In klinieken raken artsen gemakkelijk overbelast als er te veel patiënten zijn, wat leidt tot onnauwkeurigheid en fouten in de diagnose. Maar Google's AI DeepMind kan dit probleem minimaliseren met de mogelijkheid om in slechts enkele seconden nauwkeurig meer dan 50 ziekten te diagnosticeren die het gezichtsvermogen aantasten.
De angst dat technologie en kunstmatige intelligentie de plaats zullen innemen van veel mensen en ervoor zullen zorgen dat ze hun baan verliezen, was ooit een vergezocht concept, maar naarmate machinaal leren en robotica zich verder ontwikkelen, wordt die zorg steeds duidelijker.
Het lijdt geen twijfel dat robots veel werknemers in productielijnen kunnen vervangen, maar een taak die lijkt alsof alleen mensen dit kunnen doen, omdat het intuïtie, kennis, ervaring en aandachtsspanne vereist. Zelfs kleine details – de taak van de dokter – zijn nu bewezen door AI .
Google perfectioneert DeepMind steeds meer, omdat AI op basis van het beroemde kunstmatige intelligentienetwerk dat deze Go-speler versloeg nu ook ziekten kan diagnosticeren. In samenwerking met het Moorfields Eye Hospital heeft Google aangekondigd dat DeepMind nu meer dan 50 potentieel gezichtsbedreigende ziekten kan diagnosticeren met de nauwkeurigheid van 's werelds toonaangevende artsen.
Het DeepMind-team zei op de blog dat artsen, hoe getalenteerd ook, maar mensen zijn en veel tijd nodig zullen hebben om door oogscans te kijken en veel ziekten te diagnosticeren. Maar het DeepMind-team zegt dat de AI van Google in slechts een paar seconden optische tomografie (OCT) kan maken.
OCT is een veelgebruikte technologie om oogziekten op te sporen, maar het lezen van scans is erg tijdrovend. Als het algoritme artsen zou kunnen helpen, zou het geweldig zijn.

Een voorbeeld van systeemdiagnostiek. Foto's: UCL, Moorfields, DeepMind.
Maar net als bij zelfrijdende auto’s kan het laten trekken van conclusies door een computer soms tot fatale oordelen leiden. Onderzoekers van DeepMind gebruiken een aantal manieren om dit probleem te verzachten. De eerste is om niet op één algoritme te vertrouwen, maar om een groep algoritmen te gebruiken om kruiscontroles uit te voeren. De tweede is om niet één enkel antwoord te geven voor elke diagnose, maar om analyses en een mate van vertrouwen in de waarschijnlijkheid van nauwkeurigheid te bieden. Het laat ook zien hoe elk deel van het oog van de patiënt kan worden geïdentificeerd, zodat de arts het later kan analyseren. Het belangrijkste is dat het geen direct diagnostisch hulpmiddel is, maar alleen wordt gebruikt om te bepalen welke patiënten eerst behandeling nodig hebben.
Ook al klinkt deze informatie interessant voor u, wees niet al te bezorgd/opgewonden, want hoewel de resultaten veelbelovend zijn, bestaat er geen zekerheid dat DeepMind en vergelijkbare technologieën in een echte omgeving kunnen worden gebruikt. AI en nieuwe technologieën moeten nog wachten totdat ze worden gebruikt.
Bekijk meer: