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

프라틱 샤 (Pratik Shah): 질병의 진단을 돕는 인공지능의 활용법

Filmed:
1,571,835 views

오늘날 인공지능의 알고리즘으로 환자의 질병을 진단 하려면, 수 천장의 값비싼 의료영상이 필요합니다. 인공지능의 학습을 위해 필요한 자료의 양을 대폭 줄여, 진단비용은 낮추고 효율성은 높인다면 어떨까요? TED Fellow 프라틱 샤(Pratik Shah)는 바로 그 일을 하는 지능적인 시스템을 개발하고 있습니다. 그는 색다른 방식으로 인공지능을 활용해, 단 50장의 의료영상으로 알고리즘을 학습시킬 수 있고, 심지어 의사들의 휴대전화로 찍은 사진만으로도 진단이 가능한 기술의 개발에 성공했습니다. 의료정보의 분석에 쓰이는 이 새로운 방법이, 어떻게 생명을 위협하는 질병을 조기에 진단하고, 인공지능의 활용을 전 세계의 의료 현장에 보급할 수 있는지 알아봅니다.
- 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
Computer컴퓨터 algorithms알고리즘 today오늘
are performing실행할 수 있는 incredible놀랄 만한 tasks과제
0
1280
3856
오늘날 컴퓨터 알고리즘의
기능은 정말 놀랍습니다.
00:17
with high높은 accuracies정밀도, at a massive거대한 scale규모,
using~을 사용하여 human-like인간과 같은 intelligence지성.
1
5160
4736
인간의 지능과 비슷하지만,
아주 엄청난 양을 정확하게 처리하죠.
00:21
And this intelligence지성 of computers컴퓨터들
is often자주 referred언급 된 to as AIAI
2
9920
3936
이런 컴퓨터의 지능을 흔히 AI 또는
00:25
or artificial인공의 intelligence지성.
3
13880
1856
인공지능이라고 하죠.
00:27
AIAI is poised균형 잡힌 to make an incredible놀랄 만한 impact충격
on our lives in the future미래.
4
15760
4200
인공지능은 이미 우리의 미래에
엄청난 영향을 줄 힘을 가지고 있습니다.
00:32
Today오늘, however하나,
we still face얼굴 massive거대한 challenges도전
5
20880
3936
하지만, 오늘날 우리는 여전히
생명을 위협하는 질병들을
00:36
in detecting탐지 and diagnosing진단하는
several수개 life-threatening생명을 위협하는 illnesses,
6
24840
3496
발견하고 진단하는 데
많은 어려움을 겪고 있습니다.
00:40
such이러한 as infectious전염성의 diseases질병 and cancer.
7
28360
2360
암이나 감염성 질병 같은 것들이죠.
00:44
Thousands수천 of patients환자 every...마다 year
8
32000
2296
매년 수 천명의 환자들이
00:46
lose잃다 their그들의 lives
due정당한 to liver and oral경구 cancer.
9
34320
2800
간암과 구강암으로 생명을 잃습니다.
00:49
Our best베스트 way to help these patients환자
10
37880
2696
이런 환자들을 도울 수 있는
00:52
is to perform행하다 early이른 detection발각
and diagnoses진단 of these diseases질병.
11
40600
4320
최선의 방법은 바로
질병의 조기 발견과 진단이죠.
00:57
So how do we detect탐지하다 these diseases질병 today오늘,
and can artificial인공의 intelligence지성 help?
12
45880
4160
오늘날 어떤 식으로 질병이 발견되고,
인공지능은 어떤 도움을 주는지 알아볼까요?
01:03
In patients환자 who, unfortunately운수 나쁘게,
are suspected의심스러운 of these diseases질병,
13
51920
3656
안타깝게도, 이런 질병에
감염된 것으로 의심되는 환자들에게,
01:07
an expert전문가 physician내과 의사 first orders명령
14
55600
2656
전문의들은 우선
01:10
very expensive비싼
medical의료 imaging이미징 technologies기술
15
58280
2616
값비싼 의료영상기술을 사용합니다.
01:12
such이러한 as fluorescent형광성의 imaging이미징,
CTsCTs, MRIsMRIs, to be performed수행 한.
