Placeholder Image

字幕表 動画を再生する

  • Computer algorithms today are performing incredible tasks

    翻訳: Yumi Urushihara 校正: Eriko T

  • with high accuracies, at a massive scale, using human-like intelligence.

    現在のコンピューターアルゴリズムは 素晴らしい仕事をしています

  • And this intelligence of computers is often referred to as AI

    人間のような知能を持ち 膨大なデータを 高い精度で処理しています

  • or artificial intelligence.

    このコンピューターの知能は よく「AI」

  • AI is poised to make an incredible impact on our lives in the future.

    あるいは「人工知能」と呼ばれます

  • Today, however, we still face massive challenges

    AIは 人々の将来の暮らしに 素晴らしい影響を及ぼそうとしています

  • in detecting and diagnosing several life-threatening illnesses,

    しかし 私達は今でも 感染症やがんなどの

  • such as infectious diseases and cancer.

    命に関わる病気を 発見や診断をする際に

  • Thousands of patients every year

    数多くの課題に直面しています

  • lose their lives due to liver and oral cancer.

    毎年 何千人もの患者が

  • Our best way to help these patients

    肝臓がんや口腔がんで 亡くなっています

  • is to perform early detection and diagnoses of these diseases.

    これらの患者を救う 最善の方策は

  • So how do we detect these diseases today, and can artificial intelligence help?

    がんの早期発見と診断を 行うことです

  • In patients who, unfortunately, are suspected of these diseases,

    現在 病気はどう検出されているでしょう? AIは活用可能でしょうか?

  • an expert physician first orders

    不幸にも 患者にこれらの 病気の疑いがある際には

  • very expensive medical imaging technologies

    専門医が最初に指示するのは

  • such as fluorescent imaging, CTs, MRIs, to be performed.

    蛍光イメージング、CT、MRIなどの

  • Once those images are collected,

    とても高価な 医用画像技術の使用です

  • another expert physician then diagnoses those images and talks to the patient.

    画像が集まったら

  • As you can see, this is a very resource-intensive process,

    また別の専門医が画像を診断し 患者に診断を告げます

  • requiring both expert physicians, expensive medical imaging technologies,

    お分かりのように この過程は 膨大なリソースを要します

  • and is not considered practical for the developing world.

    2人の専門医、高価な医用画像技術

  • And in fact, in many industrialized nations, as well.

    発展途上国では 実用的ではありません

  • So, can we solve this problem using artificial intelligence?

    実際は 多くの先進国でも同じです

  • Today, if I were to use traditional artificial intelligence architectures

    ではAIを使って この問題を 解決できるでしょうか?

  • to solve this problem,

    現在 もし私が従来の AIの仕組みを使って

  • I would require 10,000 --

    この問題を解決しようとしたなら

  • I repeat, on an order of 10,000 of these very expensive medical images

    1万枚もの―

  • first to be generated.

    繰り返しますが 万単位の とても高価な医用画像が

  • After that, I would then go to an expert physician,

    まず必要になります

  • who would then analyze those images for me.

    その後 私は 専門医のところに行き

  • And using those two pieces of information,

    これらの画像を 分析してもらいます

  • I can train a standard deep neural network or a deep learning network

    そして これら2つの 情報を用いて

  • to provide patient's diagnosis.

    患者を診断するために 標準的な ディープニューラルネットワーク

  • Similar to the first approach,

    または ディープラーニングネットワークに 学習させることができます

  • traditional artificial intelligence approaches

    最初のアプローチと同じように

  • suffer from the same problem.

    AIを使った従来のアプローチでは

  • Large amounts of data, expert physicians and expert medical imaging technologies.

    同じ問題に突き当たります

  • So, can we invent more scalable, effective

    膨大なデータ、専門医 専門医用画像技術

  • and more valuable artificial intelligence architectures

    では より広めやすく、より効果的で

  • to solve these very important problems facing us today?

    より価値のある AIを構築し

  • And this is exactly what my group at MIT Media Lab does.

    現在私達が直面する 重要な課題を 解決することは可能でしょうか?

  • We have invented a variety of unorthodox AI architectures

    それがまさに MITメディアラボで 私のグループが取り組んでいる内容です

  • to solve some of the most important challenges facing us today

    現在 医用画像や臨床試験で直面する 最も重要な課題のいくつかを解決するために

  • in medical imaging and clinical trials.

    いくつかの斬新な AIの仕組みを開発しました

  • In the example I shared with you today, we had two goals.

    今日皆さんにお伝えした例では 2つの目標がありました

  • Our first goal was to reduce the number of images

    最初の目標は AIのアルゴリズムの

  • required to train artificial intelligence algorithms.

