«`html
Использование машинного обучения в радиологии: Анализ производительности ИИ и человека
Использование машинного обучения в радиологии
Используя широкий массив размеченных данных, алгоритмы обучения с учителем в машинном обучении превзошли экспертов-людей в различных задачах. Однако высказываются опасения относительно замещения рабочих мест, особенно в диагностике радиологии. Некоторые утверждают, что краткосрочное замещение рабочих мест маловероятно, поскольку многие работы включают в себя целый спектр задач, а не только прогнозирование. Человек может оставаться неотъемлемым в задачах прогнозирования, так как может учиться на меньшем количестве примеров. В радиологии человеческая экспертиза критически важна при распознавании редких заболеваний.
Результаты исследования
Исследователи из MIT и Медицинской школы Гарварда исследовали, уменьшают ли алгоритмы нулевого обучения преимущества диагностики человеческих радиологов при редких заболеваниях. Они сравнили производительность CheXzero, алгоритма нулевого обучения для рентгеновских снимков груди, с человеческими радиологами и CheXpert, традиционным алгоритмом обучения с учителем. CheXzero, обученный на наборе данных MIMIC-CXR, прогнозирует несколько патологий с использованием контрастного обучения, в то время как CheXpert, обученный на радиографах Стэнфорда, диагностирует двенадцать патологий с явными метками. Данные были собраны от 227 радиологов, оценивающих 324 случая из Стэнфорда, исключая случаи обучающих данных, чтобы оценить вариацию производительности при распространенности заболевания.
Выводы и рекомендации
Использование алгоритмов машинного обучения в радиологии позволяет повысить эффективность и улучшить диагностику. Для успешного внедрения ИИ в радиологию важно тщательно анализировать результаты и пошагово расширять автоматизацию. Следует также учитывать, что развертывание алгоритмов требует дополнительной работы, так как их выводы не прямо переводятся в действенные решения, что указывает на то, что они скорее дополняют, чем заменяют человека.
Подробнее об исследовании можно узнать в статье. Вся заслуга за это исследование принадлежит его исследователям.
Не забудьте следить за нами в Twitter, присоединиться к нашим каналам в Telegram, Discord и LinkedIn Group.
Если вам понравилась наша работа, вам понравится наша рассылка.
Присоединяйтесь к нашему сообществу на Reddit и следите за нашей платформой AI Events.
Хотите узнать, как мы можем помочь вашей компании развиваться с помощью ИИ? Пишите нам!
Пробуйте наш AI Sales Bot, который поможет вам в автоматизации ответов на вопросы клиентов и создании контента для отдела продаж: AI Sales Bot.
Узнайте, как решения от AI Lab itinai.ru могут изменить ваши бизнес-процессы!
«`
