هوش مصنوعی گوگل به پزشکان کمک می کند تصمیم بگیرند که آیا به تشخیص های هوش مصنوعی اعتماد کنند یا خیر
این آزمایش با مجموعه داده های مختلف ماموگرافی و اشعه ایکس برای غربالگری سل، در تعدادی از سیستم های هوش مصنوعی پیش بینی، با نتایج مشابه تکرار شده است. می‌گوید: «مزیت CoDoC این است که با انواع سیستم‌های هوش مصنوعی اختصاصی قابل همکاری است. کریشنامورتی “دی جی” دویجوتام در Google DeepMind
او می‌گوید: «برای سیستم‌هایی که هیچ شانسی برای تأثیرگذاری بر آنچه از جعبه سیاه بیرون می‌آیند، ندارید، اضافه کردن یادگیری ماشین ایده خوبی به نظر می‌رسد. “آیا این هوش مصنوعی را که قرار است تمام روز، هر روز برای کارهای معمول ما در کنار ما باشد، نزدیک تر می کند، نمی دانم.”
در یک آزمایش نظری از سیستم که توسط توسعه دهندگان آن در Google Research و Google DeepMind، آزمایشگاه هوش مصنوعی بریتانیایی که غول فناوری در سال 2014 خریداری کرد، انجام شد، CoDoC تعداد تفسیرهای مثبت کاذب از ماموگرافی را تا 25 درصد کاهش داد.
سپس از این آموزش برای قضاوت در مورد اینکه آیا می توان به تجزیه و تحلیل هوش مصنوعی اسکن بعدی اعتماد کرد یا اینکه نیاز به تأیید توسط انسان دارد، استفاده می کند. می‌گوید: «اگر از CoDoC با ابزار هوش مصنوعی و نتایج یک رادیولوژیست واقعی استفاده می‌کنید، و سپس CoDoC کمک می‌کند تصمیم بگیرید که از کدام نظر استفاده کنید، دقت حاصل بهتر از فرد یا ابزار هوش مصنوعی به تنهایی است.» آلن کارتیکسالینگام در Google Health UK، که روی جستجو کار کرد.
این برای کار با سیستم های هوش مصنوعی موجود طراحی شده است، که اغلب برای تفسیر تصاویر پزشکی مانند اشعه ایکس قفسه سینه یا ماموگرافی استفاده می شود. برای مثال، اگر یک ابزار هوش مصنوعی پیش‌بینی‌کننده ماموگرافی را تجزیه و تحلیل کند، CoDoC قضاوت می‌کند که آیا اطمینان درک شده از ابزار به اندازه‌ای قوی است که به تشخیص تکیه کند یا در صورت عدم قطعیت، انسان را درگیر کند.
این یک پیشرفت خوشایند است، اما ماموگرافی و بررسی سل شامل متغیرهای کمتری نسبت به اکثر تصمیمات تشخیصی است. هلن سالزبری بنابراین، در دانشگاه آکسفورد، گسترش استفاده از هوش مصنوعی به سایر برنامه ها دشوار خواهد بود.
هوش مصنوعی‌های پزشکی می‌توانند بیماری‌ها را از روی تصاویری مانند اشعه ایکس تشخیص دهند، اما معمولاً نمی‌توانند قضاوت کنند که چه زمانی ممکن است اشتباه باشند.
CoDoC است بر روی داده های حاوی تجزیه و تحلیل تصاویر پزشکی توسط ابزارهای هوش مصنوعی پیش بینی و در مورد اطمینان ابزار در تجزیه و تحلیل دقیق هر تصویر آموزش دیده است. نتایج با تفسیر همان تصاویر توسط یک پزشک انسانی و تایید پس از آنالیز با بیوپسی یا روش دیگری که نشان می‌دهد مشکل پزشکی کشف شده است، مقایسه شد. این سیستم دقت ابزار هوش مصنوعی در تجزیه و تحلیل تصاویر و دقت تخمین های اطمینان آن را نسبت به پزشکان می آموزد.
یک سیستم هوش مصنوعی جدید توسعه یافته توسط گوگل می تواند تصمیم بگیرد که چه زمانی به تصمیمات مبتنی بر هوش مصنوعی در مورد تشخیص های پزشکی اعتماد کند و چه زمانی برای نظر دوم به پزشک مراجعه کند. سازندگان آن ادعا می کنند که می تواند کارایی تجزیه و تحلیل داده های اسکن پزشکی را بهبود بخشد و حجم کاری را تا 66٪ کاهش دهد و در عین حال دقت را حفظ کند – اما هنوز در یک محیط بالینی واقعی آزمایش نشده است.
این سیستم، جریان کاری تعویق به کلینیک (CoDoC) متمرکز بر مکمل، با کمک به هوش مصنوعی پیش‌بینی‌کننده می‌داند که چه زمانی چیزی را نمی‌داند – اجتناب از مشکلات با جدیدترین ابزارهای هوش مصنوعی که می‌توانند حقایق را در صورت غیرقابل اعتماد بودن اختراع کنند. پاسخ می دهد.
