アルバータ大学のコンピューティング科学者チームとスピンオフ企業 MEDO の U of A による新しい研究によると、新しい深層学習モデルは、医療スキャンから病気をより迅速かつ正確に特定することを学習できます。 この画期的なモデルは、理学部の研究者チームの成果であり、PS752 便で行方不明になった大学院生の Pouneh Gorji の貢献も含まれています。
ディープラーニングは、人工知能のサブフィールドである機械学習の一種です。 ディープ ラーニングの手法は、大量のデータ セットからパターンを見つけ、予測に使用できるモデルを生成するコンピューター アルゴリズムです。 これらのモデルは、数十万または数百万の例から学ぶときに最もよく機能します。 しかし、医療診断の分野には独自の課題があり、研究者は通常、プライバシー上の理由から数百枚の医療スキャン画像にしかアクセスできません。
「ディープラーニング モデルが非常に少ないインスタンスでトレーニングされると、パフォーマンスが低下する傾向があります」と、この研究の筆頭著者であり、コンピューティング サイエンス学部の大学院生である Roberto Vega は述べています。
「私たちの研究では、少ないトレーニング インスタンスで医療タスクに効果的な深層学習モデルを学習する方法の問題に取り組みました。 主なアイデアは、医学文献に存在する知識を活用して、学習プロセスをより適切に導くことができるということです。」
パフォーマンスの向上は、医療専門家によって間接的に提供された医療画像と、それに対応する「確率的」診断でアルゴリズムをトレーニングすることによってもたらされます。 このアプローチにより、アルゴリズムはスキャンで各疾患を特徴付けるパターンを学習し、新しい患者のスキャンでどの疾患が示されるか、またはスキャンが健康に見えるかどうかを予測できるようになります。
「私たちのアプローチは、モデルの分類精度を向上させ、その予測に有意な信頼性をもたらし、疾患がスキャンに存在する確率の推定値を提供しました」とベガ氏は述べています。
「この調査により、私たちは放射線科医に、仕事をより簡単に、より迅速に、より効果的にする優れたツールを提供したいと考えています。 また、医療従事者の不足という問題も抱えており、これは発展途上国で深刻化する問題です。 私たちの希望は、医療専門家がより良い決定を下すためのモデルを開発できることです。」
多くの方の作品
この調査には、コンピューター サイエンス学部の死後卒業生であり、PS752 便の悲劇の犠牲者である Pouneh Gorji からの多大な貢献が含まれています。 2020 年 176 月、ゴルジとアラシュ プルザラビは結婚するためにイランに帰国し、PS752 便で死亡した XNUMX 人のうち、理学部コミュニティの XNUMX 人のメンバーのうちの XNUMX 人でした。
チームにとって、この調査は、ゴルジの遺産とプロジェクトへの彼女の重要な貢献を称える機会でもあります。 研究者がプロジェクトを開始したとき、アルゴリズムは股関節形成不全のみに焦点を当てていた、とベガは説明した。 ゴルジは脂肪肝を特定するための機械学習モデルの開発に取り組んでおり、チームに参加したことが最終的にアルゴリズムの再設計とパフォーマンスのブレークスルーにつながりました。
"オリジナル アルゴリズム 脂肪肝には効果がなかったので、Pouneh と私はこの問題を解決するために協力し始めました。 数週間後、私たちは元のアプローチに重大な欠陥があることを発見し、解決策を提案することができました.