Felismeri a Google a diabéteszes vakulás jeleit
Az egyik leggyakoribb megvakulási típust, a cukorbetegeknél előforduló diabéteszes retinopathia gyorsabb és egyszerűbb azonosítását ígéri a Google deep learning rendszere. A szemfenékről készített fotók alapján azonosítható megbetegedést az algoritmus hasonló arányban ismert fel mint a szakorvosok.
Gyakran a cukorbetegek megvakulását a diabéteszes retinopathia (DR) okozza, a magyar orvosi adatok szerint szemészeti szövődmények a betegek egyharmadánál lépnek fel, sőt annyira súlyos a helyzet, hogy ez a kórkép a vakság második leggyakoribb oka hazánkban. A vakság kivédésében szerepet játszik az optimális vércukor-, vérnyomás- és lipidbeállítás, de a legfontosabb a korai szakaszban elvégzett szemészeti ellenőrzés és a gyors kezelés. A vakság ugyanis a korai felfedezés esetében még megállítható, máskülönben viszont maradandó vakságot eredményez - ez a Google szerint a gépi tanulás módszerével könnyebben követhető és így megelőzhető lesz a jövőben.
Egyik legismertebb módszer a károsodás felmérésére a szemfenékről készített képek vizsgálata, hogy megtalálhatóak-e rajta az elváltozás jelei. Minden cukorbetegnek évente el kellene végeznie egy ilyen vizsgálatot, a retinopathiaval rendelkezőknek pedig ennél gyakrabban kell kezelésekre járniuk. A betegséget viszont csak azok az orvosok tudják megállapítani, akik speciális képzést végeztek, és sok helyen nem egyáltalán nem rendelkeznek elég szakértővel ezeknek a vizsgálatoknak az elvégzéséhez. A deep learning algoritmus a retináról készített fényképek alaposabb vizsgálatában, a mintázatok gyorsabb felismerésében tudná segíteni a doktorok munkáját a Google kutatóinak publikációja szerint.
Helyesen azonosított pozitív (sensitivity) és helyesen azonosított negatív (specificity) esetek aránya az algoritmus (fekete görbe) és a szemészek (színes pontok) választása alapján
Összesen 128 ezer képből álló adatbázist állítottak össze a kutatók indiai és amerikai doktorokkal közösen, az 54 szakorvosból álló szakértői csoportból minden egyes képet 3-7 szemész véleményezett, és ez alapján tanították a neurális hálózatot. Ezt követően a kutatók az algoritmust 12 ezer képen tesztelték, és az eredményt összevetették 8 szemész szakorvos véleményével. A vizsgálat azt mutatta, hogy az algoritmus az orvosokhoz hasonló arányban ismerte fel a betegséggel rendelkezőket és nem rendelkezőket egyaránt.
Ünnepi mix a bértranszparenciától a kódoló vezetőkig Négy IT karrierrel kapcsolatos, érdekes témát csomagoltunk a karácsonyfa alá.
Mindez még csak az első lépése annak, hogy a gépi tanulás mire lehet képes ezen a területen, mivel a 2D retinafotók elemzése után már a optikai koherencia tomográffal (OCT) készülő 3D képek elemzésén is dolgoznak a kutatók, hogy a retina különböző rétegeinek a vizsgálata részletesebb lehessen. A kétféle módszerrel azt szeretné majd a Google elérni, hogy több különböző szembetegség is gyorsan és a mostaninál több betegnél időben felismerhető legyen.
A Google gépi tanulás és deep learning eredményei nem csak az orvoslás területén jelentek meg, hanem a keresőóriás egyre több fókuszt helyez ezekre a kutatásokra, ami a mesterséges intelligenciával és deep learninggel foglalkozó montreali labor megnyitásából is látható. Az utóbbi hónapokban sorra jelentek meg a Google kutatóinak publikáció a képtömörítés és nyelvi fordítás fejlesztésének sikereiről, és úgy tűnik, az egészségügy ugyanúgy a cég egyik fő kutatási területét képezi a gépi tanulással és deep learninggel kapcsolatban.