Jedna umjetna inteligencija traži “drugo mišljenje” od druge

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.