211service.com
Perché IBM ha appena acquistato miliardi di immagini mediche per Watson da guardare
IBM afferma che Watson, la sua tecnologia di intelligenza artificiale, può utilizzare la visione artificiale avanzata per elaborare enormi volumi di immagini mediche. Ora Watson punta sull'utilizzo di questa capacità per aiutare i medici a diagnosticare le malattie in modo più rapido e accurato.
La scorsa settimana IBM ha annunciato che avrebbe acquistato Unisci assistenza sanitaria per un miliardo di dollari. Se l'accordo fosse finalizzato, questa sarebbe la terza società di dati sanitari che IBM ha acquistato quest'anno (vedi Meet the Health-Care Company IBM Needed to Make Watson More Insightful). Merge è specializzato nella gestione di tutti i tipi di immagini mediche e il suo servizio è utilizzato da oltre 7.500 ospedali e cliniche negli Stati Uniti, nonché da organizzazioni di ricerca clinica e aziende farmaceutiche. Shahram Ebadollahi , vicepresidente dell'innovazione e chief science officer di Watson Health Group di IBM, afferma che l'acquisizione fa parte di uno sforzo per attingere a molte diverse fonti di dati, tra cui cartelle cliniche anonime e basate su testo, per aiutare i medici a prendere decisioni terapeutiche.
Il set di dati di Merge contiene circa 30 miliardi di immagini, il che è fondamentale per IBM perché i suoi piani per Watson si basano su una tecnologia, chiamata deep learning, che addestra un computer alimentandolo con grandi quantità di dati.
Watson ha vinto Pericolo! utilizzando l'elaborazione avanzata del linguaggio naturale e l'analisi statistica per interpretare le domande e fornire le risposte corrette. Il deep learning è stato aggiunto più recentemente al set di competenze di Watson (vedi IBM Pushes Deep Learning with a Watson Upgrade ). Questo nuovo approccio all'intelligenza artificiale prevede l'insegnamento dei computer a individuare i modelli nei dati elaborandoli in modi ispirati alle reti di neuroni nel cervello (vedi Breakthrough Technologies 2013: Deep Learning). La tecnologia ha già prodotto risultati molto impressionanti nel riconoscimento vocale (vedi Microsoft Brings Star Trek 's Voice Translator to Life) e riconoscimento delle immagini (vedi Facebook crea un software che abbina i volti quasi quanto te).
I ricercatori di IBM pensano che l'elaborazione delle immagini mediche potrebbe essere la prossima. Si stima che le immagini rappresentino oggi fino al 90% di tutti i dati medici, ma può essere difficile per i medici ricavarne informazioni importanti, afferma John Smith , senior manager per i sistemi informativi intelligenti presso IBM Research.
Una delle applicazioni a breve termine più promettenti dell'elaborazione automatizzata delle immagini, afferma Smith, è la rilevazione del melanoma, un tipo di cancro della pelle. La diagnosi del melanoma può essere difficile, in parte perché c'è così tanta variazione nel modo in cui appare nei singoli pazienti. Alimentando un computer con molte immagini di melanoma, è possibile insegnare al sistema a riconoscere caratteristiche molto sottili ma importanti associate alla malattia. La tecnologia immaginata da IBM potrebbe essere in grado di confrontare una nuova immagine di un paziente con molte altre in un database e quindi fornire rapidamente al medico informazioni importanti, raccolte dalle immagini e dai record basati su testo, sulla diagnosi e sui potenziali trattamenti.
Trovare il cancro nelle scansioni TC del polmone è un altro buon esempio di come tale tecnologia potrebbe aiutare la diagnosi, afferma Jeremy Howard, CEO di Enlitica , una startup di un anno che utilizza anche il deep learning per l'elaborazione di immagini mediche (vedi Una startup spera di insegnare ai computer a individuare i tumori nelle scansioni mediche). Devi scorrere centinaia e centinaia di sezioni alla ricerca di alcuni piccoli pixel luminosi che appaiono e scompaiono, e ciò richiede molto tempo ed è molto facile commettere un errore, dice. Howard afferma che la sua azienda ha già creato un algoritmo in grado di identificare le caratteristiche rilevanti dei tumori polmonari in modo più accurato di quanto possano fare i radiologi.
Howard afferma che il più grande ostacolo all'utilizzo del deep learning nella diagnostica medica è che gran parte dei dati necessari per la formazione dei sistemi rimangono isolati nelle singole istituzioni e le normative governative possono rendere difficile la condivisione di tali informazioni. L'acquisizione di Merge da parte di IBM, con i suoi miliardi di immagini mediche, potrebbe aiutare a risolvere questo problema.