🧑 💻 Vi skriver artiklar om prylar, datorer, bilar, spel och hobbyer. Användbara recensioner om de mest intressanta

Deep-Learning AI hjälper Google att bedöma hälsoproblem direkt i sökningen

2

Google

Vid sitt senaste I/O-evenemang meddelade Google att det har ett nytt AI-verktyg för djupinlärning som kan hjälpa till att upptäcka, identifiera och bedöma hälsoproblem, som hudåkommor eller tuberkulos (TB), mer effektivt. Och du kan använda den på din smartphone.

Verktygen använder enhetens kamera tillsammans med Googles AI-teknik. Tekniken är utformad för att hjälpa användare att bli mer utbildade om sin hälsa och att hålla sig mer informerade och ta utbildade och vägledda steg mot ett botemedel.

Dermatologihjälpverktyget

Googles AI-drivna dermatologiska hjälpverktyg gör det lättare för dig att bättre förstå vanliga problem med din hud, naglar och hår. Den använder många av samma tekniker som används för att upptäcka diabetisk ögonsjukdom eller lungcancer i CT-skanningar. Och Google använder det för att hjälpa dig att få svar om till exempel utslag eller konstiga fläckar på din hud.

Google tillhandahåller svar för mer än 10 miljoner hud-, nagel- och hårrelaterade problem varje år, vilket bevisar att de flesta börjar leta efter svar online innan de går till en läkare. Detta verktyg har alltså formen av en webbaserad applikation som kommer att lanseras senare i år.

När den väl har lanserats använder du enhetens kamera för att ta tre bilder av området i fråga från tre olika vinklar. Därifrån kommer du att svara på en kort rad frågor om din hudtyp och hur länge du har haft problemet eller symtomen. Googles AI-modell kommer att analysera den informationen och köra den mot sin databas med 288 villkor, vilket gör att den kan dra upp en lista över möjliga matchande villkor. 

För varje matchande tillstånd som Google returnerar kommer verktyget att visa dig information som granskats av hudläkare tillsammans med vanliga frågor och liknande matchande bilder. Därifrån kan du fortsätta din forskning eller ta beslutet att besöka en läkare på egen hand. Verktyget är inte avsett att ersätta din läkare, en personlig undersökning eller testning; snarare säger Google "vi hoppas att det ger dig tillgång till auktoritativ information så att du kan fatta ett mer välgrundat beslut om ditt nästa steg."

Använda verktyget för att förbättra tuberkulosscreeningar

Deep-Learning AI hjälper Google att bedöma hälsoproblem direkt i sökningen

Google

Utöver sitt dermatologiska hjälpverktyg, delade Google också forskning om hur det använder sitt AI-baserade screeningverktyg för att hjälpa "identifiera potentiella tuberkulospatienter för uppföljningstest." Google bidrar också till Världshälsoorganisationens " The End TB Strategy " för att minska antalet fall av sjukdomen.

För närvarande drabbar tuberkulos ungefär 10 miljoner människor varje år och infekterar oproportionerligt många i låg- till medelinkomstländer. Tidig upptäckt är nyckeln, men det är fortfarande ganska svårt eftersom dess symtom är ungefär desamma som de från andra vanliga luftvägssjukdomar. Och medan kostnadseffektiv screening (som lungröntgen) hjälper, finns det inte alltid experter i närheten för att tolka resultaten. Googles AI-verktyg kan hjälpa till att ändra det och spara tid och pengar på vägen.

Företagets djupinlärningssystem kan framgångsrikt och korrekt identifiera patienter som med största sannolikhet har aktiv lungtuberkulos från en röntgen. Screeningverktyget kommer att implementeras i processen som ett steg innan ett dyrare diagnostiskt test beställs. Detta kan potentiellt spara patienterna 80 % av kostnaden per positivt TV-fall.

Verktyget har en falsk-negativ och falsk-positiv frekvens som liknar 14 radiologer, även hos patienter med HIV (vilket gör det svårare att upptäcka). Google testade också verktyget på avidentifierade data från patienter i fem länder, för att hjälpa det att fungera mer exakt för en bredare variation av raser och etniciteter.

För att tillämpa dessa fynd i den verkliga världen kalibrerade Google tröskelvärdena för AI-systemet, som ger ett tal mellan 0 och 1 som en TB-riskindikator. Forskningen "föreslår att vilken klinik som helst kan börja från denna standardtröskel och vara säker på att modellen kommer att fungera på samma sätt som radiologer, vilket gör det lättare att implementera denna teknik. Därifrån kan kliniker justera tröskeln utifrån lokala behov och resurser."

Med globala ansträngningar på gång hoppas Världshälsoorganisationen att detta – tillsammans med tidigare undersökningar – hjälper till att minska antalet framtida fall under det kommande decenniet.

Källa: Google

Inspelningskälla: www.reviewgeek.com

Denna webbplats använder cookies för att förbättra din upplevelse. Vi antar att du är ok med detta, men du kan välja bort det om du vill. Jag accepterar Fler detaljer