Már nem csak tanul, teremt is a magyar MI

Orvosok munkáját segíti a magyar Mesterséges Intelligencia

Az egészségügyi területen az adatok hiánya és költségessége korlátozza az MI fejlődését, különösen a bőrbetegségek esetén. A magyar MI fejlesztő csapat, az AIP Labs azonban egy olyan fejlett, generatív MI-t, amely nemcsak tanul a meglévő forrásokból, hanem új adatokat is képes létrehozni, megkerülve a drága és nehezen beszerezhető címkézett adatok problémáját. Így szintetikus képeket tudnak alkotni olyan ritka bőrbetegségekről is, amelyekről jelenleg kevés információ áll rendelkezésre.

Az egészségügyi területen való mesterséges intelligencia fejlesztés során gyakran találkozunk a jó minőségű, címkézett adatok beszerzésének problémájával. A nyílt adatbázisokban sok kép van, de ezek nem használhatók fel egy komoly egészségügyi MI fejlesztéséhez. Például, hogy egy bőrbetegségről készült kép az algoritmus számára oktató anyag lehessen, három, egymástól független orvosnak kell megerősítenie, hogy a képen valóban az adott betegség található. Ugyanez igaz például a radiológiára, és minden orvosi képalkotási eljárásra is. Rengeteg idő és költség ez egy többszázezres adathalmaz esetén. csak ha véletlenül rossz adaton tanítjuk be az algoritmust, rossz diagnózist kaphatunk is, amelyen emberéletek is múlhatnak

Az adathiány nem csak pénzügyileg megterheli az ezzel foglalkozó vállalkozások és kutatók számára, hanem gátolja is a mesterséges intelligencia fejlődését. Ez a kihívás arra inspirálta az AIP Labs magyar MI fejlesztőcsapatot, hogy új és kreatív megoldásokat találjanak. A fejlesztők rájöttek arra, hogy képesek olyan fejlett, generatív mesterséges intelligenciát gyártani, amely jelenlegi adatokból, újabb adatokat képes generálni. Tehát, már a bőrbetegségek képéből, eltérő, de ugyanazon betegségekről szóló szintetikus képeket készített. Ezzel a megoldással, számtalan problémát ki lehet küszöbölni, így azt is, hogy egyes ritka betegségekről nagyon kevés képi anyag áll rendelkezésre. Az AIP Labs kutatói tanulmányt is közöltek eredményeikről , amiről a nemzetközi sajtó is beszámolt.

Valódi vagy szintetikus képek?

Felmérések szerint egyre több betegre egyre kevesebb orvos jut mindennek, a várólisták pedig egyre nőnek. Ezért kulcskérdéssé válik az egészségügy fenntarthatósága szempontjából, hogy az MI át tudja-e venni részben az orvosok munkáját, és segítse őket a gyors diagnózis alkotásában.

A bőrbetegségek detektálásához és egyéb orvosi diagnózishoz a gépi tanulásnak rengeteg adatra van szüksége, különösen címkézett képekre. Nem maga a fotó a kulcs, hanem a képekhez rendelhető címkék, amelyek segítik a gépi tanulást. Bőrgyógyászat területén tehát nem is a bőrbetegségről szóló kép az érték, hanem az, hogy tudjuk, a képen biztosan mondjuk ekcéma látható. Na de mi van akkor, ha nincs elegendő címkézett adat, vagyis nincs annyi kép egy-egy ritka betegségről, amely elegendő ahhoz, hogy a MI-t betanítsa?

Ekkor jön képbe a generatív mesterséges intelligencia, amit az AIP Labs fejlődött. Az AIP generatív modellje valós képeken tanul, majd olyan képeket, amelyeket hasonlítanak a valódiakra. Az AIP által használt megoldás egy megoldás diffúziós modell, ami a valós adatokból származó felhasználásával hoz létre szintetikus képeket. A szintetikus cég képek gyakran lehetséges más, az általa fejlesztett képfelismerő egészségügyi mesterséges intelligenciák teljesítményének javításában, különösen, ha nincs elegendő mennyiségű címkézett adat. Ritka bőrbetegségek esetén, mint a majomhimlő, aminek felismerése kulcskérdés lett, így egy kis számú adatsorból gyorsan lehet nagy számú adatsort csinálni, amelyet az orvosi validáció után fel lehet használni a gépi tanuláshoz.

Az AIP Labs csapata abban is különleges, hogy nemcsak rájött egy forradalmi megoldásra, de ki is fejlődött saját digitális dermatológiai rendszerét az AIP Derm -et, amely Magyarországon már több tízezer embert használ. A bőrgyógyászati ​​eredmény diagnózishoz és recepthez elég egy képet feltölteni, amire az órákon belül is jön az. Az ilyen generatív modellek adni pedig abban, hogy a digitális bőrklinika orvosai minél pontosabb diagnózisokat tudjanak.