211service.com
Nvidias djupinlärningschips kan ge medicin ett skott i armen
Chiptillverkaren Nvidia åker på den nuvarande artificiell intelligensboomen med hårdvara designad för att driva banbrytande inlärningsalgoritmer. Och företaget ser sjukvård och medicin som nästa stora marknad för sin teknologi.
Kimberly Powell, som leder Nvidias insatser inom hälso- och sjukvård, säger att företaget arbetar med medicinska forskare inom en rad områden och kommer att se till att utöka dessa ansträngningar under de kommande åren.
Det finns en fantastisk ökning inom medicinsk bildforskning, sa Powell på MIT Technology Review s EmTech Digital-konferens i San Francisco på måndag. Fler och fler besöker vi leverantörer på sjukhus idag, och de föreställer sig nya tillämpningar för artificiell intelligens.
Mest anmärkningsvärt är att en maskininlärningsteknik som kallas djupinlärning används för att bearbeta medicinska bilder och sålla igenom stora mängder medicinsk data. Deep learning, som är väldigt löst inspirerad av hur neuroner i hjärnan verkar fungera, har redan visat sig vara otroligt användbar för att hitta bilder och bearbeta ljudfiler (se 10 Breakthrough Technologies: Deep Learning ).
Denna AI-teknik verkar verkligen vinna framgångar inom medicinsk forskning. Förra året visade ett team från Google att djupinlärning kan användas för att automatisera diagnosen ögonsjukdom. Samtidigt publicerade en grupp från Stanford University en artikel i tidskriften Natur som visade tekniken kan upptäcka hudcancer samt en utbildad hudläkare. En grupp från Mount Sinai Hospital i New York använde tillvägagångssättet till analysera patienternas elektroniska journaler och förutsäga, med förvånansvärt hög noggrannhet, vilken sjukdom en person skulle fortsätta att utveckla.
Det här är bara några högprofilerade exempel. Powell noterade under sitt föredrag att stora medicinska bildkonferenser har blivit dominerade av djuplärande papper.
Grafikprocessorerna tillverkade av Nvidia är mycket väl lämpade för att utföra de parallella beräkningar som krävs för djupinlärning, och chiptillverkaren har redan byggt upp en betydande verksamhet som levererar hårdvara till forskare med djupinlärning inom akademi och industri. Nvidia tillverkar ett växande antal specialiserade djupinlärningsprodukter, inklusive en kraftfull forskningsdator som heter DGX-1 och ett system för självkörande fordon som kallas Drive PX.
Powell tror att företagets hårdvara i allt större utsträckning också kommer att finnas på sjukhus och medicinska forskningscentra. Tillvägagångssättet skulle kunna bidra till att förbättra tillförlitligheten för diagnos, sa hon, och kan avsevärt höja vårdstandarden i utvecklingsländer, där expertis är knapp. Powell tillade att läkemedelsupptäckt sannolikt skulle bli ett annat stort område för djupinlärning i framtiden.
Men djupinlärning kan också hjälpa läkare att hitta mönster som annars skulle vara osynliga. Nvidia arbetar till exempel med Bradley Erickson, en neuro-radiolog vid Mayo Clinic, för att tillämpa djupinlärning på hjärnbilder. Erickson har haft viss framgång i att identifiera genetiska faktorer relaterade till hjärnsjukdom från bilder, sa Powell.
Tidigare, vid samma evenemang, pekade Gary Marcus, professor från NYU, ut medicin som det område där AI kan ha sin största inverkan. Tänk på cancer, sa Marcus. Riskfaktorerna som kan indikera sannolikheten för en sådan sjukdom kan vara svåra för en person att identifiera, men de kan avslöjas av en algoritm, sa han. Mördarappen [för AI] kan vara stora framsteg i hur vi behandlar medicin.
Det finns dock betydande utmaningar med att tillämpa tekniker som djupinlärning på medicin. Tillvägagångssättet är så komplext och ogenomskinligt att det kanske inte är klart för en läkare varför en algoritm kommer med en viss diagnos. Powell erkände denna utmaning men sa att lösningar, såsom nya sätt att visualisera beteendet hos nätverk för djupinlärning, håller på att dyka upp. Det är ett stort ämne inom forskning just nu, sa hon.