Προσαρμογές στο AI στην Υγεία – Σποτไลτ από τον Nathan Wang

Η Τεχνητή Νοημοσύνη γίνεται γρήγορα ένας από τους βασικούς παράγοντες στις προοπτικές της βιομηχανίας υγείας. Προτού το RE•WORK – AI στην Υγεία Σύνοδος στο Μπόστον, ζητήσαμε από τον Nathan Wang – Ερευνητή Deep Learning/Ιατρικής Εικόνας στο Πανεπιστήμιο Johns Hopkins τις σκέψεις του για το θέμα. Αυτό είναι τι είπε:

Τι πιστεύετε ότι είναι η πιο σημαντική πρόοδος για το AI στην υγεία;

Τις τελευταίες années, το πεδίο έχει κάνει μεγάλα βήματα στην ερμηνεία των μοντέλων. Ως ερευνητής, το να μπορώ να κατανοήσω ενστικτωδώς τη “λογική” πίσω από τα AI μας βοηθά να χτίσουμε πιο robust και ακριβή μοντέλα. Ελπίζω ότι οι κλινικοί γιατροί και οι ασθενείς θα έχουν τελικά περισσότερη εμπιστοσύνη σε αυτά τα συστήματα AI.

Τι πιστεύετε ότι θα είναι η κορυφαία επιτυχία του AI για την υγεία και τις επιπτώσεις στους ασθενείς;

Πιστεύω ότι η κορυφαία επιτυχία του AI είναι ακόμη να έρθει. Νιώθω ότι όταν η βαθιά γονιδιωματική και η ραδιολογία γίνουν πιο σημαντικές, το AI θα παίξει ακόμη μεγαλύτερο ρόλο από ότι σήμερα.

Τι είναι κάποια πρόσφατα επιτεύγματα από ένα πρότζεκτ AI που δουλεύετε; Ποίες προκλήσεις αντιμετωπίσατε κατά τη διάρκεια του; Πώς τις ξεπεράσατε;

Η δουλειά μου στο Johns Hopkins αφορά την ανάλυση εικόνων βάσει deep learning κατά τη διάρκεια χειρουργικών επεμβάσεων, ιδιαίτερα στη διάκριση μεταξύ καρκινικών και μη καρκινικών ιστών στον εγκέφαλο από εικόνες οπτικής συνεχή τομογραφίας (OCT). Μια σημαντική πρόκληση που αντιμετώπισα ήταν να σχεδιάσω ένα μοντέλο AI που γενικεύεται καλά στα δεδομένα από ασθενείς έξω από το σύνολο εκπαίδευσης. Αν και τα βαθιά δίκτυα είναι ικανά να εξάγουν κρυφές προτύπους, οι πιο εύκολα μαθητέοι προτύπους δεν είναι πάντα σωστοί. Έτσι, είναι σημαντικό να χρησιμοποιηθούν διαφορετικές μεθόδους κανονικοποίησης και μετασχηματισμού δεδομένων. Στο πρότζεκτ μου, βρήκα ότι η υφή της εικόνας ήταν πολύ χρήσιμη σε ένα σχήμα ensemble learning, ώστε να έχουμε και deep learning και κλασικές τεχνικές αναγνώρισης προτύπων να δουλεύουν μαζί.

Πόσο ενσωματωμένο θα είναι το AI στην κλινική ροή 5 έως 10 χρόνια από τώρα; Ποίες θα είναι κάποιοι μελλοντικοί τάσεις τότε;

Βλέπω ότι το AI θα είναι όλο και πιο στενά συνδεδεμένο με τους εμπειρογνώμονες κατά τη διάρκεια της κλινικής ροής από τη διάγνωση στη θεραπεία. Το AI έχει αποδείξει ότι είναι ικανό nicht μόνο για την πρώιμη διάγνωση και το σcreening αλλά και για την πρόβλεψη της μακροπρόθεσμης πρόγνωσης. Με τη συμμετοχή σε έγκαιρη θεραπεία, η οποία μπορεί να γίνει πιο ακριβής και αποτελεσματική με το AI, οι άνθρωποι μπορούν να περιμένουν να ζήσουν περισσότερο και υγιέστερα.

Τι περιμένετε περισσότερο ενώ μιλάτε στη Σύνοδο AI στην Υγεία;

Η σχετικότητα και η επίδραση του AI στην υγεία αντανακλούνται σαφώς στο εντυπωσιακό πάνελ εμπειρογνωμόνων από διάφορες βιομηχανίες και ερευνητικά υπόβαθρα. Περιμένω να μάθω πρώτα χέρι για την πρωτοπορία του AI σε πεδία που είναι κοντά στο δικό μου και να εμπλακώ σε εμπνευστικές συζητήσεις που θα επηρεάσουν θετικά την κατεύθυνση της έρευνάς μου.

Θέλετε να μάθετε περισσότερα;

Ο Nathan θα μιλήσει στη συνεδρία AI στην Υγεία Σύνοδος στις 13-14 Οκτωβρίου 2022, στο Μπόστον, MA. Ενωθείτε μαζί του και πολλούς άλλους εμπειρογνώμονες AI/ML και Deep Learning για να μάθετε περισσότερα για τις τελευταίες τάσεις και ευκαιρίες στην υγεία.

Οι Προωθημένες Πωλήσεις λήγουν την Παρασκευή, 2 Σεπτεμβρίου, οπότε κλείστε τη θέση σας σήμερα.

Χρησιμοποιήστε τον κωδικό έκπτωσης: UNITEAI για 20% έκπτωση.

Για περισσότερες πληροφορίες επικοινωνήστε με hello@re-work.co.