의학 진단에서 인간 전문가와 동등한 AI, 연구 결과

의학 진단에서 인간 전문가와 동등한 AI, 연구 결과

연구에 따르면 AI가 딥 러닝 알고리즘을 사용하여 의료 이미지를 해석 할 수 있음

검토 결과, 인공 지능은 이미지를 기반으로 의료 진단을 할 때 인간 전문가와 동등한 수준입니다.

의료 분야의 인공 지능의 잠재력은 흥분을 불러 일으켰으며 옹호자들은 자원의 부담 을 덜고 의사와 환자의 상호 작용을위한 시간을 확보 하며 맞춤형 치료의 개발을 지원할 것이라고 말했습니다 . 지난 달 정부는 새로운 NHS 인공 지능 연구소에 2 억 5 천만 파운드 의 기금을 발표했다 .

그러나 전문가들은 최신 연구 결과가 소수의 연구에 기반을두고 있다고 경고했다.

하나의 획기적인 응용 분야는 의료 이미지 해석에 AI를 사용하는 것입니다. 심층 학습에 의존하는 분야, 일련의 분류 된 이미지가 알고리즘을 통해 알고리즘을 제공하여 유사한 기능을 분류하고 유사한 분류 방법을 배우는 딥 러닝에 의존하는 분야 이미지. 이 접근법은 암에서 눈 상태 까지의 질병 진단에 대한 가능성을 보여주었습니다 .

그러나 그러한 딥 러닝 시스템이 인간의 기술까지 어떻게 측정되는지에 대한 의문이 남아 있습니다. 연구자들은이 문제에 관한 출판 된 연구에 대한 최초의 포괄적 인 검토를 수행했으며 인간과 기계가 동등한 수준이라는 것을 발견했다고 밝혔다.

University Hospitals Birmingham NHS 재단의 신뢰 와이 연구의 공동 저자 인 Alastair Denniston 교수 는 그 결과가 고무적이지만 AI에 대한 과대 광고에 대한 현실 점검이라고 밝혔다.

이 연구의 수석 저자이자 동일한 NHS 신뢰의 Xiaoxuan Liu 박사는 동의했다. 그녀는“AI가 인간보다 성능이 뛰어나다는 헤드 라인이 많이 있지만 우리의 메시지는 그것이 동등 할 수 있다는 것입니다.

Lancet Digital Health 에서 글을 쓴 Denniston, Liu와 동료들은 그들이 2012 년 이후 출판 된 연구 논문에 집중 한 방식을보고했습니다 – 심층 학습의 중추적 인 해입니다.

초기 검색으로 20,000 개 이상의 관련 연구가 나타났습니다. 그러나 모두 인간 질병에 기초한 14 건의 연구 만이 양질의 데이터를보고하고 딥 러닝 시스템을 별도의 데이터 세트에서이를 훈련하는 데 사용 된 이미지로 테스트했으며 동일한 이미지를 인간 전문가에게 보여주었습니다.

이 팀은 14 개의 각 연구에서 가장 유망한 결과를 모아 딥 러닝 시스템이 의료 전문가의 86 %와 비교하여 87 %의 질병 상태를 정확하게 감지했으며, 시간은 인간 전문가의 91 %와 비교됩니다.

그러나 이러한 시나리오의 의료 전문가에게는 실제 상황에서 진단을 조정할 수있는 추가 환자 정보가 제공되지 않았습니다.

케임브리지 대학 (University of Cambridge)의 위험 및 증거 커뮤니케이션을위한 Winton 센터의 회장 인 David Spiegelhalter 교수는이 분야는 열악한 연구로 가득 차 있다고 말했다.

"이 우수한 검토는 의학에서 AI에 대한 엄청난 과대 광고가 거의 모든 평가 연구의 애매한 품질을 모호하게한다는 것을 보여줍니다." "딥 러닝은 강력하고 인상적인 기술이 될 수 있지만 임상의와 커미셔너는 결정적인 질문을해야합니다. 실제로 임상 실습에 무엇이 추가됩니까?"

그러나 Denniston은 이러한 딥 러닝 시스템이 진단 도구로 작용하여 스캔 및 이미지의 백 로그를 처리하는 데 도움이 될 수 있다고 헬스 케어에서 AI의 잠재력에 대해 낙관적이었습니다. 게다가 Liu는 이미지를 해석 할 전문가가없는 곳에서 유용 할 수 있다고 Liu는 말했다.

Liu는 임상 실험에서 딥 러닝 시스템을 사용하여 현재의 관행에 비해 환자 결과가 개선되는지 여부를 평가하는 것이 중요 할 것이라고 말했다.

이 연구에 참여하지 않은 케임브리지의 Addenbrooke 병원의 종양학자인 Raj Jena 박사는 미래에 딥 러닝 시스템이 중요하지만 강력한 실제 테스트가 필요하다고 강조했습니다. 또한 그러한 시스템이 때때로 잘못된 평가를하는 이유를 이해하는 것이 중요하다고 말했다.

"딥 러닝 알고리즘이라면 실패 할 때 예측할 수없는 멋진 방법으로 실패 할 수 있습니다."라고 그는 말했습니다.