Onderzoekers van het tijdschrift University of California in the Cell presenteerden de wereld hun baanbrekende oplossing op het gebied van kunstmatige intelligentie. Het platform dat ze hebben gemaakt, kan niet alleen ziekten detecteren, maar ook diagnosticeren die verband houden met de degeneratie van het netvlies van het oog. Dit is onder meer bereikt door door het leersysteem van de computer te veranderen.
Momenteel zijn we in staat om kunstmatige intelligentie te vertrouwen op gebieden zoals het zelf parkeren van een auto, maar het is tot nu toe niet gebruikelijk om erop te vertrouwen in complexe situaties als medische diagnoses. Wetenschappers van de University of California willen hier verandering in brengen - het platform dat ze hebben gecreëerd met behulp van kunstmatige intelligentie kan niet alleen een diagnose stellen en onderscheid maken tussen de twee meest voorkomende netvliesaandoeningen (maculaire degeneratie en diabetisch macula-oedeem), maar ook de ernst van de ziekte beoordelen.
De sleutel tot dit succes is het veranderen van de manier waarop AI leert. De onderzoekers gebruikten een nieuw specifiek type machine learning genaamd "transfer learning". Het fenomeen van transfer learning in de geneeskunde is dat het u in staat stelt kennis over te dragen van het ene ziektegebied naar het andere, waardoor de nauwkeurigheid van de diagnose toeneemt en de tijd die nodig is om te leren wordt verkort. Op dit moment heeft het platform al 200 duizend geabsorbeerd. CT-scans van het netvlies en kunnen binnen 30 seconden beoordelen of de patiënt behandeling nodig heeft. De effectiviteit van de diagnose is ongeveer 95%, wat de auteurs vergelijken met de nauwkeurigheid van een goed opgeleide oogarts. Bovendien heeft het het diagnoseproces zo transparant mogelijk gemaakt, zodat zelfs patiënten die niet bekend zijn met technologie erop kunnen vertrouwen. De computer laat continu zien naar welk gebied hij kijkt en op welke basis hij zijn diagnose stelt.
Het gebruik van het transfer learning-systeem stelt de kunstmatige intelligentie van Californië in staat om röntgenfoto's van de borst te diagnosticeren en met 90 procent. nauwkeurig onderscheid maken tussen virale en bacteriële longontsteking. Het beste plan van de makers is om het ook op andere medische gebieden te gebruiken, omdat, volgens hen, elke keer dat de database wordt vergroot, de effectiviteit van de diagnose zal toenemen. Ten slotte is het doel om artsen te laten zien dat kunstmatige intelligentie een waardevol hulpmiddel is om het werk te verbeteren, en voor patiënten - dat een snelle en nauwkeurige diagnose van een computer hen in staat zal stellen de noodzakelijke behandeling sneller te ondergaan.
