Jedna umjetna inteligencija traži "drugo mišljenje" od druge
Istraživači Sveučilišta Monash osmislili su algoritam koji može učinkovito oponašati proces traženja drugog stručnog mišljenja za već dobivene medicinske nalaze
Otići liječniku po nalaz i onda potražiti mišljenje drugoga uobičajena je praksa. Na tom je tragu i ideja Sveučilišta Monash, vezana uz medicinsku dokumentaciju koju obrađuje umjetna inteligencija. Njihova studija, objavljena u časopisu Nature Machine Intelligence, nudi rješenje za problem ograničene dostupnosti ljudskom rukom anotiranih ili označenih medicinskih slika uvođenjem sustava u kojem jedna umjetna inteligencija za savjet i "drugo mišljenje" zapravo pita drugu umjetnu inteligenciju.
Jedinstvene prednosti
Princip rada je sljedeći: dio sustava umjetne inteligencije pokušava oponašati način na koji radiolozi čitaju medicinske slike i označava ih, dok drugi dio sustava prosuđuje kvalitetu označenih skeniranja generiranih umjetnom inteligencijom uspoređujući ih s ograničenim označenim snimkama radiologa.
Algoritam koji su razvili istraživači iz Monasha omogućuje višestrukim modelima umjetne inteligencije da iskoriste jedinstvene prednosti označenih i neoznačenih podataka i uče iz međusobnih predviđanja kako bi poboljšali ukupnu točnost.
Izvanredne performanse
Za razliku od algoritama koji se oslanjaju na velike količine podataka s komentarima, ovaj algoritam pokazuje izvanredne performanse čak i s ograničenim komentarima.
To modelima umjetne inteligencije omogućuje da potvrđuju početne procjene, postavljaju točnije dijagnoze i donose kvalitetnije odluke o liječenju. Sljedeća faza istraživanja usredotočit će se na proširenje aplikacije za rad s različitim vrstama medicinskih slika i razvoj namjenskog end-to-end proizvoda koji radiolozi mogu koristiti u svojim ordinacijama.
