TEDGlobal 2017
Pratik Shah: How AI is making it easier to diagnose disease
Pratik Shah: Cum IA facilitează diagnosticarea bolii
Filmed:
Readability: 6.9
1,571,835 views
Astăzi, algoritmii IA necesită zeci de mii de imagini medicale scumpe pentru a detecta boala unui pacient. Cum ar fi dacă am putea reduce drastic cantitatea de date necesară pentru instruirea unei IA, care să reducă și să eficientizeze costurile diagnosticării? TED Fellow Pratik Shah lucrează la un sistem inteligent pentru a face acest lucru. Folosind o abordare IA neortodoxă, Shah a dezvoltat o tehnologie care necesită doar 50 de imagini pentru a realiza un algoritm de lucru - și chiar poate folosi fotografiile făcute cu telefoanele mobile ale doctorilor pentru a stabili un diagnostic. Aflați mai multe despre felul în care acest nou mod de a analiza informațiile medicale ar putea duce la detectarea precoce a bolilor care pun viața în pericol și ar putea aduce diagnosticul asistat de IA la mai multe setări în domeniul sănătății în întreaga lume.
Pratik Shah - Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine. Full bio
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 algorithms today
are performing incredible tasks
are performing incredible tasks
0
1280
3856
În prezent, algoritmii îndeplinesc
sarcini incredibile
sarcini incredibile
00:17
with high accuracies, at a massive scale,
using human-like intelligence.
using human-like intelligence.
1
5160
4736
cu mare acuratețe, la o scară enormă,
având o inteligență ca cea a oamenilor.
având o inteligență ca cea a oamenilor.
00:21
And this intelligence of computers
is often referred to as AI
is often referred to as AI
2
9920
3936
Aceasta inteligență a computerelor
e adesea denumită IA
e adesea denumită IA
00:25
or artificial intelligence.
3
13880
1856
sau inteligență artificială.
00:27
AI is poised to make an incredible impact
on our lives in the future.
on our lives in the future.
4
15760
4200
IA va avea un impact incredibil
asupra vieților noastre în viitor.
asupra vieților noastre în viitor.
00:32
Today, however,
we still face massive challenges
we still face massive challenges
5
20880
3936
Astăzi, totuși, încă ne confruntăm
cu provocări enorme
cu provocări enorme
00:36
in detecting and diagnosing
several life-threatening illnesses,
several life-threatening illnesses,
6
24840
3496
în detectarea și diagnosticarea
câtorva boli care pun viețile în pericol,
câtorva boli care pun viețile în pericol,
00:40
such as infectious diseases and cancer.
7
28360
2360
cum ar fi bolile infecțioase și cancerul.
00:44
Thousands of patients every year
8
32000
2296
În fiecare an, mii de pacienți
00:46
lose their lives
due to liver and oral cancer.
due to liver and oral cancer.
9
34320
2800
își pierd viața din cauza
cancerului de ficat sau oral.
cancerului de ficat sau oral.
00:49
Our best way to help these patients
10
37880
2696
Cea mai bună metodă
de a ajuta acești pacienți
de a ajuta acești pacienți
00:52
is to perform early detection
and diagnoses of these diseases.
and diagnoses of these diseases.
11
40600
4320
este să performăm o diagnosticare
și o detectare precoce a acestor boli.
și o detectare precoce a acestor boli.
00:57
So how do we detect these diseases today,
and can artificial intelligence help?
and can artificial intelligence help?
12
45880
4160
Așadar, cum detectăm aceste boli astăzi
și cum ne poate ajuta IA?
și cum ne poate ajuta IA?
01:03
In patients who, unfortunately,
are suspected of these diseases,
are suspected of these diseases,
13
51920
3656
Pacienților care, din păcate, sunt
suspectați de una dintre aceste boli,
suspectați de una dintre aceste boli,
01:07
an expert physician first orders
14
55600
2656
un medic specialist cere prima oară
01:10
very expensive
medical imaging technologies
medical imaging technologies
15
58280
2616
tehnologii medicale de imagistică
foarte scumpe,
foarte scumpe,
01:12
such as fluorescent imaging,
CTs, MRIs, to be performed.
