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

Pratik Shah: Làm cách nào để có thể chẩn đoán bệnh dễ dàng hơn với AI ?

Filmed:
1,571,835 views

Các thuật toán AI ngày nay cần hàng chục nghìn bức ảnh y khoa đắt tiền để chẩn đoán bệnh. Sẽ ra sao nếu chúng ta kiên quyết giảm lượng dữ liệu cho một AI, chẩn đoán rẻ hơn nhưng hiệu quả hơn? Pratik Shah đang làm việc đó với một hệ thống khéo léo. Sử dụng AI không chính thống, Shah đã phát triển một thuật toán, có thể dùng cả ảnh điện thoại của bác sĩ để chẩn đoán. Tìm hiểu thêm về cách phương pháp phân tích thông tin y khoa mới mẻ này có thể phát hiện sớm những căn bệnh chết người và ứng dụng AI cho các cơ sở chăm sóc sức khỏe trên toàn thế giới.
- 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.

Các thuật toán của máy tính ngày nay
đang thực hiện những công việc phi thường
00:13
ComputerMáy tính algorithmsthuật toán todayhôm nay
are performingbiểu diễn incredibleđáng kinh ngạc tasksnhiệm vụ
0
1280
3856
với độ chính xác cao ở qui mô lớn,
giống như trí thông minh của con người.
00:17
with highcao accuracieschính xác, at a massiveto lớn scaletỉ lệ,
usingsử dụng human-likegiống người intelligenceSự thông minh.
1
5160
4736
Trí thông minh của máy tính vẫn
thường được gọi là AI
00:21
And this intelligenceSự thông minh of computersmáy vi tính
is oftenthường xuyên referredgọi to as AIAI
2
9920
3936
hay trí tuệ nhân tạo.
00:25
or artificialnhân tạo intelligenceSự thông minh.
3
13880
1856
AI đã sẵn sàng tạo ra tác động đáng kể
đối với cuộc sống con người ở tương lai.
00:27
AIAI is poisedsẵn sàng to make an incredibleđáng kinh ngạc impactva chạm
on our livescuộc sống in the futureTương lai.
4
15760
4200
00:32
TodayHôm nay, howeverTuy nhiên,
we still faceđối mặt massiveto lớn challengesthách thức
5
20880
3936
Tuy vậy, ngày nay chúng ta vẫn đang
đối đầu với những thách thức gian nan
trong việc xác định và chẩn đoán
một số bệnh đe dọa mạng sống con người
00:36
in detectingphát hiện and diagnosingchẩn đoán
severalmột số life-threateningđe dọa cuộc sống illnessesbệnh tật,
6
24840
3496
00:40
suchnhư là as infectioustruyền nhiễm diseasesbệnh tật and cancerung thư.
7
28360
2360
như các bệnh truyền nhiễm và ung thư.
00:44
ThousandsHàng ngàn of patientsbệnh nhân everymỗi yearnăm
8
32000
2296
Mỗi năm có hàng ngàn người
00:46
losethua theirhọ livescuộc sống
dueđến hạn to liverGan and oralmiệng cancerung thư.
9
34320
2800
đã chết vì ung thư gan và miệng.
00:49
Our besttốt way to help these patientsbệnh nhân
10
37880
2696
Cách tốt nhất để chúng ta giúp họ
là phát hiện và chẩn đoán sớm
những căn bệnh này.
00:52
is to performbiểu diễn earlysớm detectionphát hiện
and diagnoseschẩn đoán of these diseasesbệnh tật.
11
40600
4320
Chúng ta làm việc đó bằng cách nào
và liệu trí tuệ nhân tạo có thể hỗ trợ?
00:57
So how do we detectphát hiện these diseasesbệnh tật todayhôm nay,
and can artificialnhân tạo intelligenceSự thông minh help?
12
45880
4160
Đối với những bệnh nhân không may bị
nghi ngờ mắc bệnh,
01:03
In patientsbệnh nhân who, unfortunatelykhông may,
are suspectednghi ngờ of these diseasesbệnh tật,
13
51920
3656
đầu tiên bác sĩ sẽ yêu cầu sử dụng
01:07
an expertchuyên gia physicianbác sĩ first ordersđơn đặt hàng
14
55600
2656
01:10
very expensiveđắt
medicalY khoa imaginghình ảnh technologiescông nghệ
15
58280
2616
những công nghệ hình ảnh y khoa đắt đỏ,
01:12
suchnhư là as fluorescenthuỳnh quang imaginghình ảnh,
CTsCts, MRIsMRIs, to be performedthực hiện.
16
60920
4096
như chụp chiếu huỳnh quang, CT hay MRI.
Sau khi thu thập được những hình ảnh,
01:17
OnceMột lần those imageshình ảnh are collectedthu thập,
17
65040
2296
01:19
anotherkhác expertchuyên gia physicianbác sĩ then diagnoseschẩn đoán
those imageshình ảnh and talksnói chuyện to the patientbệnh nhân.
18
67360
4520
một chuyên gia khác sẽ chẩn đoán dựa vào
những ảnh trên và trao đổi với bệnh nhân.
Như bạn thấy, đây là một quá trình
chuyên sâu và tốn kém nhiều tài nguyên,
01:24
As you can see, this is
a very resource-intensivetài nguyên chuyên sâu processquá trình,
19
72520
3456
cần có những chuyên gia
cùng các thiết bị hình ảnh đắt đỏ,
01:28
requiringyêu cầu bothcả hai expertchuyên gia physiciansbác sĩ,
expensiveđắt medicalY khoa imaginghình ảnh technologiescông nghệ,
20
76000
4416
01:32
and is not consideredxem xét practicalthiết thực
for the developingphát triển worldthế giới.
21
80440
3096
và điều đó không thực tế đối với
các nước đang phát triển.
Thực ra ở nhiều nước công nghiệp hóa
cũng vậy.
01:35
And in factthực tế, in manynhiều
industrializedcông nghiệp hoá nationsquốc gia, as well.
22
83560
3360
Vậy làm sao ta có thể giải quyết vấn đề
bằng trí tuệ nhân tạo ?
01:39
So, can we solvegiải quyết this problemvấn đề
usingsử dụng artificialnhân tạo intelligenceSự thông minh?
23
87760
2880
Ngày nay, nếu tôi phải dùng
các mô hình trí tuệ nhân tạo truyền thống
01:43
TodayHôm nay, if I were to use traditionaltruyên thông
artificialnhân tạo intelligenceSự thông minh architectureskiến trúc
24
91840
4056
để giải quyết vấn đề này,
01:47
to solvegiải quyết this problemvấn đề,
25
95920
1216
tôi sẽ cần 10,000 --
01:49
I would requireyêu cầu 10,000 --
26
97160
1456
tôi nhắc lại, cần 10,000 ảnh y khoa đắt đỏ
01:50
I repeatnói lại, on an ordergọi món of 10,000
of these very expensiveđắt medicalY khoa imageshình ảnh
27
98640
4016
đầu tiên phải được chụp.
01:54
first to be generatedtạo ra.
28
102680
1376
Sau đó, tôi sẽ đến một chuyên gia
01:56
After that, I would then go
to an expertchuyên gia physicianbác sĩ,
29
104080
2896
01:59
who would then analyzephân tích
those imageshình ảnh for me.
30
107000
2496
để người đó phân tích những tấm ảnh.
Và sử dụng hai thông tin đó,
02:01
And usingsử dụng those two piecesmiếng of informationthông tin,
31
109520
2096
tôi có thể tạo ra một liên kết nơ-ron
nhân tạo tiêu chuẩn hoặc nghiên cứu sâu
02:03
I can trainxe lửa a standardTiêu chuẩn deepsâu neuralthần kinh networkmạng
or a deepsâu learninghọc tập networkmạng
32
111640
3656
để chẩn đoán bệnh.
02:07
to providecung cấp patient'sbệnh nhân diagnosischẩn đoán.
33
115320
2136
Tương tự như vậy,
02:09
SimilarTương tự như to the first approachtiếp cận,
34
117480
1736
trí tuệ nhân tạo truyền thống
02:11
traditionaltruyên thông artificialnhân tạo
intelligenceSự thông minh approachescách tiếp cận
35
119240
2143
cũng trải qua vấn đề đó.
02:13
sufferđau khổ from the sametương tự problemvấn đề.
36
121407
1449
02:14
LargeLớn amountslượng of datadữ liệu, expertchuyên gia physiciansbác sĩ
and expertchuyên gia medicalY khoa imaginghình ảnh technologiescông nghệ.
37
122880
4560
Khối lượng dữ liệu lớn, bác sĩ hàng đầu
và những chuyên gia về công nghệ hình ảnh.
Vậy chúng ta có thể phát minh ra mô hình
mở rộng mang tính hiệu quả
02:20
So, can we inventphát minh more scalablecó thể mở rộng, effectivecó hiệu lực
38
128320
4296
và nhiều kiến trúc trí tuệ nhân tạo
đáng giá hơn
02:24
and more valuablequý giá artificialnhân tạo
intelligenceSự thông minh architectureskiến trúc
39
132640
3296
02:27
to solvegiải quyết these very importantquan trọng
problemscác vấn đề facingđối diện us todayhôm nay?
40
135960
3056
để xử lí các vấn đề quan trọng
mà ta đang đối mặt ngày nay ?
Và đây là những việc nhóm phòng thí nghiệm
truyền thông MIT thực hiện.
02:31
And this is exactlychính xác
what my groupnhóm at MITMIT MediaPhương tiện truyền thông LabPhòng thí nghiệm does.
41
139040
3296
02:34
We have inventedphát minh a varietyđa dạng
of unorthodoxkhông chánh thống AIAI architectureskiến trúc
42
142360
3856
Chúng tôi đã phát minh ra
nhiều kiến trúc AI không chính thống
để giải quyết một số thách thức
quan trọng nhất mà ta đang gặp phải
02:38
to solvegiải quyết some of the mostphần lớn importantquan trọng
challengesthách thức facingđối diện us todayhôm nay
43
146240
3176
02:41
in medicalY khoa imaginghình ảnh and clinicallâm sàng trialsthử nghiệm.
44
149440
2200
trong kĩ thuật ảnh y khoa và
các thử nghiệm lâm sàng.
Ở ví dụ đã chia sẻ với các bạn
hôm nay, chúng tôi có hai mục tiêu.
02:44
In the examplethí dụ I sharedchia sẻ
with you todayhôm nay, we had two goalsnhững mục tiêu.
45
152480
3056
02:47
Our first goalmục tiêu was to reducegiảm
the numbercon số of imageshình ảnh
46
155560
2976
Đầu tiên là giảm số lượng hình ảnh
cần để huấn luyện các thuật toán
trí tuệ nhân tạo.
02:50
requiredcần thiết to trainxe lửa
artificialnhân tạo intelligenceSự thông minh algorithmsthuật toán.
47
158560
3256
Thứ hai--
chúng tôi có tham vọng hơn thế nữa,
02:53
Our secondthứ hai goalmục tiêu -- we were more ambitioustham vọng,
48
161840
2096
02:55
we wanted to reducegiảm the use
of expensiveđắt medicalY khoa imaginghình ảnh technologiescông nghệ
49
163960
3736
chúng tôi muốn giảm đi việc sử dụng
các kỹ thuật hình ảnh y khoa đắt đỏ
để chụp bệnh nhân.
02:59
to screenmàn patientsbệnh nhân.
50
167720
1216
Vậy chúng tôi đã làm thế nào?
03:00
So how did we do it?
51
168960
1200
Đối với mục tiêu đầu tiên,
03:02
For our first goalmục tiêu,
52
170920
1216
03:04
insteadthay thế of startingbắt đầu
with tenshàng chục and thousandshàng nghìn
53
172160
2056
thay vì bắt đầu với hàng nghìn
ảnh chụp y khoa đắt tiền,
như AI truyền thống,
03:06
of these very expensiveđắt medicalY khoa imageshình ảnh,
like traditionaltruyên thông AIAI,
54
174240
3016
03:09
we startedbắt đầu with a singleĐộc thân medicalY khoa imagehình ảnh.
55
177280
2056
chúng tôi bắt đầu
với một ảnh y khoa.
Từ ảnh này, nhóm tôi đã tìm ra
một cách rất thông minh
03:11
From this imagehình ảnh, my teamđội and I
figuredhình dung out a very clevertài giỏi way
56
179360
3776
trích ra hàng tỉ gói thông tin.
03:15
to extracttrích xuất billionshàng tỷ
of informationthông tin packetsgói dữ liệu.
57
183160
2736
03:17
These informationthông tin packetsgói dữ liệu
includedbao gồm colorsmàu sắc, pixelsđiểm ảnh, geometryhình học
58
185920
3696
Các gói thông tin này bao gồm màu sắc,
điểm ảnh, khối hình học
và tập hợp lại các bệnh trên ảnh y khoa.
03:21
and renderingvẽ lại of the diseasedịch bệnh
on the medicalY khoa imagehình ảnh.
59
189640
2536
Nói cách khác, chúng tôi đã chuyển một ảnh
thành hàng tỉ dữ liệu huấn luyện,
03:24
In a sensegiác quan, we convertedchuyển đổi one imagehình ảnh
into billionshàng tỷ of trainingđào tạo datadữ liệu pointsđiểm,
60
192200
4336
giảm một khối lượng lớn
các dữ liệu cần thiết cho việc huấn luyện.
03:28
massivelyồ ạt reducinggiảm the amountsố lượng of datadữ liệu
neededcần for trainingđào tạo.
61
196560
3536
03:32
For our secondthứ hai goalmục tiêu,
62
200120
1216
Đối với mục tiêu thứ hai,
để hạn chế sử dụng các công nghệ
đắt tiền cho bệnh nhân,
03:33
to reducegiảm the use of expensiveđắt medicalY khoa
imaginghình ảnh technologiescông nghệ to screenmàn patientsbệnh nhân,
63
201360
3856
03:37
we startedbắt đầu with a standardTiêu chuẩn,
whitetrắng lightánh sáng photographảnh chụp,
64
205240
2856
chúng tôi bắt đầu với một bức ảnh
ánh sáng trắng chuẩn,
03:40
acquiredđã mua eitherhoặc from a DSLRDSLR cameraMáy ảnh
or a mobiledi động phoneđiện thoại, for the patientbệnh nhân.
65
208120
4336
được lấy từ máy ảnh DSLR hay điện thoại,
từ bệnh nhân.
Các bạn còn nhớ hàng tỉ gói thông tin
đó không?
03:44
Then remembernhớ lại those
billionshàng tỷ of informationthông tin packetsgói dữ liệu?
66
212480
2456
03:46
We overlaidbị che khuất those from
the medicalY khoa imagehình ảnh ontotrên this imagehình ảnh,
67
214960
3536
Chúng tôi phủ chúng lên tấm ảnh này,
tạo ra thứ mà chúng tôi gọi là
ảnh tổng hợp.
03:50
creatingtạo something
that we call a compositecomposite imagehình ảnh.
68
218520
2520
Chúng tôi rất ngạc nhiên khi chỉ cần 50--
03:53
Much to our surprisesự ngạc nhiên,
we only requiredcần thiết 50 --
69
221480
3296
tôi nhắc lại, chỉ 50 tấm ảnh tổng hợp--
03:56
I repeatnói lại, only 50 --
70
224800
1336
03:58
of these compositecomposite imageshình ảnh to trainxe lửa
our algorithmsthuật toán to highcao efficiencieshiệu quả.
71
226160
3840
để huấn luyện các thuật toán
của mình đạt hiệu quả cao.
Tóm lại,
04:02
To summarizetóm tắt our approachtiếp cận,
72
230680
1336
thay vì 10,000 hình ảnh y khoa
cực kì đắt đỏ,
04:04
insteadthay thế of usingsử dụng 10,000
very expensiveđắt medicalY khoa imageshình ảnh,
73
232040
3176
04:07
we can now trainxe lửa the AIAI algorithmsthuật toán
in an unorthodoxkhông chánh thống way,
74
235240
3016
chúng ta bây giờ có thể dùng thuật toán AI
theo cách không chính thống,
04:10
usingsử dụng only 50 of these high-resolutionđộ phân giải cao,
but standardTiêu chuẩn photographshình ảnh,
75
238280
4256
chỉ cần 50 bức ảnh chuẩn
có độ phân giải cao,
04:14
acquiredđã mua from DSLRDSLR camerasmáy ảnh
and mobiledi động phonesđiện thoại,
76
242560
2496
được lấy từ máy ảnh DSLR hay điện thoại,
04:17
and providecung cấp diagnosischẩn đoán.
77
245080
1536
để chẩn đoán.
04:18
More importantlyquan trọng,
78
246640
1216
Quan trọng hơn thế,
thuật toán của chúng tôi có thể chấp nhận,
trong tương lai và cả hiện tại,
04:19
our algorithmsthuật toán can acceptChấp nhận,
in the futureTương lai and even right now,
79
247880
3136
04:23
some very simpleđơn giản, whitetrắng lightánh sáng
photographshình ảnh from the patientbệnh nhân,
80
251040
2816
những bức ảnh với ánh sáng trắng đơn giản
từ bệnh nhân,
thay vì các công nghệ hình ảnh y khoa
đắt tiền.
04:25
insteadthay thế of expensiveđắt
medicalY khoa imaginghình ảnh technologiescông nghệ.
81
253880
2440
Tôi tin rằng chúng ta sẵn sàng
để bước vào một kỉ nguyên
04:29
I believe that we are poisedsẵn sàng
to enterđi vào an erakỷ nguyên
82
257120
3096
nơi mà trí tuệ nhân tạo
04:32
where artificialnhân tạo intelligenceSự thông minh
83
260240
1936
04:34
is going to make an incredibleđáng kinh ngạc
impactva chạm on our futureTương lai.
84
262200
2536
sẽ tạo ra những ảnh hưởng khó tin
trong tương lai.
04:36
And I think that thinkingSuy nghĩ
about traditionaltruyên thông AIAI,
85
264760
2456
Và tôi cho rằng ý kiến về AI truyền thống,
04:39
which is data-richdữ liệu phong phú but application-poorứng dụng-nghèo,
86
267240
2776
thứ giàu tài nguyên nhưng ít ứng dụng,
chúng ta nên suy nghĩ thêm
04:42
we should alsocũng thế continuetiếp tục thinkingSuy nghĩ
87
270040
1536
04:43
about unorthodoxkhông chánh thống artificialnhân tạo
intelligenceSự thông minh architectureskiến trúc,
88
271600
3016
về các mô hình
trí tuệ nhân tạo không chính thống,
chỉ cần một lượng nhỏ dữ liệu
04:46
which can acceptChấp nhận smallnhỏ bé amountslượng of datadữ liệu
89
274640
1936
để giải quyết các vấn đề quan trọng nhất
mà chúng ta đang đối mặt ngày nay,
04:48
and solvegiải quyết some of the mostphần lớn importantquan trọng
problemscác vấn đề facingđối diện us todayhôm nay,
90
276600
2936
04:51
especiallyđặc biệt in healthSức khỏe carequan tâm.
91
279560
1256
nhất là việc chăm sóc sức khỏe.
04:52
Thank you very much.
92
280840
1216
Cảm ơn rất nhiều.
04:54
(ApplauseVỗ tay)
93
282080
3840
(Vỗ tay)
Translated by Huu Nhat Tran

▲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