На прошлой неделе я посетил Конференцию по технологиям графических процессоров Nvidia (GTC), где узнал больше о разрушительной силе искусственного интеллекта в обществе.

Хотя легко отвлечься на множество выставок, посвященных широкому применению искусственного интеллекта, я сосредоточился на пересечении искусственного интеллекта и здравоохранения, области, которую я ранее обсуждал на серии встреч Королевского медицинского общества (2015, 2016, 2017).

Одна вещь, которую я не оценил до участия в мероприятии, заключалась в том, что Nvidia занимается инновациями в области здравоохранения более 10 лет, включая партнерские отношения с Siemens и GE. Теперь, познакомившись с GTC, я теперь могу лучше понять, почему здравоохранение является ключевой вертикалью для Nvidia, учитывая, что FDA одобрило более 11 показаний в 2018 году, связанных с искусственным интеллектом.

Размышляя о своем опыте с GTC, я сделал несколько ключевых выводов:

  1. Вспомогательный интеллект: публикуется все больше рецензируемых статей, в которых описывается, как искусственный интеллект сравнивается с клиницистами для диагностики заболеваний. Хотя в GTC упоминались многие из этих исследований, чаще можно было услышать, как искусственные технологии могут использоваться для помощи в процессе принятия клинических решений, а не для их замены — это обсуждалось в отношении диабетической ретинопатии.
  2. Больше из меньшего: в рамках GTC keynote Дженсен Хуанг рассказал, как с помощью новейшей технологии рендеринга в реальном времени можно развенчать теории заговора относительно посадки в космос. Это было увлекательно, и похоже, что аналогичные подходы применяются в медицинской визуализации, как указано в обновлении проекта CLARA. Это включало возможность минимизировать побочные реакции на контрастные вещества за счет улучшения изображений, которые создаются с использованием гораздо более низкой концентрации контрастного вещества, и ограничения радиационного воздействия за счет более короткого времени захвата.
  3. Секвенирование ДНК: существует потенциал для улучшения конвейера секвенирования ДНК с помощью глубокого обучения, но мы еще этого не сделали. Например, компания Oxford Nanopore провела впечатляющую демонстрацию, которая объяснила, как технология графического процессора может применяться для точного считывания оснований A, T, C и G, выводимых из электрического сигнала, который генерируется при прохождении нити ДНК через нанопору. процесс, который позволяет секвенатору ДНК считывать последовательность ДНК. Это замечательное использование технологии глубокого обучения привело к значительному улучшению их технологии. Помимо этого конкретного приложения, Oxford Nanopore также изложила свое видение создания устройства, которое потребители могут себе позволить, чтобы каждый мог секвенировать что-либо в окружающем их мире. Это видение выходит далеко за рамки захватывающих возможностей, которые надежное секвенирование с длинным считыванием предоставляет исследователям, изучающим геном человека, таких как способность обнаруживать крупные структурные перестройки и захватывать области гомологии и часто повторяющиеся области, которые были сложными при использовании установленного короткого считывания. методы.
    Однако после посещения одного из практических занятий в Институте глубокого обучения по классификации вариантов геномных вариантов стало очевидно, что помимо базового вызова существует множество возможностей в процессе секвенирования, где может быть использовано глубокое обучение. применяется для улучшения текущей производительности.
  4. Организационная выгода: помимо этих клинических приложений, GTC предоставила мне возможность оценить, что такое искусственный интеллект, а что нет. Понимание масштабов этой (и любой другой) технологии имеет решающее значение. Несколько докладчиков из крупных организаций обсудили проблемы, с которыми сталкиваются специалисты по данным при попытке развернуть искусственный интеллект внутри организации, и часто это было связано с неадекватными ожиданиями в отношении технологии и роли специалиста по данным в процессе.