211service.com
Le macchine si stanno preparando per giocare a Doctor
I ricercatori hanno utilizzato dispositivi ECG portatili per raccogliere 30.000 clip di 30 secondi da pazienti con diverse forme di aritmia.
Potrebbe non passare molto tempo prima che gli algoritmi salvano di routine delle vite, a patto che i medici siano disposti a riporre sempre più fiducia nelle macchine.
Un team di ricercatori della Stanford University, guidato da Andrea Ng , un importante ricercatore di intelligenza artificiale e professore a contratto, ha dimostrato che un modello di apprendimento automatico può identificare le aritmie cardiache da un elettrocardiogramma (ECG) meglio di un esperto.
L'approccio automatizzato potrebbe rivelarsi importante per il trattamento medico quotidiano, rendendo più affidabile la diagnosi di irregolarità del battito cardiaco potenzialmente mortali. Potrebbe anche rendere più prontamente disponibile un'assistenza di qualità nelle aree in cui le risorse sono scarse.
Il lavoro è anche solo l'ultimo segno di come l'apprendimento automatico sembra destinato a rivoluzionare la medicina. Negli ultimi anni, i ricercatori hanno dimostrato che le tecniche di apprendimento automatico possono essere utilizzate per individuare tutti i tipi di disturbi, inclusi, ad esempio, cancro al seno , cancro della pelle , e malattia degli occhi da immagini mediche.
Sono stato incoraggiato dalla rapidità con cui le persone stanno accettando l'idea che il deep learning possa diagnosticare con un'accuratezza superiore ai medici in determinati verticali, ha detto Ng via e-mail. Aggiunge che è incoraggiante vedere i ricercatori guardare oltre l'imaging ad altre forme di dati come l'ECG.
Fino a poco tempo, Ng era il capo scienziato del gigante tecnologico cinese Baidu, dove ha contribuito a fondare un istituto dedicato all'applicazione del deep learning a diversi problemi aziendali.
Il team di Stanford ha addestrato un algoritmo di apprendimento profondo per identificare diversi tipi di battiti cardiaci irregolari nei dati ECG. Alcune irregolarità possono portare a gravi complicazioni di salute, inclusa la morte cardiaca improvvisa, ma il segnale può essere difficile da rilevare, quindi ai pazienti viene spesso chiesto di indossare un sensore ECG per diverse settimane. Anche in questo caso può essere difficile per un medico distinguere tra irregolarità che possono essere benigne e quelle che potrebbero richiedere un trattamento.
I ricercatori di Stanford hanno addestrato un algoritmo di apprendimento profondo per identificare diversi tipi di battiti cardiaci irregolari dai dati dell'ECG.
I ricercatori hanno collaborato con iRitmo , un'azienda che produce dispositivi ECG portatili. Hanno raccolto 30.000 clip di 30 secondi da pazienti con diverse forme di aritmia. Per valutare l'accuratezza del loro algoritmo, il team ha confrontato le sue prestazioni con quelle di cinque diversi cardiologi su 300 clip non diagnosticate. Hanno fatto in modo che un gruppo di tre cardiologi esperti fornisse un giudizio di verità di base.
Il deep learning implica l'alimentazione di grandi quantità di dati in una grande rete neurale simulata e la messa a punto dei suoi parametri fino a riconoscere accuratamente i segnali ECG problematici. L'approccio si è dimostrato abile nell'identificare schemi complessi nelle immagini e nell'audio e ha portato allo sviluppo di sistemi di riconoscimento delle immagini e di riconoscimento vocale migliori dell'uomo.
Eric Horvitz , amministratore delegato di Microsoft Research e sia un medico che un esperto di apprendimento automatico, affermano altri, tra cui Due diversi gruppi del MIT e dell'Università del Michigan stanno applicando l'apprendimento automatico al rilevamento delle aritmie cardiache.
Guardando al futuro, tuttavia, c'è il potenziale per l'apprendimento automatico di trovare tracce di malattie esaminando grandi quantità di dati disparati.
Una sfida chiave, tuttavia, sarà persuadere medici e pazienti a fidarsi di algoritmi che spesso sono così complessi da non poterne comprendere il ragionamento (vedi The Dark Secret at the Heart of AI). Il deep learning è una forma particolarmente opaca di machine learning e trovare modi per renderlo più spiegabile sarà importante sia per creare fiducia che per perfezionare il trattamento.
Tuttavia, Ng non ha dubbi sull'arrivo di una rivoluzione. Abbiamo ancora del lavoro da fare per inserire questi algoritmi nel flusso di lavoro del sistema sanitario, dice. Ma penso che l'assistenza sanitaria tra 10 anni utilizzerà molta più IA e avrà un aspetto molto diverso da quello che fa oggi.