CTs, MRIs, to be performed.
16
60920
4096
cum ar fi imagistica fluorescentă,
CT, RMN.
CT, RMN.
01:17
Once those images are collected,
17
65040
2296
Odată ce sunt colectate aceste imagini,
01:19
another expert physician then diagnoses
those images and talks to the patient.
those images and talks to the patient.
18
67360
4520
un alt medic specialist interpretează
aceste imagini și vorbește cu pacientul.
aceste imagini și vorbește cu pacientul.
01:24
As you can see, this is
a very resource-intensive process,
a very resource-intensive process,
19
72520
3456
După cum vedeți, este un proces
care presupune multe resurse,
care presupune multe resurse,
01:28
requiring both expert physicians,
expensive medical imaging technologies,
expensive medical imaging technologies,
20
76000
4416
necesitând medici specialiști
și tehnologie medicală imagistică scumpă,
și tehnologie medicală imagistică scumpă,
01:32
and is not considered practical
for the developing world.
for the developing world.
21
80440
3096
și nu este considerat practic
pentru lumea în curs de dezvoltare.
pentru lumea în curs de dezvoltare.
01:35
And in fact, in many
industrialized nations, as well.
industrialized nations, as well.
22
83560
3360
De fapt, și în multe țări industrializate.
Deci, putem rezolva această problemă
folosind inteligența artificială?
folosind inteligența artificială?
01:39
So, can we solve this problem
using artificial intelligence?
using artificial intelligence?
23
87760
2880
Astăzi, dacă ar fi să folosim
arhitectura tradițională a IA
arhitectura tradițională a IA
01:43
Today, if I were to use traditional
artificial intelligence architectures
artificial intelligence architectures
24
91840
4056
pentru a rezolva problema,
01:47
to solve this problem,
25
95920
1216
01:49
I would require 10,000 --
26
97160
1456
aș avea nevoie de 10.000 --
01:50
I repeat, on an order of 10,000
of these very expensive medical images
of these very expensive medical images
27
98640
4016
repet, la un ordin de 10.000
din aceste imagini medicale foarte scumpe
din aceste imagini medicale foarte scumpe
01:54
first to be generated.
28
102680
1376
să fie generate mai întâi.
01:56
After that, I would then go
to an expert physician,
to an expert physician,
29
104080
2896
După aceea, m-aș duce
la un medic specialist,
la un medic specialist,
01:59
who would then analyze
those images for me.
those images for me.
30
107000
2496
care ar analiza acele imagini pentru mine.
02:01
And using those two pieces of information,
31
109520
2096
Și folosind aceste informații,
02:03
I can train a standard deep neural network
or a deep learning network
or a deep learning network
32
111640
3656
pot pregăti o rețea standard neurală
profundă sau o rețea de învățare profundă
profundă sau o rețea de învățare profundă
02:07
to provide patient's diagnosis.
33
115320
2136
pentru a stabili diagnosticul pacientului.
02:09
Similar to the first approach,
34
117480
1736
Similar cu prima abordare,
02:11
traditional artificial
intelligence approaches
intelligence approaches
35
119240
2143
abordările tradiționale ale IA
02:13
suffer from the same problem.
36
121407
1449
prezintă aceeași problemă.
02:14
Large amounts of data, expert physicians
and expert medical imaging technologies.
and expert medical imaging technologies.
37
122880
4560
Cantitate mare de date, medici specialiști
și tehnologii imagistice de specialitate.
și tehnologii imagistice de specialitate.
02:20
So, can we invent more scalable, effective
38
128320
4296
Deci, putem inventa
arhitecturi artificiale inteligente
arhitecturi artificiale inteligente
02:24
and more valuable artificial
intelligence architectures
intelligence architectures
39
132640
3296
mai accesibile, mai eficiente
și mai valoroase
și mai valoroase
02:27
to solve these very important
problems facing us today?
problems facing us today?
40
135960
3056
pentru a rezolva aceste probleme
cu care ne confruntăm astăzi?
cu care ne confruntăm astăzi?
02:31
And this is exactly
what my group at MIT Media Lab does.
what my group at MIT Media Lab does.
41
139040
3296
Și asta e exact cu ce se ocupă grupul meu
de la MIT Media Lab.
de la MIT Media Lab.
