Vooruitgang in AI in de gezondheidszorg – Spotlight van Nathan Wang

Kunstmatige intelligentie wordt snel een van de belangrijkste factoren in de vooruitgang van de gezondheidszorg. Voorafgaand aan de RE•WORK – AI in Healthcare Summit Boston, vroegen we Nathan Wang – Deep Learning/Medical Imaging Researcher bij Johns Hopkins University naar zijn mening over het onderwerp. Hier is wat hij te zeggen had:

Wat denkt u dat de belangrijkste vooruitgang is voor AI in de gezondheidszorg?

In recente jaren heeft het veld grote stappen gezet in modelinterpreteerbaarheid. Als onderzoeker kan ik intuïtief begrijpen van de “redenering” achter onze AI, waardoor we robuustere en nauwkeurigere modellen kunnen bouwen. Hopelijk zullen clinicians en patiënten uiteindelijk meer vertrouwen hebben in deze AI-systemen.

Wat denkt u dat de grootste prestatie van AI voor de gezondheidszorg en patiëntresultaten zal zijn?

Ik denk dat de grootste prestatie van AI nog moet komen. Ik voel dat wanneer diepe genomics en radionics belangrijker worden, AI een nog grotere rol zal spelen dan nu.

Wat zijn enkele recente successen van een AI-project waar u aan werkt? Wat waren de uitdagingen die u tijdens het project tegenkwam? Hoe hebt u ze overwonnen?

Mijn werk bij Johns Hopkins omvat diepe leerlingenanalyse van intraoperatieve beelden, met name het onderscheiden tussen kanker- en niet-kankertumoren in de menselijke hersenschors van optische coherentietomografie (OCT)-beelden. Een significante uitdaging was het ontwerpen van een AI-model dat goed generaliseert naar gegevens van patiënten buiten de trainingsset. Hoewel diepe netwerken uitstekend zijn in het extraheren van verborgen patronen, zijn de meest gemakkelijk leerbare patronen niet altijd correct. Daarom is het belangrijk om verschillende gegevensnormalisatie- en transformatiemethoden te gebruiken. In mijn project vond ik beeldtextuur zeer nuttig in een ensemble-learnschema, zodat we zowel diepe leerlingen als klassieke patroonherkenningstechnieken samen laten werken.

Hoe diep zal AI in de klinische workflow zijn ingebed 5 tot 10 jaar van nu?

Ik zie dat AI steeds meer zal helpen bij het klinische workflow van diagnose tot behandeling. AI heeft zich reeds bewezen als een waardevolle tool voor vroege diagnose en screening, maar ook voor het voorspellen van langetermijnprognoses. Door tijdige behandeling, die met AI nauwkeuriger en efficiënter kan worden gemaakt, kunnen mensen langer en gezonder leven.

Waarnaar kijkt u het meest uit tijdens uw presentatie op de AI Healthcare Summit?

De relevantie en impact van AI in de gezondheidszorg wordt duidelijk weerspiegeld in het indrukwekkende paneel van expert-sprekers uit verschillende industrieën en onderzoeksachtergronden. Ik kijk ernaar uit om eerstehands kennis te maken met de voorhoede van AI in gebieden naast mijn eigen en om inspirerende gesprekken te voeren die mijn onderzoeksrichting positief zullen beïnvloeden.

Wilt u meer weten?

Nathan zal spreken op de aanstaande AI in Healthcare Summit op 13-14 oktober 2022 in Boston, MA. Sluit u aan bij hem en vele andere AI/ML- en Deep Learning-experts om meer te leren over de laatste trends en kansen in de gezondheidszorg.

Vroege Vogel Passen eindigen op vrijdag 2 september, dus boek uw plaats vandaag.

Gebruik de kortingcode: UNITEAI voor 20% korting.

Voor meer informatie, neem contact op met [email protected].