ABOUT THE SPEAKER
Pratik Shah - Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine.

Why you should listen

Dr. Shah's research program at the MIT Media Lab develops scalable and low-cost diagnostics and therapeutics. His ongoing research areas at MIT include: 1) artificial intelligence and machine learning methods for detection of cancer biomarkers using standard photographs vs. expensive medical images; 2) unorthodox artificial intelligence and machine learning algorithms to design optimal and faster clinical trials and to reduce adverse effects on patients; and 3) low-cost and open source imaging devices, paper diagnostics, algorithms and mobile phones to improve public health and generate real-world data.

Clinical studies with Pratik's medical technologies have revealed "missing sick" patients, who otherwise remain undiagnosed in conventional healthcare settings. Dr. Shah's graduate and postdoctoral research contributed to the discovery of a vaccine component to prevent pneumococcal (Streptococcus pneumoniae) diseases; the identification of new pathways, technologies and metabolites as antimicrobials to target gastrointestinal infections; and a nonprofit to deploy a low-cost water quality test for the developing world.

Past recognition for Dr. Shah includes the American Society for Microbiology's Raymond W. Sarber national award, the Harvard Medical School and Massachusetts General Hospitals ECOR Fund for Medical Discovery postdoctoral fellowship, the AAAS-Lemelson Invention Ambassador Award and a TED Fellowship. Pratik has been an invited discussion leader at Gordon Research Seminars; a speaker at Cold Spring Harbor Laboratories, Gordon Research Conferences and IEEE bioengineering conferences; and a peer reviewer for leading scientific publications and funding agencies. Pratik has a BS, MS, and a PhD in Microbiology and completed fellowship training at The Broad Institute of MIT and Harvard, Massachusetts General Hospital and Harvard Medical School.

More profile about the speaker
Pratik Shah | Speaker | TED.com
TEDGlobal 2017

Pratik Shah: How AI is making it easier to diagnose disease

باتريك شاه: كيف يعمل الذكاء الاصطناعي على تسهيل تشخيص الأمراض

Filmed:
1,571,835 views

تتطلب خوارزميات الذكاء الاصطناعي اليوم عشرات الآلاف من الصور الطبية المكلفة من أجل للكشف عن الأمراض. ماذا لو تمكنا من الحد بشكل كبير من كمية البيانات اللازمة لتدريب الذكاء الاصطناعي، مما يجعل التشخيص منخفض التكلفة وأكثر فعالية؟ يعمل باتيرك شاه على نظام ذكي للقيام بذلك. باستخدام منهج الذكاء الاصطناعي غير التقليدي، حيث طور شاه تقنية تتطلب فقط 50 صورة لتطوير خوارزمية عملية - ويمكن حتى استخدام الصور التي التقطت على الهواتف المحمولة للأطباء من أجل توفير تشخيص. تعرف على المزيد حول كيفية عمل هذه الطريقة الجديدة لتحليل المعلومات الطبية والتي تسهل الكشف المبكر عن الأمراض التي تهدد الحياة، وتقدم التشخيص اللازم بمساعدة من تقنيات الذكاء الاصطناعي من أجل تحسين أنظمة الرعاية الصحية في جميع أنحاء العالم.
- Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine. Full bio

Double-click the English transcript below to play the video.

