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

Translator: Huu Nhat Tran

Computer algorithms today are performing incredible tasks

Các thuật toán của máy tính ngày nay đang thực hiện những công việc phi thường

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

với độ chính xác cao ở qui mô lớn, giống như trí thông minh của con người.

And this intelligence of computers is often referred to as AI

Trí thông minh của máy tính vẫn thường được gọi là AI

or artificial intelligence.

hay trí tuệ nhân tạo.

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

AI đã sẵn sàng tạo ra tác động đáng kể đối với cuộc sống con người ở tương lai.

Today, however, we still face massive challenges

Tuy vậy, ngày nay chúng ta vẫn đang đối đầu với những thách thức gian nan

in detecting and diagnosing several life-threatening illnesses,

trong việc xác định và chẩn đoán một số bệnh đe dọa mạng sống con người

such as infectious diseases and cancer.

như các bệnh truyền nhiễm và ung thư.

Thousands of patients every year

Mỗi năm có hàng ngàn người

lose their lives due to liver and oral cancer.

đã chết vì ung thư gan và miệng.

Our best way to help these patients

Cách tốt nhất để chúng ta giúp họ

is to perform early detection and diagnoses of these diseases.

là phát hiện và chẩn đoán sớm những căn bệnh này.

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

Chúng ta làm việc đó bằng cách nào và liệu trí tuệ nhân tạo có thể hỗ trợ?

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

Đối với những bệnh nhân không may bị nghi ngờ mắc bệnh,

an expert physician first orders

đầu tiên bác sĩ sẽ yêu cầu sử dụng

very expensive medical imaging technologies

những công nghệ hình ảnh y khoa đắt đỏ,

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

như chụp chiếu huỳnh quang, CT hay MRI.

Sau khi thu thập được những hình ảnh,

Once those images are collected,

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

một chuyên gia khác sẽ chẩn đoán dựa vào những ảnh trên và trao đổi với bệnh nhân.

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

Như bạn thấy, đây là một quá trình chuyên sâu và tốn kém nhiều tài nguyên,

cần có những chuyên gia cùng các thiết bị hình ảnh đắt đỏ,

requiring both expert physicians, expensive medical imaging technologies,

and is not considered practical for the developing world.

và điều đó không thực tế đối với các nước đang phát triển.

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

Thực ra ở nhiều nước công nghiệp hóa cũng vậy.

So, can we solve this problem using artificial intelligence?

Vậy làm sao ta có thể giải quyết vấn đề bằng trí tuệ nhân tạo ?

Today, if I were to use traditional artificial intelligence architectures

Ngày nay, nếu tôi phải dùng các mô hình trí tuệ nhân tạo truyền thống

to solve this problem,

để giải quyết vấn đề này,

I would require 10,000 --

tôi sẽ cần 10,000 --

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

tôi nhắc lại, cần 10,000 ảnh y khoa đắt đỏ

first to be generated.

đầu tiên phải được chụp.

Sau đó, tôi sẽ đến một chuyên gia

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

who would then analyze those images for me.

để người đó phân tích những tấm ảnh.

And using those two pieces of information,

Và sử dụng hai thông tin đó,

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

tôi có thể tạo ra một liên kết nơ-ron nhân tạo tiêu chuẩn hoặc nghiên cứu sâu

to provide patient's diagnosis.

để chẩn đoán bệnh.

Similar to the first approach,

Tương tự như vậy,

traditional artificial intelligence approaches

trí tuệ nhân tạo truyền thống

suffer from the same problem.

cũng trải qua vấn đề đó.

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

Khối lượng dữ liệu lớn, bác sĩ hàng đầu và những chuyên gia về công nghệ hình ảnh.

So, can we invent more scalable, effective

Vậy chúng ta có thể phát minh ra mô hình mở rộng mang tính hiệu quả

and more valuable artificial intelligence architectures

và nhiều kiến trúc trí tuệ nhân tạo đáng giá hơn

to solve these very important problems facing us today?

để xử lí các vấn đề quan trọng mà ta đang đối mặt ngày nay ?

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

Và đây là những việc nhóm phòng thí nghiệm truyền thông MIT thực hiện.

We have invented a variety of unorthodox AI architectures

Chúng tôi đã phát minh ra nhiều kiến trúc AI không chính thống

để giải quyết một số thách thức quan trọng nhất mà ta đang gặp phải

to solve some of the most important challenges facing us today

in medical imaging and clinical trials.

trong kĩ thuật ảnh y khoa và các thử nghiệm lâm sàng.

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

Ở ví dụ đã chia sẻ với các bạn hôm nay, chúng tôi có hai mục tiêu.

