ABOUT THE SPEAKER
Pratik Shah - Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine.

Why you should listen

Dr. Shah's research program at the MIT Media Lab develops scalable and low-cost diagnostics and therapeutics. His ongoing research areas at MIT include: 1) artificial intelligence and machine learning methods for detection of cancer biomarkers using standard photographs vs. expensive medical images; 2) unorthodox artificial intelligence and machine learning algorithms to design optimal and faster clinical trials and to reduce adverse effects on patients; and 3) low-cost and open source imaging devices, paper diagnostics, algorithms and mobile phones to improve public health and generate real-world data.

Clinical studies with Pratik's medical technologies have revealed "missing sick" patients, who otherwise remain undiagnosed in conventional healthcare settings. Dr. Shah's graduate and postdoctoral research contributed to the discovery of a vaccine component to prevent pneumococcal (Streptococcus pneumoniae) diseases; the identification of new pathways, technologies and metabolites as antimicrobials to target gastrointestinal infections; and a nonprofit to deploy a low-cost water quality test for the developing world.

Past recognition for Dr. Shah includes the American Society for Microbiology's Raymond W. Sarber national award, the Harvard Medical School and Massachusetts General Hospitals ECOR Fund for Medical Discovery postdoctoral fellowship, the AAAS-Lemelson Invention Ambassador Award and a TED Fellowship. Pratik has been an invited discussion leader at Gordon Research Seminars; a speaker at Cold Spring Harbor Laboratories, Gordon Research Conferences and IEEE bioengineering conferences; and a peer reviewer for leading scientific publications and funding agencies. Pratik has a BS, MS, and a PhD in Microbiology and completed fellowship training at The Broad Institute of MIT and Harvard, Massachusetts General Hospital and Harvard Medical School.

More profile about the speaker
Pratik Shah | Speaker | TED.com
TEDGlobal 2017

Pratik Shah: How AI is making it easier to diagnose disease

Пратик Шах: Как искусственный интеллект облегчает медицинскую диагностику

Filmed:
1,571,835 views

Сегодняшние алгоритмы Искусственного интеллекта нуждаются в десятках тысяч дорогостоящих изображений для выявления болезни пациента. Что будет, если мы резко сократим объём данных, необходимых для обучения алгаритмов и сделаем диагностику дешёвой и эффективной? Стипендиат TED Пратик Шах работает над созданием программы, которая поможет это осуществить. Используя неортодоксальный подход к искусственному интеллекту, Шах разработал технологию, при которой требуется всего 50 изображений для натаскивания рабочего алгоритма, при этом программа может брать за основу фотографии, сделанные на сотовых телефонах врачей, для постановки диагноза. Узнайте больше о том, как новый способ анализа медицинской информации может привести к раннему выявлению опасных для жизни заболеваний и как искусственный интеллект поможет проводить диагностику по всему миру.
- Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine. Full bio

Double-click the English transcript below to play the video.