16
60920
4096
형광영상법, CT, MRI 등이죠.
01:17
Once일단 those images이미지들 are collected모은,
17
65040
2296
수집된 영상들을
01:19
another다른 expert전문가 physician내과 의사 then diagnoses진단
those images이미지들 and talks회담 to the patient환자.
18
67360
4520
또 다른 전문의가 판독하고
환자에게 소견을 보냅니다.
01:24
As you can see, this is
a very resource-intensive리소스를 많이 사용 process방법,
19
72520
3456
보다시피,
아주 소모가 심한 과정입니다.
01:28
requiring요구하는 both양자 모두 expert전문가 physicians의사들,
expensive비싼 medical의료 imaging이미징 technologies기술,
20
76000
4416
전문의 둘에, 값비싼
의료영상기술까지 갖춰야 하니까
01:32
and is not considered깊이 생각한 practical실용적인
for the developing개발 중 world세계.
21
80440
3096
개발 도상국들에게
실용적인 방법이 아니죠.
01:35
And in fact, in many많은
industrialized산업화 된 nations민족 국가, as well.
22
83560
3360
사실, 여러 선진국들의
사정도 마찬가지입니다.
01:39
So, can we solve풀다 this problem문제
using~을 사용하여 artificial인공의 intelligence지성?
23
87760
2880
그럼, 인공지능을 이용해
이 문제를 해결할 수 있을까요?
01:43
Today오늘, if I were to use traditional전통적인
artificial인공의 intelligence지성 architectures아키텍처
24
91840
4056
오늘날,
제가 이 문제의 해결을 위해
01:47
to solve풀다 this problem문제,
25
95920
1216
기존의 인공지능구조를 이용한다면,
01:49
I would require요구하다 10,000 --
26
97160
1456
만장이 필요합니다.
01:50
I repeat반복, on an order주문 of 10,000
of these very expensive비싼 medical의료 images이미지들
27
98640
4016
다시 말해, 만장의 값비싼 의료영상을
01:54
first to be generated생성 된.
28
102680
1376
먼저 찍어야만 합니다.
01:56
After that, I would then go
to an expert전문가 physician내과 의사,
29
104080
2896
그 다음에, 그 영상들을 분석해 줄
01:59
who would then analyze분석하다
those images이미지들 for me.
30
107000
2496
전문의를 찾아가야 겠죠.
02:01
And using~을 사용하여 those two pieces조각들 of information정보,
31
109520
2096
그리고, 그 두 종류의 정보를 가지고
02:03
I can train기차 a standard표준 deep깊은 neural신경 network회로망
or a deep깊은 learning배우기 network회로망
32
111640
3656
표준화된 심층 신경망 또는
심층 학습망을 이용해
02:07
to provide~을 제공하다 patient's환자의 diagnosis진단.
33
115320
2136
환자들에게 진단을 내립니다.
02:09
Similar비슷한 to the first approach접근,
34
117480
1736
첫 번째 방식과 유사하게,
02:11
traditional전통적인 artificial인공의
intelligence지성 approaches구혼
35
119240
2143
기존의 인공지능은 같은 문제로
02:13
suffer참다 from the same같은 problem문제.
36
121407
1449
어려움을 겪고 있습니다.
02:14
Large amounts금액 of data데이터, expert전문가 physicians의사들
and expert전문가 medical의료 imaging이미징 technologies기술.
37
122880
4560
방대한 자료, 전문의, 특수 의료영상기술
등이 필요하기 때문이죠.
02:20
So, can we invent꾸미다 more scalable확장 성있는, effective유효한
38
128320
4296
그렇다면, 더 확장성이 높고,
02:24
and more valuable가치 있는 artificial인공의
intelligence지성 architectures아키텍처
39
132640
3296
효율적인 인공지능 구조를 만든다면,
02:27
to solve풀다 these very important중대한
problems문제들 facing면함 us today오늘?
40
135960
3056
오늘날 우리에게 당면한
중대한 과제들을 해결할 수 있을까요?
02:31
And this is exactly정확하게
what my group그룹 at MITMIT Media미디어 Lab does.
41
139040
3296
이것이 바로 MIT 미디어 연구소에서
저희 팀이 하고 있는 일입니다.
02:34
We have invented발명 된 a variety종류
of unorthodox정통적이지 않은 AIAI architectures아키텍처
42
142360
3856
다양한 대체 인공지능 구조를
만들고 있죠.
02:38
to solve풀다 some of the most가장 important중대한
challenges도전 facing면함 us today오늘
43
146240
3176
의료영상과 임상시험 분야에서의
02:41
in medical의료 imaging이미징 and clinical객관적인 trials시련.
44
149440
2200
중대한 과제들을 해결하기 위해서죠.
02:44
In the example I shared공유 된
with you today오늘, we had two goals목표.
45
152480
3056
오늘 예로 든 것에서,
저희는 두 가지 목표를 정했습니다.
02:47
Our first goal was to reduce줄이다
the number번호 of images이미지들
46
155560
2976
첫째, 인공지능 알고리즘의
학습에 필요한
02:50
required필수 to train기차
artificial인공의 intelligence지성 algorithms알고리즘.
47
158560
3256
영상의 수를 줄이는 것이었습니다.
02:53
Our second둘째 goal -- we were more ambitious거창한,
48
161840
2096
둘째, 저희가 좀 더 욕심을 낸 것인데
02:55
we wanted to reduce줄이다 the use
of expensive비싼 medical의료 imaging이미징 technologies기술
49
163960
3736
환자들을 선별하는
값비싼 의료영상기술의 사용을
02:59
to screen화면 patients환자.
50
167720
1216
줄이는 것이었죠.
03:00
So how did we do it?
51
168960
1200
과연 어떻게 됐을까요?
03:02
For our first goal,
52
170920
1216
첫 번째 목표를 위해,
03:04
instead대신에 of starting출발
with tens수십 and thousands수천
53
172160
2056
기존의 인공지능과 같이
03:06
of these very expensive비싼 medical의료 images이미지들,
like traditional전통적인 AIAI,
54
174240
3016
아주 많은 비용을 들여
촬영하는 영상 수 천장을 대신해,
03:09
we started시작한 with a single단일 medical의료 image영상.
55
177280
2056
단 한 장으로 시작했습니다.
03:11
From this image영상, my team and I
figured문채 있는 out a very clever영리한 way
56
179360
3776
동료들과 함께 그 영상에서
수 억개의 정보 패킷을
03:15
to extract추출물 billions수십억
of information정보 packets패킷.
57
183160
2736
추출할 수 있는
아주 기발한 방법을 찾아냈죠.
03:17
These information정보 packets패킷
included포함 된 colors그림 물감, pixels픽셀, geometry기하학
58
185920
3696
이 정보 패킷들은 영상 속
질병의 색상, 화소, 기하학적 구조,
03:21
and rendering표현 of the disease질병
on the medical의료 image영상.
59
189640
2536
렌더링 등이 포함되어 있습니다.
03:24
In a sense감각, we converted개종 한 one image영상
into billions수십억 of training훈련 data데이터 points전철기,
60
192200
4336
즉, 하나의 영상을 수 십억개의
학습용 자료점으로 변환해,
03:28
massively거대한 reducing감소시키는 the amount of data데이터
needed필요한 for training훈련.
61
196560
3536
학습에 필요한 자료의 양을
현저히 줄이는 것이죠.
03:32
For our second둘째 goal,
62
200120
1216
두 번째 목표를 위해서는
03:33
to reduce줄이다 the use of expensive비싼 medical의료
imaging이미징 technologies기술 to screen화면 patients환자,
63
201360
3856
환자의 선별에 쓰이는
의료영상기술의 사용을 줄이기 위해,
03:37
we started시작한 with a standard표준,
white화이트 light photograph사진,
64
205240
2856
일반적인 백색광 사진을
사용하기 시작했습니다.
03:40
acquired획득 한 either어느 한 쪽 from a DSLRDSLR camera카메라
or a mobile변하기 쉬운 phone전화, for the patient환자.
65
208120
4336
DSLR 사진기나
휴대전화에서도 가능한 것이죠.
03:44
Then remember생각해 내다 those
billions수십억 of information정보 packets패킷?