00:13
Computerالحاسوب algorithmsخوارزميات todayاليوم
are performingأداء incredibleلا يصدق tasksمهام
0
1280
3856
تقوم خوارزميات الحاسوب اليوم بمهام هائلة
00:17
with highمتوسط accuraciesدقة, at a massiveكبير scaleمقياس,
usingاستخدام human-likeالإنسان مثل intelligenceالمخابرات.
1
5160
4736
بدقة عالية، على نطاق واسع،
وباستخدام ذكاء يشبه ذكاء الإنسان
00:21
And this intelligenceالمخابرات of computersأجهزة الكمبيوتر
is oftenغالبا referredيشار to as AIAI
2
9920
3936
وغالباً ما يعرف ذكاء الحواسيب بال"أيه آي"
00:25
or artificialمصطنع intelligenceالمخابرات.
3
13880
1856
أو الذكاء الاصطناعي
00:27
AIAI is poisedتستعد to make an incredibleلا يصدق impactتأثير
on our livesالأرواح in the futureمستقبل.
4
15760
4200
والذي سيكون له تأثير كبير على حياتنا
في المستقبل
00:32
Todayاليوم, howeverومع ذلك,
we still faceوجه massiveكبير challengesالتحديات
5
20880
3936
لكننا ما زلنا نواجه اليوم تحديات كثيرة
00:36
in detectingكشف and diagnosingتشخيص
severalالعديد من life-threateningتهدد الحياة illnessesالأمراض,
6
24840
3496
في كشف وتشخيص العديد من الأمراض
التي تهدد الحياة
00:40
suchهذه as infectiousمعد diseasesالأمراض and cancerسرطان.
7
28360
2360
مثل الأمراض المُعدية والسرطان
00:44
Thousandsالآلاف of patientsالمرضى everyكل yearعام
8
32000
2296
الآلاف من المرضى في كل عام
00:46
loseتخسر theirهم livesالأرواح
dueبسبب to liverكبد and oralعن طريق الفم cancerسرطان.
9
34320
2800
يخسرون حياتهم بسبب سرطان الكبد والفم
00:49
Our bestالأفضل way to help these patientsالمرضى
10
37880
2696
أفضل طريقة لمساعدة هؤلاء المرضى
00:52
is to performنفذ earlyمبكرا detectionكشف
and diagnosesالتشخيص of these diseasesالأمراض.
11
40600
4320
هي إجراء الكشف المبكر
وتشخيص هذه الأمراض.
00:57
So how do we detectالكشف these diseasesالأمراض todayاليوم,
and can artificialمصطنع intelligenceالمخابرات help?
12
45880
4160
إذن كيف نكتشف هذه الأمراض اليوم،
وهل يمكن للذكاء الاصطناعي أن يساعد؟
01:03
In patientsالمرضى who, unfortunatelyلسوء الحظ,
are suspectedيشتبه of these diseasesالأمراض,
13
51920
3656
للأسف، فالمرضى الذين يشتبه
بإصابتهم بهذه الأمراض،
01:07
an expertخبير physicianالطبيب المعالج first ordersأوامر
14
55600
2656
يطلب منهم الطبيب أولاً إجراء
01:10
very expensiveمكلفة
medicalطبي imagingالتصوير technologiesالتقنيات
15
58280
2616
صور شعاعية متطورة ومكلفة جداً
01:12
suchهذه as fluorescentفلوري imagingالتصوير,
CTsCTs, MRIsالرنين المغناطيسي, to be performedتنفيذ.
16
60920
4096
مثل التصوير الفلوري والأشعة المقطعية
والرنين المغناطيسي
01:17
Onceذات مرة those imagesصور are collectedجمع,
17
65040
2296
وبمجرد جمع هذه الصور
01:19
anotherآخر expertخبير physicianالطبيب المعالج then diagnosesالتشخيص
those imagesصور and talksمحادثات to the patientصبور.
18
67360
4520
يقوم طبيب آخر بتشخيص تلك الصور
والتحدث إلى المريض.
01:24
As you can see, this is
a very resource-intensiveكثيفة الاستخدام للموارد processمعالج,
19
72520
3456
كما ترون، تتطلب هذه العملية
الكثير من الموارد
01:28
requiringتتطلب bothكلا expertخبير physiciansالأطباء,
expensiveمكلفة medicalطبي imagingالتصوير technologiesالتقنيات,
20
76000
4416
كما تتطلب أطباء ذوي خبرة،
وتقنيات تصوير طبي مكلفة،
01:32
and is not consideredاعتبر practicalعملي
for the developingتطوير worldالعالمية.
21
80440
3096