00:13
Computerкомпьютер algorithmsалгоритмы todayCегодня
are performingвыполнение incredibleнеимоверный tasksзадания
0
1280
3856
Компьютерные алгоритмы сегодня
выполняют невероятные задачи
00:17
with highвысокая accuraciesточность, at a massiveмассивный scaleмасштаб,
usingс помощью human-likeчеловек, как intelligenceинтеллект.
1
5160
4736
с высокой точностью, в широких масштабах,
используя похожий на людской интеллект.
00:21
And this intelligenceинтеллект of computersкомпьютеры
is oftenдовольно часто referredупоминается to as AIискусственный интеллект
2
9920
3936
Вычислительную способность
компьютеров часто называют ИИ,
00:25
or artificialискусственный intelligenceинтеллект.
3
13880
1856
или искусственный интеллект.
00:27
AIискусственный интеллект is poisedсбалансирован to make an incredibleнеимоверный impactвлияние
on our livesжизни in the futureбудущее.
4
15760
4200
ИИ окажет невероятное влияние
влияние на нашу будущую жизнь.
00:32
TodayCегодня, howeverОднако,
we still faceлицо massiveмассивный challengesпроблемы
5
20880
3936
Однако мы по-прежнему
сталкиваемся с серьёзными проблемами
00:36
in detectingобнаружения and diagnosingдиагностики
severalнесколько life-threateningугрожающие жизни illnessesболезни,
6
24840
3496
в выявлении и диагностировании ряда
опасных для жизни болезней,
00:40
suchтакие as infectiousинфекционный diseasesболезни and cancerрак.
7
28360
2360
таких как рак и инфекционные заболевания.
00:44
Thousandsтысячи of patientsпациентов everyкаждый yearгод
8
32000
2296
Тысячи пациентов каждый год
00:46
loseпотерять theirих livesжизни
dueв связи to liverпечень and oralпероральный cancerрак.
9
34320
2800
умирают из-за рака печени и полости рта.
00:49
Our bestЛучший way to help these patientsпациентов
10
37880
2696
Лучший способ помочь этим пациентам —
00:52
is to performвыполнять earlyрано detectionобнаружение
and diagnosesдиагнозы of these diseasesболезни.
11
40600
4320
выявить и диагностировать
заболевание на ранней стадии.
00:57
So how do we detectобнаружить these diseasesболезни todayCегодня,
and can artificialискусственный intelligenceинтеллект help?
12
45880
4160
Как мы выявляем эти болезни сегодня и как
нам может помочь искусственный интеллект?
01:03
In patientsпациентов who, unfortunatelyК сожалению,
are suspectedподозреваемый of these diseasesболезни,
13
51920
3656
Для пациентов, у которых, к сожалению,
есть подозрения на эти заболевания,
01:07
an expertэксперт physicianврач first ordersзаказы
14
55600
2656
эксперт-медик сначала заказывает
01:10
very expensiveдорогая
medicalмедицинская imagingизображений technologiesтехнологии
15
58280
2616
очень дорогие медицинские анализы,
01:12
suchтакие as fluorescentфлуоресцентный imagingизображений,
CTsCTs, MRIsMRIs, to be performedвыполнено.
16
60920
4096
такие как флуоресцентная визуализация:
томография ТТ и МРТ.
01:17
Onceоднажды those imagesизображений are collectedсобранный,
17
65040
2296
Как только изображения готовы,
01:19
anotherдругой expertэксперт physicianврач then diagnosesдиагнозы
those imagesизображений and talksпереговоры to the patientпациент.
18
67360
4520
следующий эксперт анализирует
изображения и сообщает диагноз пациенту.
01:24
As you can see, this is
a very resource-intensiveресурсов processобработать,
19
72520
3456
Как вы заметили,
это очень ресурсоёмкий процесс,
01:28
requiringтребующий bothи то и другое expertэксперт physiciansврачи,
expensiveдорогая medicalмедицинская imagingизображений technologiesтехнологии,
20
76000
4416
требующий как экспертного мнения,
так и дорогостоящих технологий томографии.
01:32
and is not consideredсчитается practicalпрактическое
for the developingразвивающийся worldМир.
21
80440
3096
Не самый практичный подход
для развивающихся стран.
01:35
And in factфакт, in manyмногие
industrializedпромышленно развитый nationsнации, as well.
22
83560
3360
Фактически, даже для многих
промышленно развитых стран.
01:39
So, can we solveрешать this problemпроблема
usingс помощью artificialискусственный intelligenceинтеллект?
23
87760
2880
Итак, можно ли решить эту проблему
с помощью искусственного интеллекта?
01:43
TodayCегодня, if I were to use traditionalтрадиционный
artificialискусственный intelligenceинтеллект architecturesархитектуры
24
91840
4056
Сегодня, если использовать традиционные
модели искусственного интеллекта
для решения этой задачи,
01:47
to solveрешать this problemпроблема,
25
95920
1216
потребуется 10 000 —
01:49
I would requireтребовать 10,000 --
26
97160
1456
01:50
I repeatповторение, on an orderзаказ of 10,000
of these very expensiveдорогая medicalмедицинская imagesизображений
27
98640
4016
повторюсь, потребуется порядка
10 000 дорогостоящих изображений,
которые сначала надо сгенерировать.
01:54
first to be generatedгенерироваться.
28
102680
1376
01:56
After that, I would then go
to an expertэксперт physicianврач,