02:34
We have invented a variety
of unorthodox AI architectures
of unorthodox AI architectures
42
142360
3856
Am inventat o varietate
de arhitecturi IA neortodoxe
de arhitecturi IA neortodoxe
pentru a rezolva câteva provocări
cu care ne confruntăm astăzi
cu care ne confruntăm astăzi
02:38
to solve some of the most important
challenges facing us today
challenges facing us today
43
146240
3176
02:41
in medical imaging and clinical trials.
44
149440
2200
în imagistica medicală
și studiile clinice.
și studiile clinice.
02:44
In the example I shared
with you today, we had two goals.
with you today, we had two goals.
45
152480
3056
În exemplul pe care vi l-am arătat azi,
am avut două țeluri.
am avut două țeluri.
02:47
Our first goal was to reduce
the number of images
the number of images
46
155560
2976
Primul țel a fost să reducem
numărul imaginilor
numărul imaginilor
02:50
required to train
artificial intelligence algorithms.
artificial intelligence algorithms.
47
158560
3256
care se cer pentru a antrena
algoritmii inteligenței artificiale.
algoritmii inteligenței artificiale.
02:53
Our second goal -- we were more ambitious,
48
161840
2096
Al doilea țel - suntem și mai ambițioși,
02:55
we wanted to reduce the use
of expensive medical imaging technologies
of expensive medical imaging technologies
49
163960
3736
am vrut să reducem uzul de tehnologie
imagistică medicală scumpă
imagistică medicală scumpă
pentru a consulta pacienții.
02:59
to screen patients.
50
167720
1216
03:00
So how did we do it?
51
168960
1200
Cum am făcut-o?
03:02
For our first goal,
52
170920
1216
Pentru primul nostru țel,
03:04
instead of starting
with tens and thousands
with tens and thousands
53
172160
2056
în loc să începem cu zeci și mii
03:06
of these very expensive medical images,
like traditional AI,
like traditional AI,
54
174240
3016
de imagini medicale foarte scumpe
cum e tradiționala IA,
cum e tradiționala IA,
03:09
we started with a single medical image.
55
177280
2056
am început cu o singură imagine medicală.
03:11
From this image, my team and I
figured out a very clever way
figured out a very clever way
56
179360
3776
Din această imagine, eu și echipa mea
am găsit o cale isteață
am găsit o cale isteață
03:15
to extract billions
of information packets.
of information packets.
57
183160
2736
de a extrage miliarde de pachete
de informații.
de informații.
03:17
These information packets
included colors, pixels, geometry
included colors, pixels, geometry
58
185920
3696
Aceste pachete de informații includ
culori, pixeli, geometrie
culori, pixeli, geometrie
03:21
and rendering of the disease
on the medical image.
on the medical image.
59
189640
2536
și redarea bolii în imaginea medicală.
03:24
In a sense, we converted one image
into billions of training data points,
into billions of training data points,
60
192200
4336
Într-un sens, am convertit o imagine
în miliarde de puncte de formare,
în miliarde de puncte de formare,
03:28
massively reducing the amount of data
needed for training.
needed for training.
61
196560
3536
reducând masiv cantitatea de date
necesară pentru pregătire.
necesară pentru pregătire.
03:32
For our second goal,
62
200120
1216
Pentru al doilea țel,
reducerea utilizării
de tehnologie medicală imagistică scumpă
de tehnologie medicală imagistică scumpă
03:33
to reduce the use of expensive medical
imaging technologies to screen patients,
imaging technologies to screen patients,
63
201360
3856
pentru a examina pacienții,
03:37
we started with a standard,
white light photograph,
white light photograph,
64
205240
2856
s-a început cu fotografie
standard de lumină albă,
standard de lumină albă,
03:40
acquired either from a DSLR camera
or a mobile phone, for the patient.
or a mobile phone, for the patient.
65
208120
4336
achiziționată fie de la camera DSLR
sau de la telefonul mobil al pacientului.
sau de la telefonul mobil al pacientului.
03:44
Then remember those
billions of information packets?
billions of information packets?
66
212480
2456
Rețineți acele miliarde
de pachete de informații?
de pachete de informații?