وهذا الحل ليس عملياً
للعالم النامي
01:35
And in factحقيقة, in manyكثير
industrializedالصناعية nationsالدول, as well.
22
83560
3360
وفي الحقيقة، للكثير من الدول
الصناعية كذلك.
01:39
So, can we solveحل this problemمشكلة
usingاستخدام artificialمصطنع intelligenceالمخابرات?
23
87760
2880
إذاً هل نستطيع حل هذه المشكلة،
باستخدام الذكاء الاصطناعي؟
01:43
Todayاليوم, if I were to use traditionalتقليدي
artificialمصطنع intelligenceالمخابرات architecturesأبنية
24
91840
4056
اليوم، إذا ما أردنا استخدام
نقنيات الذكاء الاصطناعي التقليدي
01:47
to solveحل this problemمشكلة,
25
95920
1216
لحل هذه المشكلة
01:49
I would requireتطلب 10,000 --
26
97160
1456
فإننا بحاجة إلى عشرة آلاف...
01:50
I repeatكرر, on an orderطلب of 10,000
of these very expensiveمكلفة medicalطبي imagesصور
27
98640
4016
أكرر، بحدود 10 آلاف صورة
من هذه الصور الطبية المكلفة
01:54
first to be generatedولدت.
28
102680
1376
يجب أن تكون جاهزة أولاً
01:56
After that, I would then go
to an expertخبير physicianالطبيب المعالج,
29
104080
2896
بعد ذلك، نحن بحاجة لأطباء ذوي خبرة
01:59
who would then analyzeتحليل
those imagesصور for me.
30
107000
2496
لتحليل هذه الصور لنا.
02:01
And usingاستخدام those two piecesقطع of informationمعلومات,
31
109520
2096
وباستخدامنا لهذه المعلومات،
02:03
I can trainقطار a standardاساسي deepعميق neuralعصبي networkشبكة الاتصال
or a deepعميق learningتعلم networkشبكة الاتصال
32
111640
3656
يمكننا تدريب شبكة عصبونية عميقة نموذجية
أو شبكة تعلم عميق
02:07
to provideتزود patient'sالمرضى diagnosisالتشخيص.
33
115320
2136
لتوفير التشخيص للمريض
02:09
Similarمماثل to the first approachمقاربة,
34
117480
1736
على غرار النهج الأول،
02:11
traditionalتقليدي artificialمصطنع
intelligenceالمخابرات approachesاقتراب
35
119240
2143
فإن أساليب الذكاء الاصطناعي التقليدي
02:13
sufferعانى from the sameنفسه problemمشكلة.
36
121407
1449
تعاني من نفس المشكلة.
02:14
Largeكبير amountsكميات of dataالبيانات, expertخبير physiciansالأطباء
and expertخبير medicalطبي imagingالتصوير technologiesالتقنيات.
37
122880
4560
كميات كبيرة من البيانات والأطباء الخبراء
وتقنيات تصوير طبي متطورة.
02:20
So, can we inventاخترع more scalableالقابلة للتطوير, effectiveفعال
38
128320
4296
هل يمكننا إذًا إيجاد أساليب
أكثر فعالية وقابلة للتوسع
02:24
and more valuableذو قيمة artificialمصطنع
intelligenceالمخابرات architecturesأبنية
39
132640
3296
إضافة إلى طرق ذكاء اصطناعي قيمة
02:27
to solveحل these very importantمهم
problemsمشاكل facingمواجهة us todayاليوم?
40
135960
3056
لحل هذه المشاكل التي تواجهنا اليوم؟
02:31
And this is exactlyبالضبط
what my groupمجموعة at MITMIT Mediaوسائل الإعلام Labمختبر does.
41
139040
3296
هذا تماماً هو ما تعمل عليه مجموعتنا
في مختبر "إم آي تي ميديا لاب".
02:34
We have inventedاخترع a varietyتشكيلة
of unorthodoxغير تقليدي AIAI architecturesأبنية
42
142360
3856
اختراع مجموعة متنوعة
من أساليب الذكاء الاصطناعي غير التقليدية
02:38
to solveحل some of the mostعظم importantمهم
challengesالتحديات facingمواجهة us todayاليوم
43
146240
3176
لحل الكثير من التحديات التي تواجهنا اليوم
02:41
in medicalطبي imagingالتصوير and clinicalمرضي trialsمحاكمات.
44
149440
2200
في مجال التصوير الطبي والتجارب السريرية
02:44
In the exampleمثال I sharedمشترك
