Seit mehr als 30 Jahren wird an der Nutzbarkeit künstlicher Intelligenz geforscht. Dabei reiht sich ein Erfolg an den anderen und nun soll das so genannte “deep learning” Maschinen beibringen können, wie wir Menschen zu denken.
Google machte zuletzt Schlagzeilen, als ihre, auf “deep learning” basierende, Software zwar bereits fantastische Resultate darin brachte, Katzen auf Photos und Videos zu erkennen, Menschen und Gorillas dafür aber noch eher schlecht unterscheiden konnte. Der amerikanische Start-Up Gründer Jeremy Howard hat es sich nun zum Ziel gemacht, ein Programm zu schaffen, das mit flauschigen Katzen rein gar nichts zu tun hat. Seine Firma Enlitic will mit der Hilfe von “deep learning” dazu beitragen, Krankheiten bereits im Frühstadium erkennen und Menschenleben retten zu können.
“Medical diagnostics is, at its heart, a data problem – turning images, lab tests, patient histories, and so forth into a diagnosis and proposed intervention. Recent applied machine learning breakthroughs, especially using deep learning, have shown that computers can rapidly turn large amounts of data of this kind into deep insights, and find subtle patterns. This is the biggest opportunity for positive impact using data that I’ve seen in my 20+ years in the field.”
Jeremy Howard, Founder and CEO
US StartUp Enlitic und Capitol Health Medical kooperieren in der Auswertung von Röntgenaufnahmen
Das US-amerikanische medizinische Start-Up Unternehmen Enlitic und das australische Unternehmen Capitol Health Limited, spezialisiert auf medizinische Bilddarstellung, gaben vor kurzem bekannt, gemeinsam an einem Programm zu arbeiten, welches völlig eigenständig Röntgenaufnahmen analysieren und auswerten kann.
Zum ersten Mal können Patienten nun direkt vom “deep learning” profitieren und das, laut Enlitic’s Pressemitteilung vom 27.10.2015, um ein Vielfaches schneller, akkurater und auch viel günstiger, als es die bisher üblichen Herangehensweisen ermöglichen.
“Deep learning is an algorithm inspired by how the brain works, and as a result it is an algorithm which has no theoretical limitations. The more data you give it, and the more computation time you give it, the better it becomes.”
Jeremy Howard, Enlitic Founder and CEO in 2014 TED.com talk.
Anstatt jedoch gänzlich auf Radiologen zu verzichten, soll das innovative Programm ihnen dabei helfen, genauere Ergebnisse zu erzielen und somit schneller, effizienter, sowie mit einer sehr viel niedrigeren Fehlerquote zu arbeiten.
Zuerst einmal untersucht das Programm die ihm zugewiesenen Dateien und überprüft, dass diese auch wirklich das aufzeigen, was als Kennzeichnung vorgegeben ist. Das Bild mit der Kennzeichnung “linker Arm” wird also zum Beispiel daraufhin untersucht, ob es auch wirklich einen linken Arm zeigt und nicht etwa einen rechten oder gar ein Bein. Ist dieser erste Vorgang abgeschlossen, geht das Programm über zu Schritt Nummer Zwei und prüft auf eventuelle Abnormitäten. Je nach Schweregrad der somit erstellten Diagnose wird dann das Bild nach Priorität geordnet und an einen Radiologen weiter geleitet.
Enlitic deep learning Software arbeitet genauer, als menschliche Radiologen
So erkennt das Programm, laut Enlitic, zum Beispiel kleine Knoten in den Lungen auf dem CT Bild eines Patienten um ganze 50 Prozent genauer, als ein ganzes Experten-Team von Radiologen es kann. Sofort wird das Ergebnis als “hohe Priorität” eingestuft und an einen auf die Lunge spezialisierten Radiologen weiter geleitet.
Lungenkrebs gilt als eine der am schwierigsten zu diagnostizierenden Krebsarten. Die Früherkennung mithilfe des neuen Programmes kann Leben retten.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Werden allerdings keinerlei Anomalien festgestellt, dann fällt das Bild in die Kategorie “niedrige Priorität”.
Ganz zuletzt soll das Programm auch bei der Ausstellung der nötigen Papiere behilflich sein und dem Spezialisten dadurch auch einen Großteil dieser Arbeit abnehmen.
Weitere Hightech Unternehmen forschen in der Medizin Technologie
Enlitic macht hiermit zwar einen großen Schritt nach vorne, was die Nutzung von Technik in der Medizin betrifft, ist damit jedoch bei weitem nicht alleine. IBM’s System “Watson” zum Beispiel, wird im Gesundheitswesen genutzt, um Ärzten bei der Entscheidungsfindung zu helfen. Der Arzt stellt dem System eine Frage, gibt vorhandene Symptome vor und lässt diese dann von Watson analysieren.
https://www.youtube.com/watch?v=jeCgQ5XrurY
An der University of North Carolina at Chapel Hill wird daran geforscht “deep learning” in der Medikamentenentwicklung nutzen zu können. Mithilfe bestimmter Algorithmen sollen potenziell nützliche Wirkstoffmolekülkombinationen aus Millionen von Kandidaten erkannt werden.
Selbst Skype nutzt ganz ähnliche Techniken für den Skype Translator. Internetplattformen wie Yelp sondern mithilfe von “deep learning” Algorithmen genau die Bilder aus, die sie auf ihren Webseiten zeigen wollen. Und sogar Facebook forscht kontinuierlich daran, wie künstliche Intelligenz effizient genutzt werden kann, um zum Beispiel Bilder für sehbehinderte Menschen erkenntlich zu machen.