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

プラティック・シャー: AIが病気の診断を簡単にする方法

Filmed:
1,571,835 views

現在のAIアルゴリズムは、病気を検出するために何万枚もの高価な医用画像を必要とします。もし、AIの学習に必要なデータの量を大幅に削減し、診断を安価で、より効果的なものにできるとしたら?TEDフェローのプラティック・シャーは、まさにそのための賢いシステムの開発に取り組んでいます。斬新なAIのアプローチを用いて、シャーはアルゴリズムを構築するのに画像を50枚しか必要としない技術を開発しました。また、医者の携帯電話で撮影した写真でも診断を可能にしました。 この医療情報分析の新しい方法がどのように、命に関わる病気の早期発見につながり、AIに支えられた診断が世界の医療の環境を提供できるのか、学びましょう。
- 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
Computerコンピューター algorithmsアルゴリズム today今日
are performing実行する incredible信じられない tasksタスク
0
1280
3856
現在のコンピューターアルゴリズムは
素晴らしい仕事をしています
00:17
with high高い accuracies精度, at a massive大規模 scale規模,
usingを使用して human-like人間のような intelligenceインテリジェンス.
1
5160
4736
人間のような知能を持ち 膨大なデータを
高い精度で処理しています
00:21
And this intelligenceインテリジェンス of computersコンピュータ
is oftenしばしば referred言及 to as AIAI
2
9920
3936
このコンピューターの知能は
よく「AI」
00:25
or artificial人工的な intelligenceインテリジェンス.
3
13880
1856
あるいは「人工知能」と呼ばれます
00:27
AIAI is poised態勢を整えた to make an incredible信じられない impact影響
on our lives人生 in the future未来.
4
15760
4200
AIは 人々の将来の暮らしに
素晴らしい影響を及ぼそうとしています
00:32
Today今日, howeverしかしながら,
we still face massive大規模 challenges挑戦
5
20880
3936
しかし 私達は今でも
感染症やがんなどの
00:36
in detecting検出する and diagnosing診断する
severalいくつかの life-threatening命を脅かす illnesses病気,
6
24840
3496
命に関わる病気を
発見や診断をする際に
00:40
suchそのような as infectious感染性の diseases病気 and cancer.
7
28360
2360
数多くの課題に直面しています
00:44
Thousands何千もの of patients患者 everyすべて year
8
32000
2296
毎年 何千人もの患者が
00:46
lose失う their彼らの lives人生
due支払う to liver and oralオーラル cancer.
9
34320
2800
肝臓がんや口腔がんで
亡くなっています
00:49
Our bestベスト way to help these patients患者
10
37880
2696
これらの患者を救う
最善の方策は
00:52
is to perform実行する early早い detection検出
and diagnoses診断 of these diseases病気.
11
40600
4320
がんの早期発見と診断を
行うことです
00:57
So how do we detect検出する these diseases病気 today今日,
and can artificial人工的な intelligenceインテリジェンス help?
12
45880
4160
現在 病気はどう検出されているでしょう?
AIは活用可能でしょうか?
01:03
In patients患者 who, unfortunately残念ながら,
are suspected疑わしい of these diseases病気,
13
51920
3656
不幸にも 患者にこれらの
病気の疑いがある際には
01:07
an expert専門家 physician医師 first orders注文
14
55600
2656
専門医が最初に指示するのは
01:10
very expensive高価な
medical医療 imagingイメージング technologiesテクノロジー
15
58280
2616
蛍光イメージング、CT、MRIなどの
01:12
suchそのような as fluorescent蛍光性の imagingイメージング,
CTsCts, MRIsMRI, to be performed実行した.
16
60920
4096
とても高価な
医用画像技術の使用です
01:17
Once一度 those imagesイメージ are collected集めました,
17
65040
2296
画像が集まったら
01:19
another別の expert専門家 physician医師 then diagnoses診断
those imagesイメージ and talks交渉 to the patient患者.
18
67360
4520
また別の専門医が画像を診断し
患者に診断を告げます
01:24
As you can see, this is
a very resource-intensiveリソース集約型 processプロセス,
19
72520
3456
お分かりのように この過程は
膨大なリソースを要します
01:28
requiring必要 bothどちらも expert専門家 physicians医師,
expensive高価な medical医療 imagingイメージング technologiesテクノロジー,
20
76000
4416
2人の専門医、高価な医用画像技術
01:32
and is not considered考慮される practical実用的な
for the developing現像 world世界.
21
80440
3096
発展途上国では
実用的ではありません
01:35
And in fact事実, in manyたくさんの
industrialized工業化された nations, as well.
22
83560
3360
実際は 多くの先進国でも同じです
01:39
So, can we solve解決する this problem問題
usingを使用して artificial人工的な intelligenceインテリジェンス?
23
87760
2880
ではAIを使って この問題を
解決できるでしょうか?
