Новое исследование Стэнфордского университета может задеть чувства некоторых представителей медицинского сообщества, поскольку исследователи сообщают, что их недавно разработанный машинный алгоритм обучения может определить среди образцов тканей те, на которых показан определенный тип рака, с намного большей точностью, чем эпидемиологи-люди. Это – один из первых показателей, что компьютеры не просто могут быть полезны в аналитической медицине, а что они в некоторых вопросах превосходят человеческих врачей.

В лаборатории биохимии ученые постоянно «выручают» друг друга. Если бы они этого не делали, вся система не работала бы. Например, Джозефин имеет образцы тканей для анализа и должна определить те, в которых наличествует болезнь, у Кевина десяток чашек Петри, и он хочет найти те, которые содержат нужный тип колонии. Ни та, ни другой не могут увидеть отличный от собственных ожиданий результат, потому что у них есть интерес к определенному результату, таким образом, их анализ различных тканей (или чашек, или еще чего-то) не объективен. Это могло бы звучать абсурдно, но высококвалифицированные исследователи регулярно собирают образцы, просто пронизанные очень видимыми раковыми образованиями, и все равно идут к коллегам и спрашивают: «Эй, посмотрите, это рак?»

Но в больничной суете у коллег не всегда найдётся время, чтобы внимательно просмотреть ваши результаты. В любом случае оказывается довольно трудным интерпретировать результаты многих общих тестов, независимо от уровня интереса к нему.
Преподаватель Стэнфорда Майкл Снайдер (Michael Snyder) указал, что «на практике выявление патологий сейчас происходит очень субъективно. Два высококвалифицированных патолога, оценивающие тот же самый образец, соглашаются друг с другом только в 60 процентах случаев».

 

Например, посмотрите на эти испрещенные пометками фотографии рака молочной железы. Даже для специалиста различие между воспалительным очагом болезни и незначительным наростом не всегда очевидно, что в большом масштабе может повредить анализу заболеваний. Представьте, что речь идет о вашем здоровье. Хотели бы вы, чтобы диагноз, от которого зависит ваша жизнь, определялся тем, как именно врач сегодня разглядел предметное стекло?

Недавно разработанная система была обучена на более чем 2,000 образцов и в итоге способна определить более чем 10,000 отдельных черт, которые в совокупности способствуют правильной диагностике. Это куда выше способностей человека, умеющего выявлять лишь около нескольких сотен черт. Еще один плюс: алгоритм не имеет никакой научной или профессиональной гордости и будет отмечать регрессию заболевания, основываясь только на объективных данных.

Также стоит отметить, что искусственный интеллект выявил новые признаки рака. И это поможет людям в будущем.