66
212480
2456
수 십억개의 정보 패킷 기억하시죠?
03:46
We overlaid겹쳐진 those from
the medical의료 image영상 onto~에 this image영상,
67
214960
3536
의료영상에서 빼낸 정보들을
바로 이 영상 위에 입혀
03:50
creating창조 something
that we call a composite합성물 image영상.
68
218520
2520
합성하는 거죠.
03:53
Much to our surprise놀람,
we only required필수 50 --
69
221480
3296
놀랍게도, 저희는 단 50장,
03:56
I repeat반복, only 50 --
70
224800
1336
한번 더 말하죠, 단 50장입니다.
03:58
of these composite합성물 images이미지들 to train기차
our algorithms알고리즘 to high높은 efficiencies효율성.
71
226160
3840
알고리즘의 학습이
단 50장의 영상으로 가능했던 것입니다.
04:02
To summarize요약하다 our approach접근,
72
230680
1336
그 방식을 요약해 보면,
04:04
instead대신에 of using~을 사용하여 10,000
very expensive비싼 medical의료 images이미지들,
73
232040
3176
만장이나 되는
아주 값비싼 의료영상을 대신해,
04:07
we can now train기차 the AIAI algorithms알고리즘
in an unorthodox정통적이지 않은 way,
74
235240
3016
이제는 색다른 방식으로
인공지능의 학습이 가능하게 된 것이죠.
04:10
using~을 사용하여 only 50 of these high-resolution높은 해상도,
but standard표준 photographs사진들,
75
238280
4256
일반적인 DSLR 사진기나 휴대전화를
이용해 얻을 수 있는
04:14
acquired획득 한 from DSLRDSLR cameras카메라
and mobile변하기 쉬운 phones전화,
76
242560
2496
단 50장의 고화질 영상으로
04:17
and provide~을 제공하다 diagnosis진단.
77
245080
1536
진단까지 가능해 진 것입니다.
04:18
More importantly중요하게,
78
246640
1216
더 중요하게
04:19
our algorithms알고리즘 can accept받아 들인다,
in the future미래 and even right now,
79
247880
3136
저희 알고리즘은 앞으로,
심지어 지금 당장이라도
04:23
some very simple단순한, white화이트 light
photographs사진들 from the patient환자,
80
251040
2816
환자들이 제공하는 간단한
백색광 사진을 이용할 수 있습니다.
04:25
instead대신에 of expensive비싼
medical의료 imaging이미징 technologies기술.
81
253880
2440
고가의 의료영상기술을
대신해서 말이죠.
04:29
I believe that we are poised균형 잡힌
to enter들어가다 an era연대
82
257120
3096
저는 인공지능이 우리의 미래에
04:32
where artificial인공의 intelligence지성
83
260240
1936
엄청난 영향을 줄
04:34
is going to make an incredible놀랄 만한
impact충격 on our future미래.
84
262200
2536
시대의 문턱에
이미 와 있다고 믿습니다.
04:36
And I think that thinking생각
about traditional전통적인 AIAI,
85
264760
2456
기존의 인공지능은
04:39
which어느 is data-rich풍부한 데이터 but application-poor응용 프로그램-가난한,
86
267240
2776
자료는 방대하지만
활용도가 낮기 때문에,
04:42
we should also또한 continue잇다 thinking생각
87
270040
1536
소량의 자료만으로도
04:43
about unorthodox정통적이지 않은 artificial인공의
intelligence지성 architectures아키텍처,
88
271600
3016
우리에게 당면한 중대한 과제들을
해결할 수 있는
04:46
which어느 can accept받아 들인다 small작은 amounts금액 of data데이터
89
274640
1936
대체 인공지능 구조를
04:48
and solve풀다 some of the most가장 important중대한
problems문제들 facing면함 us today오늘,
90
276600
2936
계속 연구해야 한다고 생각합니다.
04:51
especially특히 in health건강 care케어.
91
279560
1256
특히 의료와 관련해서 말이죠.
04:52
Thank you very much.
92
280840
1216
감사합니다.
04:54
(Applause박수 갈채)
93
282080
3840
(박수)
Translated by 태강 김
Reviewed by TJ Kim

▲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