01:43
Today今日, if I were to use traditional伝統的な
artificial人工的な intelligenceインテリジェンス architecturesアーキテクチャ
24
91840
4056
現在 もし私が従来の
AIの仕組みを使って
01:47
to solve解決する this problem問題,
25
95920
1216
この問題を解決しようとしたなら
01:49
I would require要求する 10,000 --
26
97160
1456
1万枚もの―
01:50
I repeat繰り返す, on an order注文 of 10,000
of these very expensive高価な medical医療 imagesイメージ
27
98640
4016
繰り返しますが 万単位の
とても高価な医用画像が
01:54
first to be generated生成された.
28
102680
1376
まず必要になります
01:56
After that, I would then go
to an expert専門家 physician医師,
29
104080
2896
その後 私は
専門医のところに行き
01:59
who would then analyze分析する
those imagesイメージ for me.
30
107000
2496
これらの画像を
分析してもらいます
02:01
And usingを使用して those two pieces作品 of information情報,
31
109520
2096
そして これら2つの
情報を用いて
02:03
I can train列車 a standard標準 deep深い neuralニューラル networkネットワーク
or a deep深い learning学習 networkネットワーク
32
111640
3656
患者を診断するために 標準的な
ディープニューラルネットワーク
02:07
to provide提供する patient's患者の diagnosis診断.
33
115320
2136
または ディープラーニングネットワークに
学習させることができます
02:09
Similar類似 to the first approachアプローチ,
34
117480
1736
最初のアプローチと同じように
02:11
traditional伝統的な artificial人工的な
intelligenceインテリジェンス approachesアプローチ
35
119240
2143
AIを使った従来のアプローチでは
02:13
suffer苦しむ from the same同じ problem問題.
36
121407
1449
同じ問題に突き当たります
02:14
Large amounts金額 of dataデータ, expert専門家 physicians医師
and expert専門家 medical医療 imagingイメージング technologiesテクノロジー.
37
122880
4560
膨大なデータ、専門医
専門医用画像技術
02:20
So, can we invent発明する more scalableスケーラブルな, effective効果的な
38
128320
4296
では より広めやすく、より効果的で
02:24
and more valuable貴重な artificial人工的な
intelligenceインテリジェンス architecturesアーキテクチャ
39
132640
3296
より価値のある
AIを構築し
02:27
to solve解決する these very important重要
problems問題 facing直面する us today今日?
40
135960
3056
現在私達が直面する 重要な課題を
解決することは可能でしょうか?
02:31
And this is exactly正確に
what my groupグループ at MITMIT Mediaメディア Labラボ does.
41
139040
3296
それがまさに MITメディアラボで
私のグループが取り組んでいる内容です
02:34
We have invented発明された a variety品種
of unorthodox正統 AIAI architecturesアーキテクチャ
42
142360
3856
現在 医用画像や臨床試験で直面する
最も重要な課題のいくつかを解決するために
02:38
to solve解決する some of the most最も important重要
challenges挑戦 facing直面する us today今日
43
146240
3176
いくつかの斬新な
AIの仕組みを開発しました
02:41
in medical医療 imagingイメージング and clinical臨床的 trials試行.
44
149440
2200
02:44
In the example I shared共有
with you today今日, we had two goalsゴール.
45
152480
3056
今日皆さんにお伝えした例では
2つの目標がありました
02:47
Our first goalゴール was to reduce減らす
the number of imagesイメージ
46
155560
2976
最初の目標は
AIのアルゴリズムの
02:50
required必須 to train列車
artificial人工的な intelligenceインテリジェンス algorithmsアルゴリズム.
47
158560
3256
学習に必要な画像の
枚数を減らすことでした
02:53
Our second二番 goalゴール -- we were more ambitious意欲的な,
48
161840
2096
2つ目の目標は
より野心的で
02:55
we wanted to reduce減らす the use
of expensive高価な medical医療 imagingイメージング technologiesテクノロジー
49
163960
3736
患者をスクリーニングする際の
高価な医用画像技術の使用を
02:59
to screen画面 patients患者.
50
167720
1216
減らしたいと考えました
03:00
So how did we do it?
51
168960
1200
私達は どう取り組んだでしょう?
03:02
For our first goalゴール,
52
170920
1216
最初の目標については
03:04
instead代わりに of starting起動
with tens数十 and thousands
53
172160
2056
従来のAIのように
03:06
of these very expensive高価な medical医療 imagesイメージ,
like traditional伝統的な AIAI,
54
174240
3016
数万枚もの高価な医用画像から
取りかかるのではなく
03:09
we started開始した with a singleシングル medical医療 image画像.
55
177280
2056
1枚の医用画像から
始めることにしました
03:11
From this image画像, my teamチーム and I
figured思った out a very clever賢い way
56
179360
3776
私のチームは
この画像から 何十億もの
03:15
to extractエキス billions何十億
of information情報 packetsパケット.
57
183160
2736
情報パケットを抽出する
賢い方法を見つけました
03:17
These information情報 packetsパケット
included含まれる colors, pixelsピクセル, geometryジオメトリ
58
185920
3696
これら情報パケットに含まれるのは
色、画素、位置関係—
03:21
and renderingレンダリング of the disease疾患
on the medical医療 image画像.
