211service.com
I chip per l'apprendimento profondo di Nvidia possono dare alla medicina un colpo nel braccio
Il produttore di chip Nvidia sta cavalcando l'attuale boom dell'intelligenza artificiale con hardware progettato per alimentare algoritmi di apprendimento all'avanguardia. E l'azienda vede l'assistenza sanitaria e la medicina come il prossimo grande mercato per la sua tecnologia.
Kimberly Powell, che guida gli sforzi di Nvidia nell'assistenza sanitaria, afferma che l'azienda sta lavorando con ricercatori medici in una serie di aree e cercherà di espandere questi sforzi nei prossimi anni.
C'è questa incredibile ondata nella ricerca sull'imaging medico, ha detto Powell a Revisione della tecnologia del MIT lunedì alla conferenza EmTech Digital a San Francisco. Oggi visitiamo sempre più fornitori negli ospedali e stanno immaginando nuove applicazioni di intelligenza artificiale.
In particolare, una tecnica di apprendimento automatico chiamata deep learning viene applicata all'elaborazione di immagini mediche e al setacciamento di grandi quantità di dati medici. Il deep learning, che è vagamente ispirato dal modo in cui i neuroni nel cervello sembrano funzionare, si è già dimostrato incredibilmente utile per trovare immagini ed elaborare file audio (vedi 10 tecnologie innovative: Deep Learning).
Questa tecnica di intelligenza artificiale sembra certamente guadagnare accoliti nella ricerca medica. L'anno scorso un team di Google ha dimostrato che il deep learning può essere utilizzato per automatizzare la diagnosi delle malattie degli occhi. Nel frattempo, un gruppo della Stanford University ha pubblicato un articolo sulla rivista Natura che ha mostrato che la tecnica può macchia il cancro della pelle così come un dermatologo esperto. Un gruppo del Mount Sinai Hospital di New York ha utilizzato l'approccio analizzare le cartelle cliniche elettroniche dei pazienti e prevedere, con una precisione sorprendentemente elevata, quale malattia svilupperebbe una persona.
Questi sono solo alcuni esempi di alto profilo. Powell ha notato durante il suo discorso che le grandi conferenze di imaging medico sono state dominate da documenti di deep learning.
I processori grafici realizzati da Nvidia sono molto adatti per eseguire i calcoli paralleli necessari per il deep learning e il produttore di chip ha già costruito un'attività di dimensioni considerevoli fornendo hardware a ricercatori di deep learning nel mondo accademico e industriale. Nvidia produce un numero crescente di prodotti specializzati per l'apprendimento profondo, tra cui un potente computer di ricerca chiamato DGX-1 e un sistema per veicoli a guida autonoma chiamato Drive PX.
Powell crede che l'hardware dell'azienda si troverà sempre più anche negli ospedali e nei centri di ricerca medica. L'approccio potrebbe aiutare a migliorare l'affidabilità della diagnosi, ha affermato, e potrebbe aumentare significativamente gli standard di cura nei paesi in via di sviluppo, dove l'esperienza è scarsa. Powell ha aggiunto che la scoperta di farmaci sarebbe probabilmente un'altra grande area per il deep learning in futuro.
Ma il deep learning potrebbe anche aiutare i medici a trovare schemi che altrimenti sarebbero invisibili. Nvidia, ad esempio, sta lavorando con Bradley Erickson, neuroradiologo presso la Mayo Clinic, per applicare il deep learning alle immagini del cervello. Erickson ha avuto un certo successo nell'identificare i fattori genetici legati alla malattia del cervello dalle immagini, ha detto Powell.
In precedenza, nello stesso evento, Gary Marcus, un professore della New York University, aveva individuato nella medicina l'area in cui l'IA potrebbe avere il suo maggiore impatto. Pensa al cancro, disse Marcus. I fattori di rischio che potrebbero indicare la probabilità di una tale malattia possono essere difficili da identificare per una persona, ma potrebbero essere scoperti da un algoritmo, ha affermato. L'app killer [per l'IA] potrebbe essere un importante progresso nel modo in cui trattiamo la medicina.
Ci sono, tuttavia, sfide significative nell'applicazione di tecniche come il deep learning alla medicina. L'approccio è così complesso e opaco che a un medico potrebbe non essere chiaro il motivo per cui un algoritmo fornisce una diagnosi particolare. Powell ha riconosciuto questa sfida, ma ha affermato che stavano emergendo soluzioni, come nuovi modi di visualizzare il comportamento delle reti di apprendimento profondo. È un argomento importante nella ricerca in questo momento, ha detto.