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

Пратик Шах: Как изкуственият интелект ще направи диагностицирането на болести по-лесно?

Filmed:
1,571,835 views

Днес, алгоритмите за изкуствен интелект (AI) се нуждаят от хиляди скъпи медицински образи, за да диагностицират пациент. Какво би се случило, ако можехме значително да намалим количеството данни, необходими, за да бъде обучен изкуственият интелект, с което бихме направили диагнозите по-евтини и ефикасни? Пратик Шах работи върху умна система, която може да прави точно това. Използвайки нестандартен AI подход, Шах е развил технология, която изисква само 50 изображения, за да развие работещ алгоритъм и може да използва дори снимки, направени с телефона на лекар, за да предостави диагноза. Научете повече за това как този нов начин за анализ на медицинска информация може да доведе до ранно откриване на живото-застрашаващи болести и да разпространи диагностицирането, подпомогнато от изкуствен интелект до повече здравни места по света.
- 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
ComputerКомпютър algorithmsалгоритми todayднес
are performingизвършване incredibleневероятен tasksзадачи
0
1280
3856
Компютърните алгоритми днес
изпълняват невероятни задачи
00:17
with highВисоко accuraciesточност, at a massiveмасов scaleмащаб,
usingизползвайки human-likeчовешки-подобна intelligenceинтелигентност.
1
5160
4736
с висока точност и в огромен мащаб,
използвайки интелект, подобен на човешкия.
00:21
And this intelligenceинтелигентност of computersкомпютри
is oftenчесто referredпосочена to as AIAI
2
9920
3936
Този компютърен интелект
често бива наричан AI
00:25
or artificialизкуствен intelligenceинтелигентност.
3
13880
1856
или изкуствен интелект.
00:27
AIAI is poisedготова to make an incredibleневероятен impactвъздействие
on our livesживота in the futureбъдеще.
4
15760
4200
Изкуственият интелект е на път да окаже невероятно въздействие върху нашия живот в бъдещето.
00:32
TodayДнес, howeverвъпреки това,
we still faceлице massiveмасов challengesпредизвикателства
5
20880
3936
Днес, обаче, все още сме изправени
пред огромни предизвикателства
00:36
in detectingоткриване and diagnosingДиагностициране на
severalняколко life-threateningживотозастрашаващи illnessesзаболявания,
6
24840
3496
при откриването и диагностицирането
на няколко живото-застрашаващи заболявания,
00:40
suchтакъв as infectiousинфекциозни diseasesзаболявания and cancerрак.
7
28360
2360
като например
инфекциозните заболявания и рака.
00:44
ThousandsХиляди of patientsпациенти everyвсеки yearгодина
8
32000
2296
Хиляди пациенти всяка година
00:46
loseгубя theirтехен livesживота
dueв следствие to liverчерен дроб and oralорално cancerрак.
9
34320
2800
губят живота си поради
рак на черния дроб и на устната кухина.
00:49
Our bestнай-доброто way to help these patientsпациенти
10
37880
2696
Най-добрият начин
да помогнем на тези пациенти
00:52
is to performизпълнява earlyрано detectionоткриване
and diagnosesдиагнози of these diseasesзаболявания.
11
40600
4320
е ранното откриване
и диагностициране на тези заболявания.
00:57
So how do we detectоткриване these diseasesзаболявания todayднес,
and can artificialизкуствен intelligenceинтелигентност help?
12
45880
4160
Как откриваме тези заболявания днес и би
ли могъл изкуственият интелект да помогне?
01:03
In patientsпациенти who, unfortunatelyза жалост,
are suspectedподозираше of these diseasesзаболявания,
13
51920
3656
При пациентите, при които, за съжаление,
има съмнение за такава болест,
01:07
an expertексперт physicianлекар first ordersпоръчки
14
55600
2656
лекарят специалист първо предписва
01:10
very expensiveскъп
medicalмедицински imagingсъздаване на изображения technologiesтехнологии
15
58280
2616
много скъпи медицински образни технологии,
като например
01:12
suchтакъв as fluorescentфлуоресцентни imagingсъздаване на изображения,
CTsCts, MRIsMRIs, to be performedизвършва.
16
60920
4096
флуоресцентни образи,
компютърна томография, магнитен резонанс.
