私は、AI がチャート全体を取り込んで診断を下すだろうと想像していたことに気付きました。 グレイズ・アナトミー 物語の複雑さを生み出し、エピソードの終わりまでに解決される大きな腫瘍を発見する場所. 私は 書かれた AI の非現実的なハリウッドの概念が、AI が実際にどのように機能するかについての私たちの全体的な理解を曇らせる可能性があるこの現象については以前に説明しました。 医療における AI の現実は、想像以上に平凡であり、AI は人間の医師のようにがんを「診断」しません。 放射線科医は、患部の複数の写真を見て、患者の病歴を読み、異なる視点から撮影された複数のビデオを見ることがあります。 AI は静止画像を取り込み、AI のトレーニング データで見つかった数学的パターンと比較して評価し、画像の一部がトレーニング データで (人間によって) ラベル付けされた領域と数学的に類似しているという予測を生成します。 医師は証拠を見て結論を導き出します。 コンピュータは予測を生成しますが、これは診断とは異なります。
人間は一連の標準テストを使用して診断を行い、AI はこの診断プロセスの上に構築されます。 これらの検査には、自己検査、マンモグラフィー、超音波検査、針生検、遺伝子検査、外科的生検などがあります。 次に、がん治療の選択肢があります。手術、放射線、化学療法、維持薬です。 誰もが何らかの検査と治療の組み合わせを受けます。 マンモグラフィ、超音波、針生検、遺伝子検査、手術を受けました。 同じ頃に診断された私の友人は、自己検査で腫瘤を検出しました。 彼女は、マンモグラフィー、超音波、針生検、遺伝子検査、外科的生検、化学療法、手術、放射線、2 回目の化学療法、および維持薬を受けました。 治療法は、がんの種類、位置、ステージ (0 ～ 4) によって異なります。 今日、米国の病院で行われている検査、治療、薬は、世界の歴史の中で最高のものです。 ありがたいことに、がんの診断はもはや死刑宣告である必要はありません。
Geras と彼の共同研究者はモデルを事前トレーニングしてオンラインに置いたので、Robinson と私がしなければならなかったのは、コードを事前トレーニング済みモデルに接続し、スキャンを実行することだけでした。 私たちはそれを使い果たしました、そして…何もありません。 重大な癌の結果はありません、灘。 乳がんがあることを知っていたので、これは奇妙でした。 医師たちは、がんが私を死なせないように、私の胸全体を切り取ったところだった.
調査しました。 著者らが書いている論文に手がかりが見つかりました。「画像を高解像度に保つことが不可欠であることを実験的に示しました。」 マンモグラムのスクリーンショットである自分の画像の解像度が低いことに気付きました。 高解像度の画像が求められました。
Robinson は、画像ファイルの奥深くに隠された別の問題を発見しました。 すべての X 線画像と同様に、私のスクリーンショット画像は白黒に見えました。 ただし、コンピューターはスクリーンショットを RGB 画像とも呼ばれるフルカラー画像として表示していました。 カラー画像の各ピクセルには、赤、緑、青の 3 つの値があります。 値を混ぜ合わせると、絵の具と同じように色が得られます。 青を 100 単位、赤を 100 単位でピクセルを作成すると、紫のピクセルが得られます。 紫色のピクセルの値は、R:100、G:0、B:100 のようになります。 カラー デジタル写真は、実際にはピクセルのグリッドであり、それぞれが RGB カラー値を持っています。 すべてのピクセルを隣り合わせに配置すると、人間の脳はピクセルの集まりを画像に形成します。