で説明されている研究 ネイチャー バイオメディカル エンジニアリング、このモデルは、肺炎、虚脱した肺、および病変などの問題を特定するのに、他の自己教師あり AI モデルよりも効果的であることを発見しました。 実際、精度は人間の放射線技師と同等でした。
構造化されていない医療データをこのように使用しようとする人もいますが、チームの AI モデルが構造化されていないテキストから学習し、放射線科医のパフォーマンスと一致させたのはこれが初めてです。スタンフォード大学の学部生で、レポートの共同執筆者である客員研究員の Ekin Tiu 氏は、次のように述べています。
「私たちはそれを行い、この分野で効果的に実証した最初の企業です」と彼は言います。
モデルのコードは、CT スキャン、MRI、および心エコー図に適用して、体の他の部分のより広い範囲の疾患を検出するのに役立つことを期待して、他の研究者に公開されています、と生物医学の助教授である Pranav Rajpurkar は言います。プロジェクトを率いたハーバード大学医学部ブラバトニク研究所の情報学博士。
「私たちの希望は、人々がこれを箱から出して、関心のある他の胸部 X 線データ セットや疾患に適用できることです」と彼は言います。
Rajpurkar はまた、最小限の監視を必要とする診断 AI モデルが、専門家が不足している国やコミュニティでの医療へのアクセスを増やすのに役立つ可能性があると楽観的です。
AI を使用して乳がんを検出するドイツのスタートアップ Vara で機械学習のディレクターを務める Christian Leibig は、次のように述べています。 「そのレベルのパフォーマンスに到達することは、かなりの成果です。」