Kesehatan
Kemajuan AI di Bidang Kesehatan – Sorotan dari Nathan Wang

Poin utamaInterpretabilitas model merupakan kemajuan AI terbaru yang paling penting untuk…
Lihat selengkapnya
- Interpretabilitas model merupakan kemajuan AI terbaru yang paling penting untuk membangun kepercayaan klinisi.
- Pencapaian puncak AI akan datang dari integrasi genomika dalam dan radiomika.
- Nathan Wang menggunakan pembelajaran ensemble yang menggabungkan pembelajaran dalam dan analisis tekstur untuk deteksi kanker otak.
Kecerdasan Buatan (AI) dengan cepat menjadi salah satu faktor kunci dalam kemajuan di industri kesehatan. Sebelum RE•WORK – AI in Healthcare Summit Boston, kami meminta Nathan Wang – peneliti pembelajaran mendalam dan pencitraan medis di Johns Hopkins University untuk berbagi pemikirannya tentang topik ini. Berikut adalah apa yang dia katakan:
Apa yang Anda pikir adalah kemajuan paling penting untuk AI di bidang kesehatan?
Baru-baru ini, bidang ini telah membuat kemajuan besar dalam kemampuan model untuk ditafsirkan. Sebagai peneliti, dapat memahami “alasan” di balik AI kami membantu kami membangun model yang lebih robust dan akurat. Semoga, klinisi dan pasien akan dapat memiliki kepercayaan lebih besar pada sistem AI ini.
Apa yang Anda pikir akan menjadi prestasi terbesar AI untuk kesehatan dan hasil pasien?
Saya pikir prestasi terbesar AI masih belum tercapai. Saya merasa ketika deep genomics dan radionics menjadi lebih utama, AI akan memainkan peran yang lebih besar daripada sekarang.
Apa beberapa kemenangan terbaru dari proyek AI yang Anda kerjakan? Apa tantangan yang Anda hadapi selama itu? Bagaimana Anda mengatasi mereka?
Pekerjaan saya di Johns Hopkins melibatkan analisis gambar intraoperatif berbasis deep learning, khususnya membedakan antara jaringan kanker dan non-kanker di korteks otak manusia dari gambar optical coherence tomography (OCT). Tantangan signifikan yang saya hadapi adalah merancang model AI yang dapat melakukan generalisasi dengan baik untuk data dari pasien di luar set pelatihan. Meskipun jaringan dalam dapat mengekstrak pola tersembunyi, pola yang paling mudah dipelajari tidak selalu benar. Oleh karena itu, penting untuk menggunakan metode normalisasi dan transformasi data yang berbeda. Dalam proyek saya, saya menemukan bahwa tekstur gambar sangat berguna dalam skema pembelajaran ensemble sehingga kita memiliki kedua teknik pembelajaran dalam dan pengenalan pola klasik yang bekerja bersama.
Seberapa dalam AI akan tertanam dalam alur kerja klinis 5 hingga 10 tahun dari sekarang? Apa yang akan menjadi tren masa depan?
Saya melihat AI akan semakin membantu ahli melalui alur kerja klinis dari diagnosis hingga pengobatan. AI telah terbukti sangat baik dalam diagnosis awal dan skrining serta memprediksi prognosis jangka panjang. Dengan melakukan pengobatan yang tepat waktu, yang dapat dibuat lebih presisi dan efisien dengan AI, orang dapat berharap untuk hidup lebih lama dan sehat.
Apa yang Anda antisipasi paling saat berbicara di AI Healthcare Summit?
Relevansi dan dampak AI di bidang kesehatan jelas tercermin dalam panel pembicara ahli yang mengesankan dari berbagai industri dan latar belakang penelitian. Saya berharap untuk belajar secara langsung tentang kemajuan AI di bidang yang berdekatan dengan bidang saya sendiri dan terlibat dalam percakapan yang menginspirasi yang dapat memengaruhi arah penelitian saya secara positif.
Ingin tahu lebih lanjut?
Nathan akan berbicara di AI in Healthcare Summit pada tanggal 13-14 Oktober 2022, di Boston, MA. Bergabunglah dengan dia dan banyak ahli AI/ML dan Deep Learning lainnya untuk mempelajari lebih lanjut tentang tren dan peluang terbaru di bidang kesehatan.
Tiket Early Bird berakhir pada hari Jumat, 2 September, jadi pesan tempat Anda hari ini.
Gunakan kode diskon: UNITEAI untuk diskon 20%.
Untuk informasi lebih lanjut, hubungi hello@re-work.co.










