Google AI, doktorların AI tarafından yapılan teşhislere güvenip güvenmeyeceğine karar vermesine yardımcı olur

Google tarafından geliştirilen yeni bir yapay zeka sistemi, tıbbi teşhislerle ilgili yapay zeka tabanlı kararlara ne zaman güvenileceğine ve ikinci bir görüş için bir insan doktora ne zaman başvurulacağına karar verebiliyor. Yaratıcıları, doğruluğu korurken iş yükünü yüzde 66 oranında azaltarak tıbbi tarama verilerini analiz etme verimliliğini artırabileceğini iddia ediyor – ancak henüz gerçek bir klinik ortamda test edilmedi.

Tamamlayıcılığa dayalı Kliniğe Erteleme İş Akışı (CoDoC) sistemi, tahmine dayalı yapay zekanın bir şey bilmediğini anlamasına yardımcı olarak çalışır ve güvenilir olmadığında gerçekleri oluşturabilen en son yapay zeka araçlarıyla sorunları giderir Yanıtlar.

Genellikle göğüs röntgeni veya mamogram gibi tıbbi görüntüleri yorumlamak için kullanılan mevcut AI sistemleriyle birlikte çalışacak şekilde tasarlanmıştır. Örneğin, tahmine dayalı bir AI aracı bir mamogramı analiz ediyorsa CoDoC, aracın algılanan güveninin bir teşhis için güvenilecek kadar güçlü olup olmadığına veya belirsizlik varsa bir insanı dahil edip etmeyeceğine karar verecektir.

Google Research ve teknoloji devinin 2014 yılında satın aldığı Birleşik Krallık yapay zeka laboratuvarı Google DeepMind’daki geliştiricileri tarafından sistemin teorik bir testinde CoDoC, mamogramların yanlış pozitif yorumlarının sayısını yüzde 25 azalttı.

CoDoC tahmine dayalı yapay zeka araçlarının tıbbi görüntülere yönelik analizlerini içeren veriler ve aracın her görüntüyü doğru bir şekilde analiz ettiğinden ne kadar emin olduğu konusunda eğitildi. Sonuçlar, bir insan klinisyenin aynı görüntüleri yorumlamasıyla ve tıbbi bir sorunun bulunup bulunmadığına dair biyopsi veya başka bir yöntemle yapılan analiz sonrası doğrulamayla karşılaştırıldı. Sistem, AI aracının görüntüleri analiz etmede ne kadar doğru olduğunu ve doktorlarla karşılaştırıldığında güven tahminlerinin ne kadar doğru olduğunu öğrenir.

Daha sonra, sonraki bir taramanın yapay zeka analizine güvenilip güvenilemeyeceğini veya bir insan tarafından kontrol edilmesi gerekip gerekmediğini yargılamak için bu eğitimi kullanır. “CoDoC’yi yapay zeka aracıyla ve gerçek bir radyoloğun çıktılarıyla birlikte kullanırsanız ve ardından CoDoC hangi görüşün kullanılacağına karar vermenize yardımcı olursa, elde edilen doğruluk kişinin veya yapay zeka aracının tek başına olmasından daha iyidir” diyor. Alan Karthikesalingam araştırma üzerinde çalışan Google Health UK’de.

Test, farklı mamografi veri kümeleri ve tüberküloz taraması için X-ışınları ile bir dizi tahmine dayalı AI sisteminde benzer sonuçlarla tekrarlandı. “CoDoC’nin avantajı, çeşitli tescilli yapay zeka sistemleriyle birlikte çalışabilmesidir” diyor. Krishnamurthy “Dj” Dvijotham Google DeepMind’da.

Bu sevindirici bir gelişme, ancak mamogramlar ve tüberküloz kontrolleri çoğu teşhis kararından daha az değişken içeriyor, diyor helen salisbury Oxford Üniversitesi’nde, bu nedenle AI kullanımını diğer uygulamalara genişletmek zor olacaktır.

“Kara kutudan çıkanları post-hoc olarak etkileme şansınızın olmadığı sistemler için makine öğrenimini eklemek iyi bir fikir gibi görünüyor” diyor. “Rutin işlerimiz için her gün tüm gün yanımızda olacak olan yapay zekayı daha da yakınlaştırıp yaklaştırmadığını bilmiyorum.”