01:17
OnceВеднъж those imagesснимки are collectedсъбран,
17
65040
2296
Когато образите са готови,
01:19
anotherоще expertексперт physicianлекар then diagnosesдиагнози
those imagesснимки and talksпреговори to the patientтърпелив.
18
67360
4520
друг специалист ги използва за
диагностициране и ги обсъжда с пациента.
01:24
As you can see, this is
a very resource-intensiveресурсно интензивно processпроцес,
19
72520
3456
Както виждате,
този процес изисква много ресурси -
01:28
requiringизискващи bothи двете expertексперт physiciansлекари,
expensiveскъп medicalмедицински imagingсъздаване на изображения technologiesтехнологии,
20
76000
4416
експерти и скъпи медицински технологии,
01:32
and is not consideredразглеждан practicalпрактичен
for the developingразработване worldсвят.
21
80440
3096
и не е практичен в развиващите се страни.
01:35
And in factфакт, in manyмного
industrializedиндустриализиран nationsнароди, as well.
22
83560
3360
В интерес на инстината, също така и
в много индустрализирани страни.
01:39
So, can we solveрешавам this problemпроблем
usingизползвайки artificialизкуствен intelligenceинтелигентност?
23
87760
2880
Можем ли да разрешим този проблем,
използвайки изкуствен интелект?
01:43
TodayДнес, if I were to use traditionalтрадиционен
artificialизкуствен intelligenceинтелигентност architecturesархитектури
24
91840
4056
Ако трябва да използвам традиционната
архитектура за изкуствен интелект,
01:47
to solveрешавам this problemпроблем,
25
95920
1216
за да реша този проблем,
01:49
I would requireизисква 10,000 --
26
97160
1456
ще са ми необходими 10 000,
01:50
I repeatповторение, on an orderпоръчка of 10,000
of these very expensiveскъп medicalмедицински imagesснимки
27
98640
4016
повтарям 10 000 от тези скъпи
медицински образи,
01:54
first to be generatedгенерирана.
28
102680
1376
които трябва да бъдат генерирани.
01:56
After that, I would then go
to an expertексперт physicianлекар,
29
104080
2896
След това, ще трябва да отида
при специалист,
01:59
who would then analyzeанализирам
those imagesснимки for me.
30
107000
2496
който ще анализира тези образи.
02:01
And usingизползвайки those two piecesпарчета of informationинформация,
31
109520
2096
С тези два вида информация,
02:03
I can trainвлак a standardстандарт deepДълбок neuralнервен networkмрежа
or a deepДълбок learningизучаване на networkмрежа
32
111640
3656
мога да обуча стандартна дълбока невронна
мрежа или мрежа за дълбоко обучение,
02:07
to provideпредоставяне patient'sпациента diagnosisдиагноза.
33
115320
2136
за да предоставя диагноза на пациентите.
02:09
SimilarПодобни to the first approachподход,
34
117480
1736
Както и при първия подход,
02:11
traditionalтрадиционен artificialизкуствен
intelligenceинтелигентност approachesподходи
35
119240
2143
традиционните подходи,
включващи изкуствен интелект,
02:13
sufferстрадам from the sameедин и същ problemпроблем.
36
121407
1449
страдат от същия проблем.
02:14
LargeГолям amountsсуми of dataданни, expertексперт physiciansлекари
and expertексперт medicalмедицински imagingсъздаване на изображения technologiesтехнологии.
37
122880
4560
Големи количества данни, специалисти и
специализирани технологии за медицински образи.
02:20
So, can we inventизмислям more scalableмащабируема, effectiveефективен
38
128320
4296
Можем ли да създадем по-достъпна,
ефективна
02:24
and more valuableценен artificialизкуствен
intelligenceинтелигентност architecturesархитектури
39
132640
3296
и стойностна архитектура за
изкуствен интелект,
02:27
to solveрешавам these very importantважно
problemsпроблеми facingизправени пред us todayднес?
40
135960
3056
за да се справим с тези сериозни
проблеми, с които се сблъскваме?
02:31
And this is exactlyточно
what my groupгрупа at MITMIT MediaМедии LabЛабораторията does.
41
139040
3296
Това е задачата, с която се занимава
моята група в Медийната лаборатория
на Технологичния Институт в Масачузец.