with you todayاليوم, we had two goalsأهداف.
45
152480
3056
في المثال الذي عرضته اليوم،
كان لدينا هدفان
02:47
Our first goalهدف was to reduceخفض
the numberرقم of imagesصور
46
155560
2976
الهدف الأول كان تقليص
عدد الصور الطبية المطلوبة
02:50
requiredمطلوب to trainقطار
artificialمصطنع intelligenceالمخابرات algorithmsخوارزميات.
47
158560
3256
لتدريب خوارزميات الذكاء الاصطناعي.
02:53
Our secondثانيا goalهدف -- we were more ambitiousطموح,
48
161840
2096
أما الهدف الثاني، فهو أكثر طموحاً،
02:55
we wanted to reduceخفض the use
of expensiveمكلفة medicalطبي imagingالتصوير technologiesالتقنيات
49
163960
3736
كنا نريد التقليل من استخدام
تقنيات التصوير الطبي عالية الكلفة
02:59
to screenشاشة patientsالمرضى.
50
167720
1216
لفحص المرضى
03:00
So how did we do it?
51
168960
1200
إذاً كيف فعلنا ذلك؟
03:02
For our first goalهدف,
52
170920
1216
بالنسبة لهدفنا الأول،
03:04
insteadفي حين أن of startingابتداء
with tensعشرات and thousandsالآلاف
53
172160
2056
بدلاً من البدء بالعشرات والآلاف
03:06
of these very expensiveمكلفة medicalطبي imagesصور,
like traditionalتقليدي AIAI,
54
174240
3016
من هذه الصور الطبية المكلفة،
واستعمال الذكاء الاصطناعي التقليدي
03:09
we startedبدأت with a singleغير مرتبطة medicalطبي imageصورة.
55
177280
2056
بدأنا بصورة طبية واحدة
03:11
From this imageصورة, my teamالفريق and I
figuredأحسب out a very cleverذكي way
56
179360
3776
ومن خلال هذه الصورة،
استطعت أنا وفريقي أن نجد أسلوبًا ذكيًّا
03:15
to extractاستخراج billionsالمليارات
of informationمعلومات packetsالحزم.
57
183160
2736
لاستخراج المليارات من حزم المعلومات.
03:17
These informationمعلومات packetsالحزم
includedشمل colorsالألوان, pixelsبكسل, geometryعلم الهندسة
58
185920
3696
تتضمن حزم المعلومات هذه:
الألوان والبكسلات والأبعاد
03:21
and renderingاستدعاء of the diseaseمرض
on the medicalطبي imageصورة.
59
189640
2536
وتوصيفات المرض على الصورة الطبية.
03:24
In a senseإحساس, we convertedتم تحويله one imageصورة
into billionsالمليارات of trainingتدريب dataالبيانات pointsنقاط,
60
192200
4336
بمعنى آخر، قمنا بتحويل صورة واحدة
إلى مليارات النقاط من بيانات التدريب،
03:28
massivelyنطاق واسع reducingتقليص the amountكمية of dataالبيانات
neededبحاجة for trainingتدريب.
61
196560
3536
مما قلل بشكل كبير من كمية البيانات
اللازمة للتدريب
03:32
For our secondثانيا goalهدف,
62
200120
1216
بالنسبة للهدف الثاني،
03:33
to reduceخفض the use of expensiveمكلفة medicalطبي
imagingالتصوير technologiesالتقنيات to screenشاشة patientsالمرضى,
63
201360
3856
أي الحد من استخدام الصور الطبية المكلفة
لفحص المرضى،
03:37
we startedبدأت with a standardاساسي,
whiteأبيض lightضوء photographتصوير,
64
205240
2856
بدأنا بصورة الضوء الأبيض القياسية،
03:40
acquiredمكتسب eitherإما from a DSLRDSLR cameraالة تصوير
or a mobileالتليفون المحمول phoneهاتف, for the patientصبور.
65
208120
4336
الملتقطة للمريض إما من آلة تصوير رقمية
ذات عدسة أحادية عاكسة أو من هاتف محمول.
03:44
Then rememberتذكر those
billionsالمليارات of informationمعلومات packetsالحزم?
66
212480
2456
المليارات من حزم المعلومات
الذي ذكرناها قبل قليل؟
03:46
We overlaidمضافين those from
the medicalطبي imageصورة ontoعلى this imageصورة,
67
214960
3536
قمنا بتركيبها على هذه الصورة،
03:50
creatingخلق something