03:46
We overlaid those from
the medical image onto this image,
the medical image onto this image,
67
214960
3536
Le-am suprapus pe acelea din imaginea
medicală pe această imagine,
medicală pe această imagine,
03:50
creating something
that we call a composite image.
that we call a composite image.
68
218520
2520
creând ceva ce numim o imagine compusă.
03:53
Much to our surprise,
we only required 50 --
we only required 50 --
69
221480
3296
Spre surprinderea noastră,
am avut nevoie de doar 50 -
am avut nevoie de doar 50 -
03:56
I repeat, only 50 --
70
224800
1336
repet, doar 50 -
03:58
of these composite images to train
our algorithms to high efficiencies.
our algorithms to high efficiencies.
71
226160
3840
de astfel de imagini compuse
ca să facem algoritmul mai eficient.
ca să facem algoritmul mai eficient.
04:02
To summarize our approach,
72
230680
1336
Ca să rezum,
04:04
instead of using 10,000
very expensive medical images,
very expensive medical images,
73
232040
3176
în loc de 10.000 de imagini
medicale foarte scumpe,
medicale foarte scumpe,
04:07
we can now train the AI algorithms
in an unorthodox way,
in an unorthodox way,
74
235240
3016
acum putem antrena algoritmii IA
într-un mod neortodox,
într-un mod neortodox,
04:10
using only 50 of these high-resolution,
but standard photographs,
but standard photographs,
75
238280
4256
folosind doar 50 de fotografii standard
de rezoluție mare,
de rezoluție mare,
04:14
acquired from DSLR cameras
and mobile phones,
and mobile phones,
76
242560
2496
achiziționate de la camere DSLR
și telefoane mobile,
și telefoane mobile,
04:17
and provide diagnosis.
77
245080
1536
și putem stabili diagnostice.
04:18
More importantly,
78
246640
1216
Mai important,
04:19
our algorithms can accept,
in the future and even right now,
in the future and even right now,
79
247880
3136
algoritmii noștri pot accepta,
în viitor sau chiar și acum,
în viitor sau chiar și acum,
04:23
some very simple, white light
photographs from the patient,
photographs from the patient,
80
251040
2816
fotografii foarte simple
cu lumină albă, de la pacient,
cu lumină albă, de la pacient,
04:25
instead of expensive
medical imaging technologies.
medical imaging technologies.
81
253880
2440
în loc de tehnologie medicală
imagistică foarte scumpă.
imagistică foarte scumpă.
04:29
I believe that we are poised
to enter an era
to enter an era
82
257120
3096
Cred că suntem pregătiți
pentru a intra într-o eră
pentru a intra într-o eră
04:32
where artificial intelligence
83
260240
1936
în care inteligența artificială
04:34
is going to make an incredible
impact on our future.
impact on our future.
84
262200
2536
o să aibă un impact incredibil
asupra viitorului nostru.
asupra viitorului nostru.
04:36
And I think that thinking
about traditional AI,
about traditional AI,
85
264760
2456
Cred că, gândindu-ne la IA tradițională,
04:39
which is data-rich but application-poor,
86
267240
2776
care e bogată în date,
dar săracă în aplicații,
dar săracă în aplicații,
ar trebui să continuăm să ne gândim
04:42
we should also continue thinking
87
270040
1536
04:43
about unorthodox artificial
intelligence architectures,
intelligence architectures,
88
271600
3016
la aceste neortodoxe arhitecturi
de inteligență artificială,
de inteligență artificială,
04:46
which can accept small amounts of data
89
274640
1936
care pot accepta mici cantități de date
și pot rezolva câteva dintre problemele
cu care ne confruntăm,
cu care ne confruntăm,
04:48
and solve some of the most important
problems facing us today,
problems facing us today,
90
276600
2936
în special în domeniul sănătății.
04:51
especially in health care.
91
279560
1256
04:52
Thank you very much.
92
280840
1216
Vă mulțumesc foarte mult.
04:54
(Applause)
93
282080
3840
(Aplauze)
ABOUT THE SPEAKER
Pratik Shah - Medical technologistDr. 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.
Pratik Shah | Speaker | TED.com