2024. április 25., csütörtök - Márk

Üzleti hírszerzés és biztonság

Magyar fejlesztők programján ámul a világ: Már nem csak tanul, teremt is a magyar MI

2024-02-28 1471

Az egészségügyi területen az adatok hiánya és költségessége korlátozza az MI fejlődését, különösen a bőrbetegségek esetén. A magyar MI fejlesztő csapat, az AIP Labs azonban létrehozott egy olyan fejlett, generatív MI-t, amely nemcsak tanul a meglévő forrásokból, hanem új adatokat is képes létrehozni, megkerülve a drága és nehezen beszerezhető címkézett adatok problémáját. Így szintetikus képeket tudnak alkotni olyan ritka bőrbetegségekről is, amelyekről jelenleg kevés információ áll rendelkezésre.

Az egészségügyi területen való mesterséges intelligencia fejlesztés során gyakran találkozunk a jó minőségű, címkézett adatok beszerzésének problémájával. A nyílt adatbázisokban sok kép van, de ezek nem használhatók fel egy komoly egészségügyi MI fejlesztéséhez. Ahhoz például, hogy egy bőrbetegségről készült kép az algoritmus számára oktató anyag lehessen, három, egymástól független orvosnak kell megerősítenie, hogy a képen tényleg az adott betegség található. Ugyanez igaz például a radiológiára, és minden orvosi képalkotási eljárásra is. Rengeteg idő és költség ez egy többszázezres adathalmaz esetén. Ráadásul ha véletlenül rossz adaton tanítjuk be az algoritmust, rossz diagnózist kaphatunk is, amelyen emberéletek is múlhatnak

Az adathiány nem csak pénzügyileg megterhelő az ezzel foglalkozó vállalkozások és kutatók számára, hanem gátolja is a mesterséges intelligencia fejlődését. Ez a kihívás arra inspirálta az
AIP Labs magyar MI fejlesztőcsapatot, hogy új és kreatív megoldásokat találjanak. A fejlesztők rájöttek arra, hogy képesek olyan fejlett, úgynevezett generatív mesterséges intelligenciát gyártani, amely meglévő adatokból, újabb adatokat képes generálni. Tehát, már meglévő bőrbetegségek képéből, eltérő, de ugyanazon betegségekről szóló szintetikus képeket tud készíteni. Ezzel a megoldással, számtalan problémát ki lehet küszöbölni, így azt is, hogy egyes ritka betegségekről nagyon kevés képi anyag áll rendelkezésre. Az AIP Labs kutatói tanulmányt is közöltek eredményeikről, amiről a nemzetközi sajtó is beszámolt.

Valódi vagy szintetikus képek?

Felmérések szerint egyre több betegre egyre kevesebb orvos jut világszerte, a várólisták pedig egyre nőnek. Ezért kulcskérdéssé válik az egészségügy fenntarthatósága szempontjából, hogy az MI át tudja-e venni részben az orvosok munkáját, és segíteni őket a gyors diagnózis alkotásban.

A bőrbetegségek detektálásához és egyéb orvosi diagnózisalkotáshoz a gépi tanulásnak rengeteg adatra van szüksége, különösen címkézett képekre. Nem maga a fotó a kulcs, hanem a képekhez rendelt címkék, amelyek segítik a gépi tanulást. Bőrgyógyászat területén tehát nem is a bőrbetegségről szóló kép az érték, hanem az, hogy tudjuk, a képen biztosan mondjuk ekcéma látható. Na de mi van akkor, ha nincs elegendő címkézett adat, vagyis nincs annyi kép egy-egy ritka betegségről, amely elegendő ahhoz, hogy a diagnosztikai MI-t betanítsa?

Ekkor jön képbe a generatív mesterséges intelligencia, amit az AIP Labs fejlesztett. Az AIP generatív modellje valós képeken tanul, majd létrehoz olyan képeket, amelyek hasonlítanak a valódiakra. Az AIP által használt megoldás egy úgynevezett diffúziós modell, ami a valós adatokból származó információkat felhasználva hoz létre szintetikus képeket. A szintetikus képek gyakran segíthetnek más, a cég által fejlesztett képfelismerő egészségügyi mesterséges intelligenciák teljesítményének javításában, különösen, ha nincs elegendő mennyiségű címkézett adat. Ritka bőrbetegségek esetén, mint a majomhimlő, aminek felismerése kulcskérdés lett, így egy kis számú adatsorból gyorsan lehet nagy számú adatsort csinálni, amelyet az orvosi validáció után fel lehet használni a gépi tanuláshoz.

Az AIP Labs csapata abban is különleges, hogy nemcsak rájött egy forradalmi megoldásra, de ki is fejlesztette saját digitális dermatológiai rendszerét az AIP Derm-et, amelyet Magyarországon már több tízezer ember használ. A bőrgyógyászati diagnózishoz és recepthez elég egy képet feltölteni, amire órákon belül meg is jön az eredmény. Az ilyen generatív modellek pedig segítenek abban, hogy a digitális bőrklinika orvosai minél pontosabb diagnózisokat tudjanak adni.

I Forrás: Üzleti Hírszerzés

Hírfigyelő

Kiváncsi, mit írnak a versenytársakról? Elsőként olvasná a szakmájával kapcsolatos információkat? Kulcsemberekre, projektekre, konkurensekre figyelne? Segítünk!

Ez az e-mail-cím a szpemrobotok elleni védelem alatt áll. Megtekintéséhez engedélyeznie kell a JavaScript használatát.

 

 


 

Tipp

Időrendben

« Április 2024 »
H K Sze Cs P Szo V
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30          

Tartalom galéria

Totalcar Parkoló Parádé, 2024. április 28.

Totalcar Parkoló Parádé, 2024. április 28.

More details
Tájházak és Szabadtéri Múzeumok Napja, 2024. április 26-28.

Tájházak és Szabadtéri Múzeumok Napja, 2024. április 26-28.

More details
Városligeti Majális, 2024. május 1.

Városligeti Majális, 2024. május 1.

More details
Országos Diesel Találkozó, 2024. április 30. - május 1.

Országos Diesel Találkozó, 2024. április 30. - május 1.

More details
Komáromi erődfeszt, 2024. május 3-5.

Komáromi erődfeszt, 2024. május 3-5.

More details
Agility nap a Ligetben, 2024. április 28.

Agility nap a Ligetben, 2024. április 28.

More details
Az Év Boltja közönségszavazás

Az Év Boltja közönségszavazás

More details
Innováció a légi szállítmányozásban: egy új átvilágítási szolgáltatásnak köszönhetően könnyebb lehet a gyógyszerexport a légi szállítmányozásban

Innováció a légi szállítmányozásban: egy új átvilágítási szolgáltatásnak köszönhetően könnyebb lehet a gyógyszerexport a légi szállítmányozásban

More details
Hétvégi tippek, kulturális programajánló

Hétvégi tippek, kulturális programajánló

More details