59
189640
2536
そして医用画像に
病巣をレンダリングしたものです
03:24
In a senseセンス, we converted変換された one image画像
into billions何十億 of trainingトレーニング dataデータ pointsポイント,
60
192200
4336
ある意味 1枚の画像を何十億もの
学習用データへ変換できたことで
03:28
massively大規模 reducing還元する the amount of dataデータ
needed必要な for trainingトレーニング.
61
196560
3536
学習に必要なデータ量の
大幅減が可能になりました
03:32
For our second二番 goalゴール,
62
200120
1216
二つ目の目標
03:33
to reduce減らす the use of expensive高価な medical医療
imagingイメージング technologiesテクノロジー to screen画面 patients患者,
63
201360
3856
スクリーニングの目的で
高価な医用画像検査の使用を減らすために
03:37
we started開始した with a standard標準,
white light photograph写真,
64
205240
2856
患者のためにデジタル一眼レフカメラや
携帯電話で撮影された
03:40
acquired獲得しました eitherどちらか from a DSLRDSLR cameraカメラ
or a mobileモバイル phone電話, for the patient患者.
65
208120
4336
標準的な白色光の写真から始めました
03:44
Then remember思い出す those
billions何十億 of information情報 packetsパケット?
66
212480
2456
先程の何十億もの
情報パケットを覚えていますか?
03:46
We overlaid重なった those from
the medical医療 image画像 onto〜に this image画像,
67
214960
3536
医用画像から得たそれらの情報を
この画像の上に重ね
03:50
creating作成 something
that we call a composite複合 image画像.
68
218520
2520
いわゆる 合成写真を作りました
03:53
Much to our surprise驚き,
we only required必須 50 --
69
221480
3296
かなり驚いたことに
わずか50枚で十分でした
03:56
I repeat繰り返す, only 50 --
70
224800
1336
繰り返しますが
わずか50枚の
03:58
of these composite複合 imagesイメージ to train列車
our algorithmsアルゴリズム to high高い efficiencies効率.
71
226160
3840
合成写真で 効率よくアルゴリズムに
学習させることができました
04:02
To summarize要約する our approachアプローチ,
72
230680
1336
私達のアプローチをまとめると
04:04
instead代わりに of usingを使用して 10,000
very expensive高価な medical医療 imagesイメージ,
73
232040
3176
1万枚の とても高価な医用画像を
使うのではなく
04:07
we can now train列車 the AIAI algorithmsアルゴリズム
in an unorthodox正統 way,
74
235240
3016
AIアルゴリズムを画期的な
方法で学習させることが可能になりました
04:10
usingを使用して only 50 of these high-resolution高解像度,
but standard標準 photographs写真,
75
238280
4256
デジタル一眼レフカメラや
携帯電話で撮影した
04:14
acquired獲得しました from DSLRDSLR camerasカメラ
and mobileモバイル phones電話機,
76
242560
2496
標準的な高解像度写真が
たった50枚あれば
04:17
and provide提供する diagnosis診断.
77
245080
1536
診断ができます
04:18
More importantly重要なこと,
78
246640
1216
より重要なことに
04:19
our algorithmsアルゴリズム can accept受け入れる,
in the future未来 and even right now,
79
247880
3136
私達のアルゴリズムは
将来 そして今でも
04:23
some very simple単純, white light
photographs写真 from the patient患者,
80
251040
2816
高価な医用画像技術ではなく
患者が持つ
04:25
instead代わりに of expensive高価な
medical医療 imagingイメージング technologiesテクノロジー.
81
253880
2440
ごくシンプルな 白色光写真を
活用できます
04:29
I believe that we are poised態勢を整えた
to enter入る an era時代
82
257120
3096
AIが私達の将来に
素晴らしい影響を及ぼす
04:32
where artificial人工的な intelligenceインテリジェンス
83
260240
1936
時代に入ろうとしていると
04:34
is going to make an incredible信じられない
impact影響 on our future未来.
84
262200
2536
私は考えています
04:36
And I think that thinking考え
about traditional伝統的な AIAI,
85
264760
2456
データはたくさんあれど
運用が不便だった
04:39
whichどの is data-richデータが豊富な but application-poorアプリケーションの貧弱,
86
267240
2776
従来のAIのことを考えると
04:42
we should alsoまた、 continue持続する thinking考え
87
270040
1536
特に医療分野において
04:43
about unorthodox正統 artificial人工的な
intelligenceインテリジェンス architecturesアーキテクチャ,
88
271600
3016
少量のデータを活用し
04:46
whichどの can accept受け入れる small小さい amounts金額 of dataデータ
89
274640
1936
私達が現在直面する
04:48
and solve解決する some of the most最も important重要
problems問題 facing直面する us today今日,
90
276600
2936
最も大切な課題を解決できる
斬新なAIの仕組みについて
04:51
especially特に in health健康 careお手入れ.
91
279560
1256
引き続き考えていくべきです
04:52
Thank you very much.
92
280840
1216
どうもありがとうございました
04:54
(Applause拍手)
93
282080
3840
(拍手)
Translated by Yumi Urushihara
Reviewed by Eriko Tsukamoto

▲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