Команда исследователей Гугл напечатала работу в Издании американской Медицинской ассоциации, показывающей, что глубочайший метод изучения Гугл, обученный на громадном комплекте данных изображений дна, может найти диабетическую ретинопатию с лучше, чем 90-процентная точность.«Эти результаты демонстрируют, что глубокие нейронные сети смогут быть научены, применяя громадные комплекты данных и не имея необходимость определять основанные на повреждении изюминки, определять диабетическую ретинопатию либо диабетический макулярный отек по относящимся к сетчатке глаза изображениям дна с высокой спецификой и высокой чувствительностью», пишут исследователи в газете. «Эта автоматизированная совокупность для обнаружения диабетической ретинопатии предлагает пара преимуществ, включая последовательность интерпретации (по причине того, что машина сделает то же самое предсказание на определенном изображении каждым разом), специфика и высокая чувствительность, и около мгновенного сообщения о итогах.
Помимо этого, по причине того, что у метода смогут быть многократные операционные пункты, его специфика и чувствительность смогут быть настроены, дабы соответствовать требованиям для определенных клинических параметров настройки, таких как высокая чувствительность для урегулирования показа».Тогда как другие формы машинного обучения употреблялись, дабы диагностировать диабетическую ретинопатию в прошлом, глубокое изучение – более чистая форма ИИ, в котором это не приобретает управления, дабы искать конкретные изюминки.
Вместо этого это извлекает уроки самостоятельно из лишь информации и изображений о том, что находится в них. В этом случае комплект данных складывался из 128 175 изображений, любой сортировал три – семь раз лицензированными офтальмологами.Метод был тогда проверен на 9 963 deidentified изображениях, ретроспективно взятых из EyePACS В США и трех глазных клиник в Индии. Второй, общедоступный, комплект результатов исследований 1 748 кроме этого употреблялся.
Точность была выяснена, сравнив ее заключения со сделанными группой по крайней мере семи американских сертифицированных комитетом офтальмологов. У этих двух комплектов данных были чувствительность на 96,1 процентов и на 97,5 процентов соответственно и специфика на 93,9 процента и на 93,4 процента соответственно.«Автоматизированная аттестация диабетической ретинопатии владеет потенциальными преимуществами, такими как возрастающая эффективность, воспроизводимость и освещение показа программ; сокращение барьеров для доступа; и улучшение состояния больного, снабжая раннее лечение и обнаружение», написали исследователи. «Дабы максимизировать клиническую полезность автоматизированной аттестации, метод, дабы найти referable диабетическую ретинопатию нужен».И в газете ДОЛГОЙ ХЛОПЧАТОБУМАЖНОЙ ОДЕЖДЫ и в объяснительном сообщении в блоге издал тот же самый сутки, исследователи подчернули, что имеется больше работы, дабы сделать.
«Интерпретация 2D фотографии дна, которую мы демонстрируем в данной статье, есть лишь одной частью в многоступенчатом ходе, что ведет к диагнозу для диабетической заболевания глаз», написала исследователь Лили Пенг в блоге. «В некоторых случаях доктора применяют 3D разработку формирования изображений, Optical Coherence Tomography (OCT), дабы изучить разные слои сетчатки детально. Использование машинного обучения к данной 3D модальности отображения идет уже полным ходом, во главе с отечественными сотрудниками в DeepMind. В будущем эти два дополнительных способа имели возможность бы употребляться совместно, дабы оказать помощь докторам в диагнозе многих заболеваний глаз».
И, само собой разумеется, имеется ограничения с точностью метода. Начиная с ее неясного кроме того его создателю совершенно верно, как глубочайший метод изучения обучается, нервная сеть имела возможность надеяться на некую особенность фотографий в комплекте данных, что не передаваем ко всей относящейся к сетчатке глаза фотографии.«Потому, что сеть ‘изучила’ изюминке, каковые были самыми прогнозирующими для referability неявно, быть может, что метод применяет функции, ранее малоизвестные либо проигнорированный людьми», написали исследователи. «Не смотря на то, что это изучение применяло изображения от множества клинических параметров настройки (много клинических мест: три в Индии, сотнях В США, и три во Франции) с диапазоном типов камеры, дабы снизить риск, что метод применяет странности в сборе данных, дабы сделать предсказания, правильные использованные функции все еще малоизвестны. Познание, что глубокая нервная сеть применение, дабы сделать предсказания есть весьма активной областью изучения в более бессчётном сообществе машинного обучения».
Наконец, метод весьма оптимален в том, что он был научен сделать, но это – долгий путь от помогания как замена для эксперта.«Метод был научен выяснить лишь диабетическую ретинопатию и диабетический макулярный отек», написали исследователи. «Это может пропустить недиабетические повреждения ретинопатии, каковые это не было научено выяснить.
Следовательно, данный метод не замена для всестороннего обследования глаз, у которого имеется большое количество компонентов, таких как острота зрения, преломление, slitlamp глазные измерения и экспертиза давления».