Our first goal was to reduce the number of images

Đầu tiên là giảm số lượng hình ảnh

required to train artificial intelligence algorithms.

cần để huấn luyện các thuật toán trí tuệ nhân tạo.

Our second goal -- we were more ambitious,

Thứ hai-- chúng tôi có tham vọng hơn thế nữa,

we wanted to reduce the use of expensive medical imaging technologies

chúng tôi muốn giảm đi việc sử dụng các kỹ thuật hình ảnh y khoa đắt đỏ

to screen patients.

để chụp bệnh nhân.

So how did we do it?

Vậy chúng tôi đã làm thế nào?

For our first goal,

Đối với mục tiêu đầu tiên,

instead of starting with tens and thousands

thay vì bắt đầu với hàng nghìn

of these very expensive medical images, like traditional AI,

ảnh chụp y khoa đắt tiền, như AI truyền thống,

we started with a single medical image.

chúng tôi bắt đầu với một ảnh y khoa.

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

Từ ảnh này, nhóm tôi đã tìm ra một cách rất thông minh

to extract billions of information packets.

trích ra hàng tỉ gói thông tin.

These information packets included colors, pixels, geometry

Các gói thông tin này bao gồm màu sắc, điểm ảnh, khối hình học

and rendering of the disease on the medical image.

và tập hợp lại các bệnh trên ảnh y khoa.

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

Nói cách khác, chúng tôi đã chuyển một ảnh thành hàng tỉ dữ liệu huấn luyện,

massively reducing the amount of data needed for training.

giảm một khối lượng lớn các dữ liệu cần thiết cho việc huấn luyện.

For our second goal,

Đối với mục tiêu thứ hai,

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

để hạn chế sử dụng các công nghệ đắt tiền cho bệnh nhân,

we started with a standard, white light photograph,

chúng tôi bắt đầu với một bức ảnh ánh sáng trắng chuẩn,

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

được lấy từ máy ảnh DSLR hay điện thoại, từ bệnh nhân.

Then remember those billions of information packets?

Các bạn còn nhớ hàng tỉ gói thông tin đó không?

We overlaid those from the medical image onto this image,

Chúng tôi phủ chúng lên tấm ảnh này,

creating something that we call a composite image.

tạo ra thứ mà chúng tôi gọi là ảnh tổng hợp.

Much to our surprise, we only required 50 --

Chúng tôi rất ngạc nhiên khi chỉ cần 50--

I repeat, only 50 --

tôi nhắc lại, chỉ 50 tấm ảnh tổng hợp--

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

để huấn luyện các thuật toán của mình đạt hiệu quả cao.

To summarize our approach,

Tóm lại,

thay vì 10,000 hình ảnh y khoa cực kì đắt đỏ,

instead of using 10,000 very expensive medical images,

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

chúng ta bây giờ có thể dùng thuật toán AI theo cách không chính thống,

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

chỉ cần 50 bức ảnh chuẩn có độ phân giải cao,

acquired from DSLR cameras and mobile phones,

được lấy từ máy ảnh DSLR hay điện thoại,

and provide diagnosis.

để chẩn đoán.

More importantly,

Quan trọng hơn thế,

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

thuật toán của chúng tôi có thể chấp nhận, trong tương lai và cả hiện tại,

some very simple, white light photographs from the patient,

những bức ảnh với ánh sáng trắng đơn giản từ bệnh nhân,

instead of expensive medical imaging technologies.

thay vì các công nghệ hình ảnh y khoa đắt tiền.

I believe that we are poised to enter an era

Tôi tin rằng chúng ta sẵn sàng để bước vào một kỉ nguyên

where artificial intelligence

nơi mà trí tuệ nhân tạo

is going to make an incredible impact on our future.

sẽ tạo ra những ảnh hưởng khó tin trong tương lai.

And I think that thinking about traditional AI,

Và tôi cho rằng ý kiến về AI truyền thống,

which is data-rich but application-poor,

thứ giàu tài nguyên nhưng ít ứng dụng,

we should also continue thinking

chúng ta nên suy nghĩ thêm

about unorthodox artificial intelligence architectures,

về các mô hình trí tuệ nhân tạo không chính thống,

which can accept small amounts of data

chỉ cần một lượng nhỏ dữ liệu

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

để giải quyết các vấn đề quan trọng nhất mà chúng ta đang đối mặt ngày nay,

especially in health care.

nhất là việc chăm sóc sức khỏe.

Thank you very much.

Cảm ơn rất nhiều.

(Applause)

(Vỗ tay)