that we call a compositeمركب imageصورة.
68
218520
2520
وأنشأنا ما نسميه صورة مركبة.
03:53
Much to our surpriseمفاجأة,
we only requiredمطلوب 50 --
69
221480
3296
وما أدهشنا هو أننا احتجنا فقط إلى 50 صورة
03:56
I repeatكرر, only 50 --
70
224800
1336
أكرر، فقط خمسون صورة
03:58
of these compositeمركب imagesصور to trainقطار
our algorithmsخوارزميات to highمتوسط efficienciesالكفاءات.
71
226160
3840
من هذه الصور المركبة،
من أجل تدريب خوارزمياتنا لفعالية عالية
04:02
To summarizeلخص our approachمقاربة,
72
230680
1336
لتلخيص طريقتنا،
04:04
insteadفي حين أن of usingاستخدام 10,000
very expensiveمكلفة medicalطبي imagesصور,
73
232040
3176
بدلاً من استخدام عشرة آلاف صورة
طبية عالية التكلفة
04:07
we can now trainقطار the AIAI algorithmsخوارزميات
in an unorthodoxغير تقليدي way,
74
235240
3016
يمكننا الآن تدريب خوارزميات الذكاء
الاصطناعي بطريقة غير تقليدية
04:10
usingاستخدام only 50 of these high-resolutionعالية الدقة,
but standardاساسي photographsالصور,
75
238280
4256
باستخدام فقط 50 صورة
قياسية عالية الجودة،
ملتقطة بآلات تصوير رقمية
ذات عدسة أحادية عاكسة وهواتف محمولة.
04:14
acquiredمكتسب from DSLRDSLR camerasكاميرات
and mobileالتليفون المحمول phonesالهواتف,
76
242560
2496
04:17
and provideتزود diagnosisالتشخيص.
77
245080
1536
لتوفير التشخيص.
04:18
More importantlyالأهم,
78
246640
1216
والأهم من هذا،
04:19
our algorithmsخوارزميات can acceptقبول,
in the futureمستقبل and even right now,
79
247880
3136
فخوارزمياتنا يمكنها أن تقبل،
في المستقبل وحتى في الوقت الحالي
04:23
some very simpleبسيط, whiteأبيض lightضوء
photographsالصور from the patientصبور,
80
251040
2816
بعض الصور البسيطة جداً للمريض
بتقنية الضوء الأبيض،
04:25
insteadفي حين أن of expensiveمكلفة
medicalطبي imagingالتصوير technologiesالتقنيات.
81
253880
2440
عوضاً عن تقنيات التصوير الطبي المكلفة.
04:29
I believe that we are poisedتستعد
to enterأدخل an eraعصر
82
257120
3096
أعتقد أننا مستعدون لدخول عصر
04:32
where artificialمصطنع intelligenceالمخابرات
83
260240
1936
حيث يمكن للذكاء الاصطناعي
04:34
is going to make an incredibleلا يصدق
impactتأثير on our futureمستقبل.
84
262200
2536
أن يؤثر فيه بشكل هائل على مستقبلنا
04:36
And I think that thinkingتفكير
about traditionalتقليدي AIAI,
85
264760
2456
وأعتقد أن التفكير
في الذكاء الاصطناعي التقليدي
04:39
whichالتي is data-richالبيانات الغنية but application-poorالتطبيق-الفقراء,
86
267240
2776
الذي يعتبر غنيًّا بالبيانات
وفقيرًا في التطبيق
04:42
we should alsoأيضا continueاستمر thinkingتفكير
87
270040
1536
يجب علينا أيضاً متابعة التفكير،
04:43
about unorthodoxغير تقليدي artificialمصطنع
intelligenceالمخابرات architecturesأبنية,
88
271600
3016
في طرق غير تقليدية لتطوير الذكاء الاصطناعي
04:46
whichالتي can acceptقبول smallصغير amountsكميات of dataالبيانات
89
274640
1936
التي تتطلب فقط كمية محدودة من البيانات
04:48
and solveحل some of the mostعظم importantمهم
problemsمشاكل facingمواجهة us todayاليوم,
90
276600
2936
لحل بعض المشاكل الكبيرة
التي تواجهنا اليوم
04:51
especiallyخصوصا in healthالصحة careرعاية.
91
279560
1256
خاصة في الرعاية الصحية.
04:52
Thank you very much.
92
280840
1216
شكراً جزيلاً لكم.
04:54
(Applauseتصفيق)
93
282080
3840
(تصفيق)
Translated by Nazem Chamaa
Reviewed by tasnim hemmade

