Postępy w dziedzinie sztucznej inteligencji w ochronie zdrowia – wywiad z Nathanem Wangiem

Sztuczna inteligencja szybko staje się jednym z kluczowych czynników w postępach w branży ochrony zdrowia. Przed RE•WORK – AI in Healthcare Summit Boston poprosiliśmy Nathana Wanga – badacza głębokiego uczenia się i obrazowania medycznego na Uniwersytecie Johns Hopkins o jego myśli na ten temat. Oto, co powiedział:

Co pan uważa za najważniejszy postęp w dziedzinie sztucznej inteligencji w ochronie zdrowia?

W ostatnich latach ta dziedzina dokonała wielkich postępów w interpretowalności modeli. Jako badacz, mogę intuicyjnie zrozumieć “powody” naszej sztucznej inteligencji, co pozwala nam budować bardziej solidne i dokładne modele. Mam nadzieję, że klinicyści i pacjenci będą mogli mieć więcej zaufania do tych systemów sztucznej inteligencji.

Co pan uważa za największe osiągnięcie sztucznej inteligencji w ochronie zdrowia i wynikach leczenia?

Myślę, że największe osiągnięcie sztucznej inteligencji w ochronie zdrowia jeszcze przed nami. Uważam, że gdy głęboka genomika i radiologia staną się bardziej znaczące, sztuczna inteligencja będzie odgrywać jeszcze większą rolę niż dzisiaj.

Jakie są najnowsze sukcesy z projektu sztucznej inteligencji, nad którym pan pracuje? Jakie wyzwania pan spotkał podczas jego realizacji? Jak je pan pokonał?

Moja praca na Uniwersytecie Johns Hopkins dotyczy analizy obrazów w czasie rzeczywistym z użyciem głębokiego uczenia się, w szczególności rozróżniania tkanek nowotworowych i nienowotworowych w korze mózgu ludzkiego na podstawie obrazów uzyskanych za pomocą optycznej koherencyjnej tomografii (OCT). Jednym z wyzwań, które spotkałem, było zaprojektowanie modelu sztucznej inteligencji, który dobrze generalizuje dane z pacjentów spoza zestawu szkoleniowego. Chociaż sieci głębokie są bardzo dobre w wyodrębnianiu ukrytych wzorców, najłatwiej uczące się wzorce nie zawsze są poprawne. Dlatego ważne jest zastosowanie różnych metod normalizacji i transformacji danych. W moim projekcie okazało się, że tekstura obrazu była bardzo przydatna w schemacie uczenia zespołowego, dzięki czemu mamy zarówno głębokie uczenie się, jak i klasyczną analizę wzorców.

Jak bardzo sztuczna inteligencja będzie zintegrowana z przepływem pracy klinicznej za 5-10 lat? Jakie będą trendy w przyszłości?

Widzę, że sztuczna inteligencja będzie coraz bardziej wspomagać ekspertów w przepływie pracy klinicznej, od diagnozy do leczenia. Sztuczna inteligencja okazała się bardzo skuteczna nie tylko w wczesnej diagnozie i przesiewach, ale także w przewidywaniu długoterminowych rokowań. Poprzez wczesne rozpoczęcie leczenia, które może być bardziej precyzyjne i wydajne dzięki sztucznej inteligencji, ludzie mogą oczekiwać dłuższego i zdrowszego życia.

Czego pan najbardziej oczekuje, gdy będzie mówił na AI Healthcare Summit?

Relevancja i wpływ sztucznej inteligencji w ochronie zdrowia są wyraźnie widoczne w imponującym panelu ekspertów z różnych branż i środowisk badawczych. Oczekuję, że będę mógł się dowiedzieć o najnowszych trendach i możliwościach w dziedzinie sztucznej inteligencji w ochronie zdrowia i że będę mógł prowadzić inspirujące rozmowy, które pozytywnie wpłyną na kierunek moich badań.

Chcesz dowiedzieć się więcej?

Nathan będzie mówił na nadchodzącym AI in Healthcare Summit w dniach 13-14 października 2022 r. w Bostonie, MA. Dołącz do niego i wielu innych ekspertów sztucznej inteligencji, uczenia maszynowego i głębokiego uczenia się, aby dowiedzieć się więcej o najnowszych trendach i możliwościach w ochronie zdrowia.

Bilety wczesnego ptaka wygasają w piątek, 2 września, więc zarezerwuj miejsce już dziś.

Użyj kodu rabatowego: UNITEAI, aby otrzymać 20% zniżki.

Więcej informacji można uzyskać, kontaktując się z hello@re-work.co.