29
104080
2896
Затем передать их эксперту-медику
01:59
who would then analyzeанализировать
those imagesизображений for me.
30
107000
2496
для проведения анализа
полученных результатов.
02:01
And usingс помощью those two piecesкуски of informationИнформация,
31
109520
2096
Используя эти две части информации,
02:03
I can trainпоезд a standardстандарт deepглубоко neuralнервный networkсеть
or a deepглубоко learningобучение networkсеть
32
111640
3656
я могу запрограммировать
стандартную нейронную сеть
02:07
to provideпредоставлять patient'sпациента diagnosisдиагностика.
33
115320
2136
на выявление диагноза пациента.
02:09
SimilarАналогичный to the first approachподход,
34
117480
1736
Подобно первому подходу,
02:11
traditionalтрадиционный artificialискусственный
intelligenceинтеллект approachesподходы
35
119240
2143
традиционные методы
искусственного интеллекта
02:13
sufferстрадать from the sameодна и та же problemпроблема.
36
121407
1449
сталкиваются с той же проблемой:
02:14
Largeбольшой amountsсуммы of dataданные, expertэксперт physiciansврачи
and expertэксперт medicalмедицинская imagingизображений technologiesтехнологии.
37
122880
4560
огромные объёмы данных,
работа экспертов и технологии томографии.
02:20
So, can we inventвыдумывать more scalableмасштабируемый, effectiveэффективный
38
128320
4296
Можем ли мы изобрести
масштабируемые, эффективные
02:24
and more valuableценный artificialискусственный
intelligenceинтеллект architecturesархитектуры
39
132640
3296
и более действенные модели
искусственного интеллекта
для решения проблем первоочередной
важности, стоящих перед нами сегодня?
02:27
to solveрешать these very importantважный
problemsпроблемы facingоблицовочный us todayCегодня?
40
135960
3056
02:31
And this is exactlyв точку
what my groupгруппа at MITMIT MediaСМИ Labлаборатория does.
41
139040
3296
Этим вопросом мы занимаемся
в моей группе в Медиа-лаборатории MIT.
02:34
We have inventedизобрел a varietyразнообразие
of unorthodoxнеортодоксальный AIискусственный интеллект architecturesархитектуры
42
142360
3856
Мы изобрели множество
неортодоксальных форм ИИ
02:38
to solveрешать some of the mostбольшинство importantважный
challengesпроблемы facingоблицовочный us todayCегодня
43
146240
3176
для решения не всех, но наиболее
важных задач, стоящих перед нами
02:41
in medicalмедицинская imagingизображений and clinicalклиническая trialsиспытания.
44
149440
2200
в области томографии
и клинических испытаний.
В примере, которым я поделился сегодня,
мы преследовали две цели.
02:44
In the exampleпример I sharedобщий
with you todayCегодня, we had two goalsцели.
45
152480
3056
02:47
Our first goalЦель was to reduceуменьшить
the numberномер of imagesизображений
46
155560
2976
Наша первая цель заключается
в уменьшении количества изображений,
02:50
requiredобязательный to trainпоезд
artificialискусственный intelligenceинтеллект algorithmsалгоритмы.
47
158560
3256
необходимых для обучения алгоритмов
искусственного интеллекта.
02:53
Our secondвторой goalЦель -- we were more ambitiousамбициозный,
48
161840
2096
Вторая цель более амбициозна:
02:55
we wanted to reduceуменьшить the use
of expensiveдорогая medicalмедицинская imagingизображений technologiesтехнологии
49
163960
3736
мы хотим уменьшить использование
дорогостоящих медицинских процедур
для обследования пациентов.
02:59
to screenэкран patientsпациентов.
50
167720
1216
03:00
So how did we do it?
51
168960
1200
Итак, как нам это удалось?
Для достижения первой цели
03:02
For our first goalЦель,
52
170920
1216
03:04
insteadвместо of startingначало
with tensдесятки and thousandsтысячи
53
172160
2056
вместо обработки десятков или тысяч
03:06
of these very expensiveдорогая medicalмедицинская imagesизображений,
like traditionalтрадиционный AIискусственный интеллект,
54
174240
3016
дорогостоящих скринингов,
как при традиционной форме ИИ,
03:09
we startedначал with a singleОдин medicalмедицинская imageобраз.
55
177280
2056
мы начали с единственного изображения.
03:11
From this imageобраз, my teamкоманда and I
figuredфигурный out a very cleverумная way
56
179360
3776
На основе снимка мы с моей командой
разработали очень рациональный способ
03:15
to extractэкстракт billionsмиллиарды
of informationИнформация packetsпакеты.
57
183160
2736
извлечения миллиардов блоков информации.
03:17
These informationИнформация packetsпакеты
includedвключены colorsцвета, pixelsпикселей, geometryгеометрия
58
185920
3696
Эти блоки информации содержат
цвет, пиксели, геометрию,
03:21
and renderingоказание of the diseaseболезнь
on the medicalмедицинская imageобраз.
59
189640
2536
визуализируя саму болезнь на изображении.
03:24
In a senseсмысл, we convertedпереоборудованный one imageобраз
into billionsмиллиарды of trainingобучение dataданные pointsточки,
60
192200
4336
Мы превратили одну картинку
