Προοπτικές της Τεχνητής Νοημοσύνης στην Υγεία – Έμφαση από τον Nathan Wang

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

Τι νομίζετε ότι είναι η πιο σημαντική πρόοδος για την Τεχνητή Νοημοσύνη στην υγεία;

Τα τελευταία χρόνια, το πεδίο έχει κάνει μεγάλες προόδους στην ερμηνευσιμότητα των μοντέλων. Ως ερευνητής, η khảότητα να κατανοήσω διαισθητικά το “λογισμό” πίσω από την Τεχνητή Νοημοσύνη 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 Τεχνητής Νοημοσύνης.

Τι νομίζετε ότι θα είναι η κορυφαία επιτυχία της Τεχνητής Νοημοσύνης για την υγεία και τα αποτελέσματα των ασθενών;

Νομίζω ότι η κορυφαία επιτυχία της Τεχνητής Νοημοσύνης είναι ακόμη να έρθει. Νομίζω ότι όταν η βαθιά γενωμική και η ραδιολογία γίνουν πιο σημαντικές, η Τεχνητή Νοημοσύνη θα παίξει ακόμη μεγαλύτερο ρόλο από ότι σήμερα.

Ποια είναι κάποια πρόσφατα επιτεύγματα από ένα έργο Τεχνητής Νοημοσύνης που εργάζεστε;

Η δουλειά μου στο Πανεπιστήμιο Johns Hopkins ασχολείται με την ανάλυση εικόνων βασισμένων σε deep learning, ιδιαίτερα με τη διάκριση μεταξύ καρκινικών και μη καρκινικών ιστών στον εγκέφαλο από εικόνες οπτικής συνεχή τομογραφίας (OCT). Ένα σημαντικό πρόβλημα που αντιμετώπισα ήταν να σχεδιάσω ένα μοντέλο Τεχνητής Νοημοσύνης που να γενικεύεται καλά στα δεδομένα από ασθενείς έξω από το σύνολο εκπαίδευσης. Αν και τα βαθιά δίκτυα exceling στο να εξάγουν κρυφούς σχηματισμούς, οι πιο εύκολα μάθησις σχηματισμοί δεν είναι πάντα σωστοί. Έτσι, είναι σημαντικό να χρησιμοποιούνται διαφορετικές μεθόδους κανονικοποίησης και μετασχηματισμού δεδομένων. Στο έργο μου, βρήκα ότι η υφή της εικόνας ήταν πολύ χρήσιμη σε ένα σχήμα μάθησης ensemble, ώστε να έχουμε και την Τεχνητή Νοημοσύνη και τις κλασικές τεχνικές αναγνώρισης σχημάτων να δουλεύουν μαζί.

Πόσο εδραιωμένη θα είναι η Τεχνητή Νοημοσύνη στη ροή εργασιών των κλινικών 5 έως 10 χρόνια από τώρα; Ποια θα είναι κάποιες μελλοντικές τάσεις τότε;

Βλέπω ότι η Τεχνητή Νοημοσύνη θα είναι όλο και περισσότερο στενά συνδεδεμένη με την υποστήριξη των ειδικών μέσω της ροής εργασιών των κλινικών από τη διάγνωση έως τη θεραπεία. Η Τεχνητή Νοημοσύνη έχει αποδείξει ότι είναι ικανή όχι μόνο για την πρώιμη διάγνωση και τον έλεγχο αλλά και για την πρόβλεψη της μακροπρόθεσμης πρόγνωσης. Με την εμπλοκή στη θεραπεία, η οποία μπορεί να γίνει πιο ακριβής και αποτελεσματική με την Τεχνητή Νοημοσύνη, οι άνθρωποι μπορούν να περιμένουν να ζήσουν περισσότερο και υγιέστερα.

Τι περιμένετε περισσότερο ενώ μιλάτε στο AI Healthcare Summit;

Η σχετικότητα και η επίδραση της Τεχνητής Νοημοσύνης στην υγεία αντανακλούνται σαφώς στο εντυπωσιακό πάνελ των ειδικών ομιλητών από διάφορους κλάδους και ερευνητικά υπόβαθρα. Περιμένω να μάθω πρώτα χέρι για την πρωτοπορία της Τεχνητής Νοημοσύνης 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 στο επικείμενο AI στην Υγεία Summit στις 13-14 Οκτωβρίου 2022, στη Βοστώνη, MA. Ενώστε μαζί του και με πολλούς άλλους εμπειρογνώμονες Τεχνητής Νοημοσύνης και Deep Learning για να μάθετε περισσότερα για τις τελευταίες τάσεις και ευκαιρίες στην υγεία.

Οι Προωθήσεις για Νέους Τερματίζουν την Παρασκευή, 2 Σεπτεμβρίου, οπότε κλείστε τη θέση σας σήμερα.

Χρησιμοποιήστε τον κωδικό έκπτωσης: Unite.AI για 20% έκπτωση.

Για περισσότερες πληροφορίες επικοινωνήστε με [email protected].