Un nuovo algoritmo può individuare la polmonite meglio di un radiologo

Categoria: Intelligenza artificiale Inserito 16 novembre

Aggiungi la diagnosi di pericolose malattie polmonari alla crescente lista di cose che l'intelligenza artificiale può fare meglio degli esseri umani.

Un nuovo arXiv l'articolo dei ricercatori di Stanford spiega come CheXNet, la rete neurale convoluzionale che hanno sviluppato, abbia raggiunto l'impresa. CheXNet è stato addestrato su un set di dati pubblicamente disponibile di oltre 100.000 radiografie del torace che sono state annotate con informazioni su 14 diverse malattie che compaiono nelle immagini. I ricercatori hanno fatto eseguire a quattro radiologi un set di test di raggi X e formulare diagnosi, che sono state confrontate con le diagnosi eseguite da CheXNet. Non solo CheXNet ha battuto i radiologi nell'individuare la polmonite, ma una volta che l'algoritmo è stato ampliato, si è dimostrato migliore nell'identificare anche le altre 13 malattie.

La diagnosi precoce della polmonite potrebbe aiutare a prevenire alcuni dei 50.000 decessi che la malattia provoca negli Stati Uniti ogni anno. La polmonite è anche la singola più grande causa di morte infettiva per i bambini in tutto il mondo, uccidendo quasi un milione di bambini di età inferiore ai cinque anni nel 2015.

Andrew Ng, coautore del documento ed ex capo della ricerca sull'IA presso Baidu, pensa che l'IA sarà sempre più utilizzata in medicina. In precedenza ha lavorato su un algoritmo che può, dopo essere stato addestrato sui dati dell'elettrocardiogramma (ECG), identificare le aritmie cardiache meglio di un esperto umano. Un altro algoritmo di deep learning recentemente pubblicato in Natura è stato in grado di individuare lesioni cutanee cancerose proprio come un dermatologo certificato.

I radiologi in particolare sono stati in allerta per un po'. Ricerche precedenti hanno dimostrato che l'IA è brava o migliore dei medici nell'individuare i problemi nelle scansioni TC. Geoffrey Hinton, uno dei pionieri del deep learning, detto al Newyorkese che, a causa dei progressi dell'IA, le scuole di medicina dovrebbero smettere di formare radiologi ora. L'analisi di set di dati basati su immagini come raggi X, scansioni TC e foto mediche è ciò in cui eccellono gli algoritmi di deep learning. E potrebbero benissimo salvare delle vite.