    学習に必要な画像の 枚数を減らすことでした

  • Our second goal -- we were more ambitious,

    2つ目の目標は より野心的で

  • we wanted to reduce the use of expensive medical imaging technologies

    患者をスクリーニングする際の 高価な医用画像技術の使用を

  • to screen patients.

    減らしたいと考えました

  • So how did we do it?

    私達は どう取り組んだでしょう?

  • For our first goal,

    最初の目標については

  • instead of starting with tens and thousands

    従来のAIのように

  • of these very expensive medical images, like traditional AI,

    数万枚もの高価な医用画像から 取りかかるのではなく

  • we started with a single medical image.

    1枚の医用画像から 始めることにしました

  • From this image, my team and I figured out a very clever way

    私のチームは この画像から 何十億もの

  • to extract billions of information packets.

    情報パケットを抽出する 賢い方法を見つけました

  • These information packets included colors, pixels, geometry

    これら情報パケットに含まれるのは 色、画素、位置関係—

  • and rendering of the disease on the medical image.

    そして医用画像に 病巣をレンダリングしたものです

  • In a sense, we converted one image into billions of training data points,

    ある意味 1枚の画像を何十億もの 学習用データへ変換できたことで

  • massively reducing the amount of data needed for training.

    学習に必要なデータ量の 大幅減が可能になりました

  • For our second goal,

    二つ目の目標

  • to reduce the use of expensive medical imaging technologies to screen patients,

    スクリーニングの目的で 高価な医用画像検査の使用を減らすために

  • we started with a standard, white light photograph,

    患者のためにデジタル一眼レフカメラや 携帯電話で撮影された

  • acquired either from a DSLR camera or a mobile phone, for the patient.

    標準的な白色光の写真から始めました

  • Then remember those billions of information packets?

    先程の何十億もの 情報パケットを覚えていますか?

  • We overlaid those from the medical image onto this image,

    医用画像から得たそれらの情報を この画像の上に重ね

  • creating something that we call a composite image.

    いわゆる 合成写真を作りました

  • Much to our surprise, we only required 50 --

    かなり驚いたことに わずか50枚で十分でした

  • I repeat, only 50 --

    繰り返しますが わずか50枚の

  • of these composite images to train our algorithms to high efficiencies.

    合成写真で 効率よくアルゴリズムに 学習させることができました

  • To summarize our approach,

    私達のアプローチをまとめると

  • instead of using 10,000 very expensive medical images,

    1万枚の とても高価な医用画像を 使うのではなく

  • we can now train the AI algorithms in an unorthodox way,

    AIアルゴリズムを画期的な 方法で学習させることが可能になりました

  • using only 50 of these high-resolution, but standard photographs,

    デジタル一眼レフカメラや 携帯電話で撮影した

  • acquired from DSLR cameras and mobile phones,

    標準的な高解像度写真が たった50枚あれば

  • and provide diagnosis.

    診断ができます

  • More importantly,

    より重要なことに

  • our algorithms can accept, in the future and even right now,

    私達のアルゴリズムは 将来 そして今でも

  • some very simple, white light photographs from the patient,

    高価な医用画像技術ではなく 患者が持つ

  • instead of expensive medical imaging technologies.

    ごくシンプルな 白色光写真を 活用できます

  • I believe that we are poised to enter an era

    AIが私達の将来に 素晴らしい影響を及ぼす

  • where artificial intelligence

    時代に入ろうとしていると

  • is going to make an incredible impact on our future.

    私は考えています

  • And I think that thinking about traditional AI,

    データはたくさんあれど 運用が不便だった

  • which is data-rich but application-poor,

    従来のAIのことを考えると

  • we should also continue thinking

    特に医療分野において

  • about unorthodox artificial intelligence architectures,

    少量のデータを活用し

  • which can accept small amounts of data

    私達が現在直面する

  • and solve some of the most important problems facing us today,

    最も大切な課題を解決できる 斬新なAIの仕組みについて

  • especially in health care.

    引き続き考えていくべきです

  • Thank you very much.

    どうもありがとうございました

  • (Applause)

    (拍手)

Computer algorithms today are performing incredible tasks

翻訳: Yumi Urushihara 校正: Eriko T

字幕と単語

動画の操作 ここで「動画」の調整と「字幕」の表示を設定することができます

B1 中級 日本語 TED ai 画像 高価 患者 診断

TED】Pratik Shah: How AIが病気を診断しやすくする方法 (How AIが病気を診断しやすくする方法|Pratik Shah) (【TED】Pratik Shah: How AI is making it easier to diagnose disease (How AI is making it easier to diagnose disease | Pratik Shah))

  • 2718 111
    林宜悉 に公開 2021 年 01 月 14 日
動画の中の単語