02:34
We have inventedизобретен a varietyразнообразие
of unorthodoxнеортодоксален AIAI architecturesархитектури
42
142360
3856
Ние изобретихме различни
нестандартни AI архитектури,
02:38
to solveрешавам some of the mostнай-много importantважно
challengesпредизвикателства facingизправени пред us todayднес
43
146240
3176
за да решим най-сериозните
проблеми, с които се сблъскваме днес
02:41
in medicalмедицински imagingсъздаване на изображения and clinicalклиничен trialsизпитвания.
44
149440
2200
във връзка с медицинските образи и
и клинични изпитвания.
02:44
In the exampleпример I sharedсподелено
with you todayднес, we had two goalsцели.
45
152480
3056
Във връзка с примера, който споделих днес
с вас, ние имахме две цели.
02:47
Our first goalцел was to reduceнамаляване на
the numberномер of imagesснимки
46
155560
2976
Първата ни цел беше да намалим
броя изображения,
02:50
requiredдлъжен to trainвлак
artificialизкуствен intelligenceинтелигентност algorithmsалгоритми.
47
158560
3256
необходими, за да бъдат обучени
алгоритмите на изкуствения интелект.
02:53
Our secondвтори goalцел -- we were more ambitiousамбициозни,
48
161840
2096
Втората ни цел - по-амбициозна -
02:55
we wanted to reduceнамаляване на the use
of expensiveскъп medicalмедицински imagingсъздаване на изображения technologiesтехнологии
49
163960
3736
беше да намалим използването на
скъпа медицинска образна технология
02:59
to screenекран patientsпациенти.
50
167720
1216
за преглед на пациенти.
03:00
So how did we do it?
51
168960
1200
Как го направихме?
03:02
For our first goalцел,
52
170920
1216
За първата ни цел,
03:04
insteadвместо of startingстартиране
with tensдесетки and thousandsхиляди
53
172160
2056
вместо да започнем с десетки хиляди
03:06
of these very expensiveскъп medicalмедицински imagesснимки,
like traditionalтрадиционен AIAI,
54
174240
3016
от тези скъпи медицински образи,
както при традиционния изкуствен интелект,
03:09
we startedзапочна with a singleединичен medicalмедицински imageизображение.
55
177280
2056
започнахме с едно единствено
медицинско изображение,
03:11
From this imageизображение, my teamекип and I
figuredпомислих out a very cleverумен way
56
179360
3776
От това изображение, моят екип и аз
намерихме оригинален начин,
03:15
to extractекстракт billionsмилиарди
of informationинформация packetsпакети.
57
183160
2736
за да извлечем милиарди
информационни пакети.
03:17
These informationинформация packetsпакети
includedвключен colorsцветове, pixelsпиксела, geometryгеометрия
58
185920
3696
Тези информационни пакети
включваха цветове, пиксели, геометрия
03:21
and renderingоказване of the diseaseболест
on the medicalмедицински imageизображение.
59
189640
2536
и изобразяване на болестта
върху медицинския образ.
03:24
In a senseсмисъл, we convertedпреобразува one imageизображение
into billionsмилиарди of trainingобучение dataданни pointsточки,
60
192200
4336
В известен смисъл, ние превърнахме
едно изображение в милиарди източници за обучение
03:28
massivelyмасова reducingнамаляване на the amountколичество of dataданни
neededнеобходима for trainingобучение.
61
196560
3536
и така намалихме количеството данни,
необходими за обучението.
03:32
For our secondвтори goalцел,
62
200120
1216
За втората ни цел,
03:33
to reduceнамаляване на the use of expensiveскъп medicalмедицински
imagingсъздаване на изображения technologiesтехнологии to screenекран patientsпациенти,
63
201360
3856
намаляването на използването на скъпи медицински
образни технологии за преглед на пациенти,
03:37
we startedзапочна with a standardстандарт,
whiteбял lightсветлина photographснимка,
64
205240
2856
ние започнахме със стандартна снимка
с бяла светлина,
03:40
acquiredпридобити eitherедин from a DSLRDSLR cameraкамера
or a mobileПодвижен phoneтелефон, for the patientтърпелив.
65
208120
4336
създадена или с DSLR фотоапарат,
или мобилен телефон, за пациента.
03:44
Then rememberпомня those
billionsмилиарди of informationинформация packetsпакети?
