Становление искусственного интеллекта в медицинской диагностике

Компания GE Healthcare и Калифорнийский университет в Сан-Франциско заключили соглашение о совместном создании библиотеки алгоритмов глубокого обучения. Партнеры планируют заполнить эту библиотеку алгоритмами, которые позволят сократить время, которое требуется пользователям облачной системы GE и системам обработки изображений для диагностики заболеваний.

Такие алгоритмы могут обучаться обнаруживать закономерности в изображениях и других данных. Используя такие алгоритмы вместе с мощными компьютерами и растущими хранилищами медицинских изображений и данных, GE и ее конкуренты вроде IBM надеются предоставлять врачам информацию, которая им необходима для быстрой постановки диагноза и выбора правильного лечения. Партнеры надеются совместно разработать алгоритмы и программные инструменты, которые позволят врачам и исследователям идентифицировать проблемы и задавать вопросы, ответы на которые могут быть получены только с помощью больших вычислительных мощностей и больших наборов данных.

Первая задача, которую ставят перед собой партнеры, заключается в создании алгоритмов для поддержки обработки больших объемов медицинских изображений, критичных для принятия решений. Эти алгоритмы должны помочь врачам быстро отличать нормальные результаты от тех, которые требуют дальнейшего изучения или начала лечения.

В дальнейшем, ученые планируют расширить сферу деятельности таких алгоритмов, добавив к графической информации данные из электронных медицинских данных. Это позволит им расширить спектр разработки алгоритмов и повысить их эффективность.

Глубокое обучение (англ. Deep learning) — набор алгоритмов машинного обучения, которые позволяют собрать из каких-то простых абстракций более сложную и глубокую абстракцию (репрезентацию) притом, что даже самые простые абстракции должен собирать сам компьютер, а не человек. Т.е. речь уже не просто об обучении, а о метаобучении. Образно говоря, компьютер самостоятельно должен научиться, как лучше ему учиться.
Источник evercare

С точки зрения коммерческой медицины конечно это идеальный вариант диагностики практически без участия человека (второе, а может и первое мнение). Несколько компаний смогут контролировать рынок подобных услуг и выставлять этим услугам соответствующую стоимость.

Возникает закономерный вопрос. Почему не объединится it специалистам и врачам. Создать например стартап. Вычислительную мощность можно, как понимаю арендовать у Golem (а не у IBM), распределенную базу хранилища для аренды хранения базы исследований у Sia (вместо облачных хранилищ).

Диагностика, в том числе онкологических заболеваний ведь крайне важна именно на ранних этапах, а кадровая расстановка в различных мед.учреждениях - разная.