в миллиарды точек данных,
значительно уменьшив объём данных,
необходимых для обучения алгоритма.
03:28
massivelyмассивно reducingсокращение the amountколичество of dataданные
neededнеобходимый for trainingобучение.
61
196560
3536
Для достижения второй цели —
03:32
For our secondвторой goalЦель,
62
200120
1216
03:33
to reduceуменьшить the use of expensiveдорогая medicalмедицинская
imagingизображений technologiesтехнологии to screenэкран patientsпациентов,
63
201360
3856
сокращения использования
дорогих технологий скрининга —
03:37
we startedначал with a standardстандарт,
whiteбелый lightлегкий photographфотография,
64
205240
2856
мы берём стандартную цифровую фотографию,
03:40
acquiredприобретенный eitherили from a DSLRDSLR cameraкамера
or a mobileмобильный phoneТелефон, for the patientпациент.
65
208120
4336
сделанную либо на фотоаппарате,
либо с помощью смартфона.
03:44
Then rememberзапомнить those
billionsмиллиарды of informationИнформация packetsпакеты?
66
212480
2456
Помните про миллиарды блоков информации?
03:46
We overlaidнакладным those from
the medicalмедицинская imageобраз ontoна this imageобраз,
67
214960
3536
Мы наложили на них изображения,
03:50
creatingсоздание something
that we call a compositeкомпозитный imageобраз.
68
218520
2520
создав так называемое
составное изображение.
03:53
Much to our surpriseсюрприз,
we only requiredобязательный 50 --
69
221480
3296
К нашему удивлению,
нам потребовалось всего лишь 50 —
03:56
I repeatповторение, only 50 --
70
224800
1336
повторяю, всего 50 —
03:58
of these compositeкомпозитный imagesизображений to trainпоезд
our algorithmsалгоритмы to highвысокая efficienciesэффективность.
71
226160
3840
составных изображений для наделения
наших алгоритмов большей эффективностью.
04:02
To summarizeподведем итог our approachподход,
72
230680
1336
Описывая наш подход:
04:04
insteadвместо of usingс помощью 10,000
very expensiveдорогая medicalмедицинская imagesизображений,
73
232040
3176
вместо использования
10 000 дорогостоящих изображений
04:07
we can now trainпоезд the AIискусственный интеллект algorithmsалгоритмы
in an unorthodoxнеортодоксальный way,
74
235240
3016
мы настраиваем алгоритм ИИ
нестандартным образом,
04:10
usingс помощью only 50 of these high-resolutionвысокое разрешение,
but standardстандарт photographsфотографии,
75
238280
4256
для чего требуется всего 50 стандартных
снимков с высоким разрешением,
04:14
acquiredприобретенный from DSLRDSLR camerasкамеры
and mobileмобильный phonesтелефоны,
76
242560
2496
полученных с цифровых
фотоаппаратов и телефонов.
04:17
and provideпредоставлять diagnosisдиагностика.
77
245080
1536
Так мы обеспечиваем диагностику.
04:18
More importantlyважно,
78
246640
1216
Что ещё более важно,
04:19
our algorithmsалгоритмы can acceptпринимать,
in the futureбудущее and even right now,
79
247880
3136
наши алгоритмы в будущем,
и даже уже сегодня, могут использовать
04:23
some very simpleпросто, whiteбелый lightлегкий
photographsфотографии from the patientпациент,
80
251040
2816
самые обычные фотографии,
сделанные пациентом,
04:25
insteadвместо of expensiveдорогая
medicalмедицинская imagingизображений technologiesтехнологии.
81
253880
2440
вместо дорогостоящих технологий скрининга.
04:29
I believe that we are poisedсбалансирован
to enterвойти an eraэпоха
82
257120
3096
Я считаю, что мы готовы вступить в эпоху,
04:32
where artificialискусственный intelligenceинтеллект
83
260240
1936
где искусственный интеллект
04:34
is going to make an incredibleнеимоверный
impactвлияние on our futureбудущее.
84
262200
2536
окажет невероятное
влияние на наше будущее.
Думаю, что наряду с привычной
формой искусственного интеллекта,
04:36
And I think that thinkingмышление
about traditionalтрадиционный AIискусственный интеллект,
85
264760
2456
04:39
whichкоторый is data-richДанные богатых but application-poorприменение бедных,
86
267240
2776
богатой данными,
но малофункциональной в приложениях,
04:42
we should alsoтакже continueПродолжать thinkingмышление
87
270040
1536
нужно продолжать работать
04:43
about unorthodoxнеортодоксальный artificialискусственный
intelligenceинтеллект architecturesархитектуры,
88
271600
3016
над новыми формами
искусственного интеллекта,
которые принимают небольшой объём данных,
04:46
whichкоторый can acceptпринимать smallмаленький amountsсуммы of dataданные
89
274640
1936
04:48
and solveрешать some of the mostбольшинство importantважный
problemsпроблемы facingоблицовочный us todayCегодня,
90
276600
2936
но решают некоторые из наиболее
важных проблем сегодняшнего дня,
04:51
especiallyособенно in healthздоровье careзабота.
91
279560
1256
особенно в здравоохранении.
04:52
Thank you very much.
92
280840
1216
Большое спасибо.
04:54
(ApplauseАплодисменты)
93
282080
3840
(Аплодисменты)
Translated by Olenka Rasskazova
Reviewed by Yulia Kallistratova

▲Back to top

ABOUT THE SPEAKER
Pratik Shah - Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine.

Why you should listen

Dr. Shah's research program at the MIT Media Lab develops scalable and low-cost diagnostics and therapeutics. His ongoing research areas at MIT include: 1) artificial intelligence and machine learning methods for detection of cancer biomarkers using standard photographs vs. expensive medical images; 2) unorthodox artificial intelligence and machine learning algorithms to design optimal and faster clinical trials and to reduce adverse effects on patients; and 3) low-cost and open source imaging devices, paper diagnostics, algorithms and mobile phones to improve public health and generate real-world data.

Clinical studies with Pratik's medical technologies have revealed "missing sick" patients, who otherwise remain undiagnosed in conventional healthcare settings. Dr. Shah's graduate and postdoctoral research contributed to the discovery of a vaccine component to prevent pneumococcal (Streptococcus pneumoniae) diseases; the identification of new pathways, technologies and metabolites as antimicrobials to target gastrointestinal infections; and a nonprofit to deploy a low-cost water quality test for the developing world.

Past recognition for Dr. Shah includes the American Society for Microbiology's Raymond W. Sarber national award, the Harvard Medical School and Massachusetts General Hospitals ECOR Fund for Medical Discovery postdoctoral fellowship, the AAAS-Lemelson Invention Ambassador Award and a TED Fellowship. Pratik has been an invited discussion leader at Gordon Research Seminars; a speaker at Cold Spring Harbor Laboratories, Gordon Research Conferences and IEEE bioengineering conferences; and a peer reviewer for leading scientific publications and funding agencies. Pratik has a BS, MS, and a PhD in Microbiology and completed fellowship training at The Broad Institute of MIT and Harvard, Massachusetts General Hospital and Harvard Medical School.

More profile about the speaker
Pratik Shah | Speaker | TED.com