” progu opłacalności   Lomborg   2019-11-13
Dlaczego nie żyjemy w epoce post-prawdy   Pinker   2019-11-11
Śledząc pochodzenie człowieka   Novella   2019-11-09
Skamieniałe trylobity idące gęsiego. Ale dlaczego to zrobiły?   Coyne   2019-11-06
Saga o złotym ryżu   Novella   2019-11-04
Kolejne badanie rolnictwa organicznego   Novella   2019-11-02
Fabrizio Benedetti pyta: “Czy badania placebo wzmacniają pseudonaukę?”     2019-11-01

« Poprzednia strona  Następna strona »
Polecane
artykuły

Wzmacnianie układu odpornościowego



Wykluczenie Tajwanu z WHO



Drzazgę źle się czyta



Sześć lat



Pochodzenie



Papież Franciszek



Schadenfreude



Pseudonaukowa histeria...


Panstwo etc



Biły się dwa bogi


 Forma przejściowa


Wstęga Möbiusa


Przemysł produkcji kłamstw


Jesteś tym, co czytasz,



Radykalne poglądy polityczne


Einstein



Socjologia



Allah stworzyl



Uprzednie doświadczenie



Żydowski exodus



PRL Chrystusem narodów



Odrastające głowy hydry nazizmu



Homeopatia, wibracje i oszustwo


Żołnierz IDF



Prawo powrotu



Mózg i kodowanie predyktywne



Nocna rozmowa



WSzyscy wiedza



Nieustający marsz



Oświecenie Pinker



Alternatywna medycyna zabija



Kobiety ofiarami



Prometeusz



modyfikowana pszenica


Listy z naszego sadu
Redaktor naczelny:   Hili
Webmaster:   Andrzej Koraszewski
Współpracownicy:   Jacek, , Malgorzata, Andrzej, Marcin, Henryk