Kalifornian yliopiston tutkijat Cell-lehdessä esittivät maailmalle läpimurto-ratkaisunsa tekoälyn alalla. Heidän luomansa alustan avulla voidaan paitsi havaita myös diagnosoida silmän verkkokalvon rappeutumiseen liittyviä sairauksia. Tämä saavutettiin muun muassa muuttamalla tietokoneen oppimisjärjestelmää.
Tällä hetkellä voimme luottaa tekoälyyn esimerkiksi auton itsepysäköinnissä, mutta siihen luottaminen niin monimutkaisissa tilanteissa kuin lääketieteelliset diagnoosit eivät ole toistaiseksi olleet yleisiä käytäntöjä. Kalifornian yliopiston tutkijat haluavat muuttaa tätä - tekoälyn avulla luomansa alustan avulla voidaan paitsi diagnosoida ja erottaa kaksi suosituinta verkkokalvon sairautta (makuladegeneraatio ja diabeettinen makulaturvotus), myös arvioida taudin vakavuus.
Avain tähän menestykseen on ollut tekoälyn oppimistavan muuttaminen. Tutkijat käyttivät uutta erityistyyppiä koneoppimista, nimeltään "siirto-oppiminen". Lääketieteen siirtooppimisen ilmiö on, että sen avulla voit siirtää tietoa tauti-alueelta toiselle, mikä lisää diagnoosin tarkkuutta ja vähentää samalla oppimiseen tarvittavaa aikaa. Tällä hetkellä alusta on jo absorboinut 200 tuhatta. Verkkokalvon TT-skannaukset ja 30 sekunnin kuluessa pystyvät arvioimaan potilaan tarvitsevan hoitoa. Diagnoosin tehokkuus on noin 95%, jota kirjoittajat vertaavat hyvin koulutetun silmälääkärin tarkkuuteen. Lisäksi diagnoosiprosessi oli mahdollisimman läpinäkyvä, jotta jopa tekniikkaa tuntemattomat potilaat voisivat luottaa siihen. Tietokone näyttää jatkuvasti mitä aluetta se tarkastelee ja millä perusteella diagnoosi tehdään.
Siirto-oppimisjärjestelmän avulla kalifornialainen tekoäly voi diagnosoida rintakehän röntgensäteet ja 90 prosentilla. erottaa tarkasti viruksen ja bakteerin keuhkokuume. Tekijöiden lähin suunnitelma on käyttää sitä myös muilla lääketieteen alueilla, koska heidän mukaansa aina kun tietokantaa lisätään, diagnoosin tehokkuus kasvaa. Lopuksi tavoitteena on osoittaa lääkäreille, että tekoäly on arvokas työkalu, jonka avulla he voivat parantaa työtään, ja että potilaat - että tietokoneen tekemä nopea ja tarkka diagnoosi antaa heille tarvittavan hoidon nopeammin.
