How AI is making it easier to diagnose disease | Pratik Shah

Traducător: Eugen Marian Popescu Corector: Cristina Nicolae

Computer algorithms today are performing incredible tasks

În prezent, algoritmii îndeplinesc sarcini incredibile

with high accuracies, at a massive scale, using human-like intelligence.

cu mare acuratețe, la o scară enormă, având o inteligență ca cea a oamenilor.

And this intelligence of computers is often referred to as AI

Aceasta inteligență a computerelor e adesea denumită IA

or artificial intelligence.

sau inteligență artificială.

AI is poised to make an incredible impact on our lives in the future.

IA va avea un impact incredibil asupra vieților noastre în viitor.

Today, however, we still face massive challenges

Astăzi, totuși, încă ne confruntăm cu provocări enorme

in detecting and diagnosing several life-threatening illnesses,

în detectarea și diagnosticarea câtorva boli care pun viețile în pericol,

such as infectious diseases and cancer.

cum ar fi bolile infecțioase și cancerul.

Thousands of patients every year

În fiecare an, mii de pacienți

lose their lives due to liver and oral cancer.

își pierd viața din cauza cancerului de ficat sau oral.

Our best way to help these patients

Cea mai bună metodă de a ajuta acești pacienți

is to perform early detection and diagnoses of these diseases.

este să performăm o diagnosticare și o detectare precoce a acestor boli.

So how do we detect these diseases today, and can artificial intelligence help?

Așadar, cum detectăm aceste boli astăzi și cum ne poate ajuta IA?

In patients who, unfortunately, are suspected of these diseases,

Pacienților care, din păcate, sunt suspectați de una dintre aceste boli,

an expert physician first orders

un medic specialist cere prima oară

very expensive medical imaging technologies

tehnologii medicale de imagistică foarte scumpe,

such as fluorescent imaging, CTs, MRIs, to be performed.

cum ar fi imagistica fluorescentă, CT, RMN.

Once those images are collected,

Odată ce sunt colectate aceste imagini,

another expert physician then diagnoses those images and talks to the patient.

un alt medic specialist interpretează aceste imagini și vorbește cu pacientul.

As you can see, this is a very resource-intensive process,

După cum vedeți, este un proces care presupune multe resurse,

requiring both expert physicians, expensive medical imaging technologies,

necesitând medici specialiști și tehnologie medicală imagistică scumpă,

and is not considered practical for the developing world.

și nu este considerat practic pentru lumea în curs de dezvoltare.

And in fact, in many industrialized nations, as well.

De fapt, și în multe țări industrializate.

So, can we solve this problem using artificial intelligence?

Deci, putem rezolva această problemă folosind inteligența artificială?

Today, if I were to use traditional artificial intelligence architectures

Astăzi, dacă ar fi să folosim arhitectura tradițională a IA

to solve this problem,

pentru a rezolva problema,

I would require 10,000 --

aș avea nevoie de 10.000 --

I repeat, on an order of 10,000 of these very expensive medical images

repet, la un ordin de 10.000 din aceste imagini medicale foarte scumpe

first to be generated.

să fie generate mai întâi.

After that, I would then go to an expert physician,

După aceea, m-aș duce la un medic specialist,

who would then analyze those images for me.

care ar analiza acele imagini pentru mine.

And using those two pieces of information,

Și folosind aceste informații,

I can train a standard deep neural network or a deep learning network

pot pregăti o rețea standard neurală profundă sau o rețea de învățare profundă

to provide patient's diagnosis.

pentru a stabili diagnosticul pacientului.

Similar to the first approach,

Similar cu prima abordare,

traditional artificial intelligence approaches

abordările tradiționale ale IA

suffer from the same problem.

prezintă aceeași problemă.

Large amounts of data, expert physicians and expert medical imaging technologies.

Cantitate mare de date, medici specialiști și tehnologii imagistice de specialitate.

So, can we invent more scalable, effective

Deci, putem inventa arhitecturi artificiale inteligente

and more valuable artificial intelligence architectures

mai accesibile, mai eficiente și mai valoroase

to solve these very important problems facing us today?

pentru a rezolva aceste probleme cu care ne confruntăm astăzi?

And this is exactly what my group at MIT Media Lab does.

Și asta e exact cu ce se ocupă grupul meu de la MIT Media Lab.

We have invented a variety of unorthodox AI architectures

Am inventat o varietate de arhitecturi IA neortodoxe

to solve some of the most important challenges facing us today

pentru a rezolva câteva provocări cu care ne confruntăm astăzi

in medical imaging and clinical trials.

