Come un chip di gioco potrebbe un giorno salvarti la vita

NVIDIA Corporation

Jensen Huang, il miliardario CEO di Nvidia, ha fatto fortuna fornendo l'hardware utilizzato per gli algoritmi di intelligenza artificiale. Ora sta scommettendo che l'IA sta per diventare una parte indispensabile della medicina.

All'inizio degli anni '90, Huang ha riconosciuto che i limiti dei chip per computer generici e l'aumento dei giochi per computer avrebbero probabilmente aumentato la domanda di processori grafici specializzati. Durante la fine degli anni '90 e 2000, la società che ha cofondato ha riscontrato un enorme successo nella produzione di chip grafici di fascia alta per i giocatori.

Più recentemente Huang e Nvidia hanno cavalcato un'onda tecnologica diversa, fornendo l'hardware utilizzato per addestrare ed eseguire gli algoritmi di deep learning che sono stati la chiave per una recente rinascita dell'intelligenza artificiale. Il deep learning richiede enormi quantità di dati di addestramento e un potente hardware per computer e i processori grafici di Nvidia offrono il giusto tipo di elaborazione parallela per far volare questi algoritmi.

Huang ora ritiene che gli algoritmi di intelligenza artificiale rivoluzioneranno la medicina e l'assistenza sanitaria e scommette che ospedali, medici e ricercatori medici saranno la prossima grande base di clienti di Nvidia. La quantità di dati di cui dispone l'assistenza sanitaria è enorme ed è l'esempio perfetto di dati non strutturati. Eppure l'uso computazionale di quei dati è abbastanza limitato, ha detto Huang Revisione della tecnologia del MIT . Un'area che è una prima voce perfetta è l'imaging medico.

Un numero crescente di articoli di ricerca mostra che il deep learning può essere utilizzato, in linea di principio, per automatizzare l'identificazione della malattia nelle immagini mediche. I ricercatori di Stanford hanno dimostrato che la tecnica può rilevare cancro della pelle nelle foto . Un team di Google ha scoperto che può essere utilizzato per identificare anomalie nelle radiografie del torace. Nvidia afferma che più della metà degli articoli presentati alla Conferenza internazionale sull'elaborazione delle immagini mediche e l'intervento assistito dal computer, l'evento più importante per il campo dell'imaging medico, hanno comportato una qualche forma di deep learning.

Questa visualizzazione 3D di un ventricolo cardiaco è stata creata utilizzando l'hardware di Nvidia. NVIDIA Corporation

Nvidia lavora già con diverse aziende che producono strumenti di imaging medico e tutte queste aziende stanno cercando di aggiungere più analisi computazionali ai loro sistemi, afferma Huang. Ritiene che dovrebbe anche essere possibile collegare le apparecchiature esistenti a un tale sistema, in modo che le immagini vengano analizzate e i risultati siano presentati a tecnici e medici.

In futuro, dice Huang, queste macchine saranno potenziate da supercomputer, trasformandole in strumenti medici moderni e straordinari, proprio come ha fatto il cloud computing per i telefoni cellulari.

Il mese scorso, Nvidia annunciato un prodotto che mira a fare qualcosa del genere. È costituito da rack di potenti chip per computer e viene caricato con software per attività come la nitidezza delle immagini MRI e la creazione di visualizzazioni di dati ecografici. Il sistema potrebbe anche supportare tecniche di apprendimento automatico per identificare i segni della malattia nelle immagini.

John Guttag , professore di informatica al MIT, afferma che l'imaging medico sarà trasformato dall'uso dell'apprendimento automatico e in particolare del deep learning. Tuttavia, afferma che l'impatto più immediato dell'IA sulla medicina sarà nella ricerca medica. Ci sarà un cambiamento drammatico nel modo in cui facciamo ricerca e ciò avrà un effetto indiretto sull'assistenza, dice. Possiamo guardare 20.000 scansioni di malati di Alzheimer e imparare cose che non potremmo imparare ad occhio nudo.

Storia correlata

Storia correlata Nessuno sa davvero come fanno gli algoritmi più avanzati. Potrebbe essere un problema.

Guttag afferma che la tecnologia alla fine finirà anche negli ospedali e nelle cliniche, ma le cose si stanno muovendo più lentamente. Potrebbe rivelarsi difficile convincere medici e pazienti ad accettare la diagnosi di IA, dice, se il sistema non offre anche raccomandazioni o una buona spiegazione per la sua conclusione. Molti modelli di apprendimento automatico, specialmente nel deep learning, sono notoriamente difficili da interrogare (vedi Il segreto oscuro nel cuore dell'IA).

Le sfide non hanno scoraggiato un numero crescente di aziende che ora cercano di trasformare i progressi della ricerca in strumenti clinici. La Food and Drug Administration statunitense ha già approvato alcune tecniche di intelligenza artificiale per uso clinico, tra cui tecnologia per identificare i segni di retinopatia diabetica nelle immagini retiniche, a Prodotto per riconoscere i segni di ictus nelle scansioni TC e a piattaforma oncologica basata su cloud .

Ma semplicemente non è realistico immaginare che molto di ciò che fanno i medici possa essere automatizzato. Gli algoritmi potrebbero aiutarli ad analizzare più dati di quanto sarebbe altrimenti possibile e potrebbero migliorare in semplici forme di diagnosi. Ma la prognosi e le opzioni di trattamento di un paziente possono dipendere da un'ampia gamma di fattori, inclusa la storia medica unica di quella persona. Esprimere giudizi in queste circostanze è molto più difficile per una macchina.

Indipendentemente dalle sfide, le opportunità per Nvidia sono troppo buone per essere ignorate.

Atul Butte , professore presso la UCSF School of Medicine ed esperto dell'uso della tecnologia nell'assistenza sanitaria, afferma che gli ospedali investiranno inevitabilmente di più nell'hardware necessario per eseguire algoritmi di deep learning. Dice: 'Ci sono docenti presso la UCSF e altrove che stanno già utilizzando schede e apparecchiature Nvidia per addestrare modelli di apprendimento profondo su immagini mediche, tra cui mammografia, ultrasuoni e altro ancora.

nascondere