/s3/static.nrc.nl/images/stripped/2407spobadminton.jpg "Bulu tangkis adalah sesuatu yang sakral di Indonesia")
Kecerdasan buatan (AI) dapat melakukan lebih dari sekadar menulis lirik dan membuat lagu. Misalnya, algoritme AI dapat dilatih untuk mendeteksi kanker pada tahap awal. Tapi beranikah kita begitu saja mempercayai catatan komputer yang tidak bisa dilihat oleh ahli radiologi dengan mata telanjang?
Het werkt eigenlijk heel simpel: een computer krijgt foto’s van CT-scans te zien. Voor elk plaatje waarop hij bepaalde afwijkingen detecteert, wordt de computer ‘beloond’. Na dit tienduizenden keren te hebben herhaald, heeft de computer geleerd wanneer een mogelijke tumor op de scan te zien is. Hij is zó goed getraind, dat hij er zelfs beter in is dan de mens.
Dit is slechts een van de weinige toepassingen van AI die er op dit moment in de zorg zijn. Maar deze techniek is veelbelovend en kan straks mogelijk veel sneller en nauwkeuriger dan radiologen vaststellen of iemand een kwaadaardige tumor in zijn lichaam heeft. En hoe sneller potentiële kanker wordt ontdekt, hoe beter het vaak te behandelen is.
Deze week werd een nieuwe studie naar zo’n AI-toepassing gepubliceerd in eBioMedicine, de medische tak van het wetenschappelijke tijdschrift The Lancet. De onderzoekers bouwden een AI-algoritme dat in staat is om in een vroeg stadium ‘kankerknobbeltjes’ op longen te detecteren.
“In feite kun je deze techniek voor elke vorm van kanker toepassen”, zegt Mireille Broeders. Zij is als hoogleraar Pesonalized Cancer Screening verbonden aan het Radboudumc. “Dat komt doordat zo’n algoritme informatie uit zo’n beeld weet te halen wat wij als mensen niet kunnen zien.”
Krijg een melding bij nieuwe berichten
Penelitian kanker AI telah berhasil berkat komputer belajar mandiri
Dalam studi eBioMedicine Ini adalah salah satu dari beberapa studi yang dilakukan pada penerapan kecerdasan buatan dalam perawatan kanker. Menurut Jonas Tywin, Holland berada di garis depan dalam meneliti jenis algoritme ini. Teuwen berafiliasi dengan Institut Kanker Belanda di Rumah Sakit Antonie van Leeuwenhoek di Amsterdam. “Di Belanda, kami melakukan proyek semacam ini dalam skala besar,” katanya.
Broeders dan Teuwen mengatakan penelitian tentang AI dan kanker telah ada sejak lama, tetapi baru berkembang pesat dalam beberapa tahun terakhir. Broders: “Saat pembelajaran mendalam mulai berperan, itu benar-benar berhasil.” Pembelajaran mendalam adalah teknik yang memungkinkan komputer belajar dari sejumlah besar data mentah (pikirkan contoh CT scan).
“Sulit untuk mengatakan di tahap mana kita berada saat ini, karena disiplin yang benar-benar baru dalam AI ditambahkan secara teratur,” kata Tywin. “Tetapi ketika kita melihat skrining kanker payudara, menurut saya teknologinya berada pada titik di mana kita dapat menerapkannya.”
Ahli radiologi dapat memperoleh informasi yang tidak dapat diverifikasi
Tapi baik Broeders maupun Teuwen bersikeras perlunya memikirkan dengan hati-hati tentang pertanyaan (etis) yang datang dengan kecerdasan buatan. Menurut Broeders, sangat mungkin algoritme dapat mendeteksi perubahan yang tidak dapat dilihat oleh mata manusia. “Artinya Anda sebagai ahli radiologi diberi informasi yang tidak dapat Anda kendalikan.”
“Apakah kita mempercayai algoritme semacam itu? Apakah dapat diterima untuk membuat keputusan berdasarkan algoritme semacam itu saja?” Broeders bertanya-tanya dengan keras. Menurutnya, banyak pertanyaan yang harus kita jawab sebagai masyarakat. “Apakah suatu algoritme harus sempurna? Pekerjaan manusia juga sering kali tidak sempurna, tetapi dengan teknologi kita sering berpikir bahwa algoritme harus bekerja dengan sempurna.”
Teuwen juga mengingatkan bahwa kebanyakan algoritma belum siap untuk digunakan secara luas. Sebagian besar algoritme dilatih menggunakan kumpulan data terbatas. “Misalnya, Anda dapat membuat algoritme skrining untuk wanita dari Belanda. Namun jika kami ingin menerapkan model tersebut di Amerika Serikat, kami harus memeriksa dengan cermat apakah model tersebut bekerja dengan baik di sana.”
Begitu juga dengan penelitian di eBioMedicine. Algoritma ini bekerja dengan sangat baik pada kumpulan data tempat ia dikembangkan. Broders: “Mereka juga mengujinya dalam kumpulan data baru. Memang bekerja kurang baik di sana, seperti pada umumnya. Ini juga dengan jelas menunjukkan bahwa ini perlu penyelidikan lebih lanjut.”
“Spesialis budaya pop. Ahli makanan yang setia. Praktisi musik yang ramah. Penggemar twitter yang bangga. Penggila media sosial. Kutu buku bepergian.”
More Stories
Membayar iklan di Facebook dari Indonesia menjadi lebih mudah: Pelajari cara melakukannya
Corsair meluncurkan monitor Xeneon 34 inci dengan panel QD OLED dengan resolusi 3440 x 1440 piksel – Komputer – Berita
Microsoft menyumbangkan Project Mono kepada komunitas Wine – IT – Berita