66
212480
2456
Помните ли онези милиарди
информационни пакети?
03:46
We overlaidобкова those from
the medicalмедицински imageизображение ontoвърху this imageизображение,
67
214960
3536
Насложихме ги върху тази снимка,
03:50
creatingсъздаване на something
that we call a compositeкомбиниран imageизображение.
68
218520
2520
създавайки по този начин нещо,
което се нарича композитно ичображение.
03:53
Much to our surpriseизненада,
we only requiredдлъжен 50 --
69
221480
3296
За наша изненада се нуждаехме от само 50,
03:56
I repeatповторение, only 50 --
70
224800
1336
потварям, само 50
03:58
of these compositeкомбиниран imagesснимки to trainвлак
our algorithmsалгоритми to highВисоко efficienciesефективност.
71
226160
3840
от тези композитни изображения,
за да обучим нашите алгоритми до висока ефективност.
04:02
To summarizeрезюмирам our approachподход,
72
230680
1336
За да обобщя нашия подход,
04:04
insteadвместо of usingизползвайки 10,000
very expensiveскъп medicalмедицински imagesснимки,
73
232040
3176
вместо да използваме 10 000
много скъпи медицински образи,
04:07
we can now trainвлак the AIAI algorithmsалгоритми
in an unorthodoxнеортодоксален way,
74
235240
3016
можехме да обучим AI алгоритмите
по нестандартен начин,
04:10
usingизползвайки only 50 of these high-resolutionс висока резолюция,
but standardстандарт photographsфотографии,
75
238280
4256
използвайки само 50 от тези стандартни
снимки с висока резолюция,
04:14
acquiredпридобити from DSLRDSLR camerasфотоапарати
and mobileПодвижен phonesтелефони,
76
242560
2496
направени с DSLR фотоапарати и
мобилни телефони
04:17
and provideпредоставяне diagnosisдиагноза.
77
245080
1536
и да предоставим диагноза.
04:18
More importantlyважно,
78
246640
1216
Още по-важно,
04:19
our algorithmsалгоритми can acceptприемам,
in the futureбъдеще and even right now,
79
247880
3136
нашите алгоритми могат да получат
в бъдещето и дори в момента,
04:23
some very simpleпрост, whiteбял lightсветлина
photographsфотографии from the patientтърпелив,
80
251040
2816
много обикновени снимки
с бяла светлина от пациентите,
04:25
insteadвместо of expensiveскъп
medicalмедицински imagingсъздаване на изображения technologiesтехнологии.
81
253880
2440
вместо скъпите
медицински образни технологии.
04:29
I believe that we are poisedготова
to enterвъведете an eraера
82
257120
3096
Вярвам, че сме на прага на епоха,
04:32
where artificialизкуствен intelligenceинтелигентност
83
260240
1936
в която изкуственият интелект
04:34
is going to make an incredibleневероятен
impactвъздействие on our futureбъдеще.
84
262200
2536
ще има невероятно въздействие
върху бъдещето.
04:36
And I think that thinkingмислене
about traditionalтрадиционен AIAI,
85
264760
2456
И смятам, че когато мислим
за традиционния изкуствения интелект,
04:39
whichкойто is data-richбогати на данни but application-poorприложение-беден,
86
267240
2776
който е богат на данни,
но беден на приложения,
04:42
we should alsoсъщо continueпродължи thinkingмислене
87
270040
1536
ние също трябва да продължим да мислим
04:43
about unorthodoxнеортодоксален artificialизкуствен
intelligenceинтелигентност architecturesархитектури,
88
271600
3016
за нестандартни архитектури
за изкуствен интелект,
04:46
whichкойто can acceptприемам smallмалък amountsсуми of dataданни
89
274640
1936
които могат да получават
малки количества данни
04:48
and solveрешавам some of the mostнай-много importantважно
problemsпроблеми facingизправени пред us todayднес,
90
276600
2936
и да решават проблемите, с които
се сблъскваме днес,
04:51
especiallyособено in healthздраве careгрижа.
91
279560
1256
особено свързани
със здравеопазването.
04:52
Thank you very much.
92
280840
1216
Благодаря ви много.
04:54
(ApplauseАплодисменти)
93
282080
3840
(Аплодисменти)
Translated by Luba Aleksandrova
Reviewed by Darina Stoyanova

▲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