în imagistica medicală și studiile clinice.

In the example I shared with you today, we had two goals.

În exemplul pe care vi l-am arătat azi, am avut două țeluri.

Our first goal was to reduce the number of images

Primul țel a fost să reducem numărul imaginilor

required to train artificial intelligence algorithms.

care se cer pentru a antrena algoritmii inteligenței artificiale.

Our second goal -- we were more ambitious,

Al doilea țel - suntem și mai ambițioși,

we wanted to reduce the use of expensive medical imaging technologies

am vrut să reducem uzul de tehnologie imagistică medicală scumpă

to screen patients.

pentru a consulta pacienții.

So how did we do it?

Cum am făcut-o?

For our first goal,

Pentru primul nostru țel,

instead of starting with tens and thousands

în loc să începem cu zeci și mii

of these very expensive medical images, like traditional AI,

de imagini medicale foarte scumpe cum e tradiționala IA,

we started with a single medical image.

am început cu o singură imagine medicală.

From this image, my team and I figured out a very clever way

Din această imagine, eu și echipa mea am găsit o cale isteață

to extract billions of information packets.

de a extrage miliarde de pachete de informații.

These information packets included colors, pixels, geometry

Aceste pachete de informații includ culori, pixeli, geometrie

and rendering of the disease on the medical image.

și redarea bolii în imaginea medicală.

In a sense, we converted one image into billions of training data points,

Într-un sens, am convertit o imagine în miliarde de puncte de formare,

massively reducing the amount of data needed for training.

reducând masiv cantitatea de date necesară pentru pregătire.

For our second goal,

Pentru al doilea țel,

to reduce the use of expensive medical imaging technologies to screen patients,

reducerea utilizării de tehnologie medicală imagistică scumpă

pentru a examina pacienții,

we started with a standard, white light photograph,

s-a început cu fotografie standard de lumină albă,

acquired either from a DSLR camera or a mobile phone, for the patient.

achiziționată fie de la camera DSLR sau de la telefonul mobil al pacientului.

Then remember those billions of information packets?

Rețineți acele miliarde de pachete de informații?

We overlaid those from the medical image onto this image,

Le-am suprapus pe acelea din imaginea medicală pe această imagine,

creating something that we call a composite image.

creând ceva ce numim o imagine compusă.

Much to our surprise, we only required 50 --

Spre surprinderea noastră, am avut nevoie de doar 50 -

I repeat, only 50 --

repet, doar 50 -

of these composite images to train our algorithms to high efficiencies.

de astfel de imagini compuse ca să facem algoritmul mai eficient.

To summarize our approach,

Ca să rezum,

instead of using 10,000 very expensive medical images,

în loc de 10.000 de imagini medicale foarte scumpe,

we can now train the AI algorithms in an unorthodox way,

acum putem antrena algoritmii IA într-un mod neortodox,

using only 50 of these high-resolution, but standard photographs,

folosind doar 50 de fotografii standard de rezoluție mare,

acquired from DSLR cameras and mobile phones,

achiziționate de la camere DSLR și telefoane mobile,

and provide diagnosis.

și putem stabili diagnostice.

More importantly,

Mai important,

our algorithms can accept, in the future and even right now,

algoritmii noștri pot accepta, în viitor sau chiar și acum,

some very simple, white light photographs from the patient,

fotografii foarte simple cu lumină albă, de la pacient,

instead of expensive medical imaging technologies.

în loc de tehnologie medicală imagistică foarte scumpă.

I believe that we are poised to enter an era

Cred că suntem pregătiți pentru a intra într-o eră

where artificial intelligence

în care inteligența artificială

is going to make an incredible impact on our future.

o să aibă un impact incredibil asupra viitorului nostru.

And I think that thinking about traditional AI,

Cred că, gândindu-ne la IA tradițională,

which is data-rich but application-poor,

care e bogată în date, dar săracă în aplicații,

ar trebui să continuăm să ne gândim

we should also continue thinking

about unorthodox artificial intelligence architectures,

la aceste neortodoxe arhitecturi de inteligență artificială,

which can accept small amounts of data

care pot accepta mici cantități de date

and solve some of the most important problems facing us today,

și pot rezolva câteva dintre problemele cu care ne confruntăm,

especially in health care.

în special în domeniul sănătății.

Thank you very much.

Vă mulțumesc foarte mult.

(Applause)

(Aplauze)