jest analizowana w celu zapewnienia dokładności , podobnie jak w przypadku egzaminów dla studentów . Te " egzaminy " algorytmów zazwyczaj obejmują wprowadzanie danych testowych , na które programiści znają już odpowiedzi , co pozwala im ocenić zdolność algorytmów do określenia prawidłowej odpowiedzi . Na podstawie wyników testów algo-rytm można zmodyfikować , wprowadzić więcej danych lub wdrożyć do działania .
Istnieje wiele różnych algorytmów , które mogą uczyć się na podstawie danych . Większość zastosowań sztucznej inteligencji w medycynie odczytuje pewien rodzaj danych , zarówno liczbowych ( takich jak tętno lub ciśnienie krwi ), jak i opartych na obrazach ( takich jak skany MRI lub obrazy próbek tkanek z biopsji ) jako dane wejściowe . Następnie algorytmy uczą się na podstawie danych i tworzą prawdopodobieństwo lub klasyfikację . Przykładowo , wynikiem działania może być prawdopodobieństwo wystąpienia zakrzepu tętniczego na podstawie danych dotyczących tętna i ciśnienia krwi lub oznaczenie obrazowanej próbki tkanki jako nowotworowej lub nienowotworowej . W zastosowaniach medycznych wydajność algorytmu w zadaniu diagnostycznym jest porównywalna z wydajnością lekarza w celu określenia jego zdolności i wartości w klinice .
ZASTOSOWANIE : RADIOLOGIA
Jednym z kluczowych obszarów do wykorzystania sztucznej inteligencji jest analiza obrazu , a radiologia to bez wątpienia dziedzina medycyny , w której diagnoza opiera się w większości właśnie na tej umiejętności Liczba zarejestrowanych do opisania obrazów zwiększa się z roku na rok , co z kolei wymusza zwiększenie efektywności pracy specjalistów .
Algorytmy sztucznej inteligencji . Powyższy obraz przedstawia przykład algorytmu , który uczy się podstawowej anatomii dłoni i może odtworzyć miejsce , w którym powinien znajdować się brakujący palec . Dane wejściowe to różne zdjęcia rentgenowskie dłoni , a dane wyjściowe to ślad , w którym powinny znajdować się brakujące części dłoni . W tym przypadku model jest zarysem dłoni , który można wygenerować i zastosować do innych obrazów . Może to pozwolić lekarzom zobaczyć właściwe miejsce do rekonstrukcji kończyny lub umieszczenia protezy .
Według szacunków , co roku jeden na czterech Amerykanów poddawany jest badaniu metodą tomografii komputerowej , zaś jeden na dziesięciu ma wykonywane badanie przy użyciu rezonansu magnetycznego . Możemy sobie tylko wyobrazić z jaką ilością obrazów specjaliści mierzą się na co dzień .
Jesienią 2018 r . naukowcy z Seoul National University Hospital and College of Medicine opracowali algorytm sztucznej inteligencji o nazwie DLAD ( Deep Learning based Automatic Detection ) do analizy radiogramów klatki piersiowej i wykrywania nieprawidłowego wzrostu komórek , takich jak potencjalne nowotwory . Wydajność algorytmu została porównana ze zdolnościami wykrywania wielu lekarzy na tych samych obrazach i przewyższyła 17 z 18 lekarzy . Według Harvard ’ s School of Public Health , choć jest to wczesne założenie , wykorzystanie sztucznej inteligencji do stawiania diagnoz może obniżyć koszty leczenia nawet o 50 % i poprawić wyniki zdrowotne o 40 %.