▲Back to top

ABOUT THE SPEAKER
Pratik Shah - Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine.

Why you should listen

Dr. Shah's research program at the MIT Media Lab develops scalable and low-cost diagnostics and therapeutics. His ongoing research areas at MIT include: 1) artificial intelligence and machine learning methods for detection of cancer biomarkers using standard photographs vs. expensive medical images; 2) unorthodox artificial intelligence and machine learning algorithms to design optimal and faster clinical trials and to reduce adverse effects on patients; and 3) low-cost and open source imaging devices, paper diagnostics, algorithms and mobile phones to improve public health and generate real-world data.

Clinical studies with Pratik's medical technologies have revealed "missing sick" patients, who otherwise remain undiagnosed in conventional healthcare settings. Dr. Shah's graduate and postdoctoral research contributed to the discovery of a vaccine component to prevent pneumococcal (Streptococcus pneumoniae) diseases; the identification of new pathways, technologies and metabolites as antimicrobials to target gastrointestinal infections; and a nonprofit to deploy a low-cost water quality test for the developing world.

Past recognition for Dr. Shah includes the American Society for Microbiology's Raymond W. Sarber national award, the Harvard Medical School and Massachusetts General Hospitals ECOR Fund for Medical Discovery postdoctoral fellowship, the AAAS-Lemelson Invention Ambassador Award and a TED Fellowship. Pratik has been an invited discussion leader at Gordon Research Seminars; a speaker at Cold Spring Harbor Laboratories, Gordon Research Conferences and IEEE bioengineering conferences; and a peer reviewer for leading scientific publications and funding agencies. Pratik has a BS, MS, and a PhD in Microbiology and completed fellowship training at The Broad Institute of MIT and Harvard, Massachusetts General Hospital and Harvard Medical School.

More profile about the speaker
Pratik Shah | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee