Комментарии 11
Тоже об этом подумал. Ну окей, научили сетку заполнять 75% изображения своими данными "по опыту". Обманули реальных специалистов, что снимки похожие. Но что если в этих 75% были проблемы пациента, а сеть их закрасила как "здесь обычно находится серое вещество, вот оно".
Это работает и в обратную сторону — если на МРТ есть малейшие симптомы болезни, то нейросеть может дорисовать типичную картину. То есть это надо воспринимать как экспресс тест — если сразу показало проблему, то нужно лечить. А если ничего нет, то делать полное обследование. Не зря там упоминаются экстренные случаи (инсульты, дети), когда нет возможности ждать обычный час.
Это надо рассматривать как обычный детектор. Результат можно вывести текстом, а можно нарисовать наглядную картинку для доктора. Сути это не меняет.
Предполагается, что этих 25% данных достаточно для постановки диагноза (и в исследовании это доказывается, см. ниже). Это ведь не первые 25% данных, а потом пустота. Скорее съемка ведется просто с более редким шагом или вроде того. Человек не может в такой шумной картинке что-то увидеть, а компьютеру этого достаточно.
Да, технически нейросеть дорисовывает картинку, заполняя пустоты, вы правы. Но не фантазируя от себя, а используя диагноз из тех 25% данных, которых достаточно для постановки диагноза. Доказательством этому служит то, что доктора не смогли отличить реальный снимок со 100% данными и сгенерированный нейросетью на основе 25%. Они получаются одинаковые.
Причем, обратите внимание, сюда как раз входят нетипичные, уникальные случаи болезней, о которых вы говорите. Ведь тестовую выборку, на которой это проверяется, нейросеть не видела. Если бы она заполняла их чем-то типичным, то снимки отличались бы, так как в тестовой выборке попались бы уникальные случаи. А в работе утверждается, что они получаются одинаковыми.
Но риск ошибочного диагноза конечно сохраняется (как и от живого доктора), поэтому наиболее разумно использовать эту технологию как экспресс тест. С возможностью потом провести полноценное исследование. Или хотя бы применять для хоть какой-то помощи в случаях, где полноценное исследование невозможно.
Ну, это ж первые шаги. Потенциал виден, хоть и не без недостатков. Это не тупиковое направление, как может показаться из других комментариев.
Это как было с первым GPT, уже тогда было понятно что примерно будет выдавать GPT-3. Так же как сейчас понятно, к чему приведет GPT-3 в своих следующих версиях.
ИИ от Facebook научили генерировать МРТ-изображения за минуты вместо одного часа