Imaginez diagnostiquer le cancer non pas avec un supercalculateur mais sur un ordinateur portable ordinaire à la place. Cela ressemble à de la science-fiction? Grâce à un modèle révolutionnaire de l'intelligence artificielle (IA) développé par le professeur Kenji Suzuki et son équipe de recherche de l'Institut des sciences Tokyo (Science Tokyo), ce scénario farfelue est maintenant une réalité.
Dévoilé au prestigieux Radiological Society of North America (RSNA) 2024 Réunion annuellel'équipe a introduit un modèle d'apprentissage en profondeur ultra-léger qui aide au diagnostic de cancer du poumon sans s'appuyer sur des serveurs de traitement graphique (GPU) coûteux ou des ensembles de données massifs. Développé à l'aide d'une approche unique d'apprentissage en profondeur basée sur un réseau neuronal artificiel de formation massive (MTANN), le modèle a été formé et testé sur rien de plus qu'un ordinateur portable standard, réalisant ce qui nécessitait autrefois des centres de données entiers.
L'IA, formée par Deep Learning Models, a attiré une attention significative ces dernières années, conduisant à des innovations dans de multiples domaines de recherche. Il a également été signalé que si un modèle d'apprentissage en profondeur est formé sur une grande quantité de données, comme un million d'images, il peut acquérir une performance qui peut dépasser celle des technologies conventionnelles et même des humains.
Lorsque la plupart des modèles reposent sur les mégadonnées, le modèle d'IA développé par l'équipe de Suzuki est des modèles d'IA à grande échelle conventionnels uniques, il ne nécessite pas d'ensembles d'images médicaux entiers. Au lieu de cela, il apprend directement à partir de pixels individuels extraits des images de tomodensitométrie (CT). Cette stratégie a considérablement réduit le nombre de cas requis de milliers à seulement 68!
Bien qu'il soit formé uniquement sur un petit ensemble de données, le modèle a surperformé les systèmes d'IA à grande échelle de pointe, tels que Vision Transformer et 3D Resnet, atteignant une performance de discrimination correspondant à une zone sous la valeur de la courbe (AUC) de 0,92 (Sota), respectivement, respectivement). Une fois formé, le processus de formation complet ne prenant que 8 minutes et 20 secondes sur un ordinateur portable standard, il pourrait générer des prédictions de diagnostic à un taux sans précédent de 47 millisecondes par cas.
Cette technologie ne consiste pas seulement à rendre l'IA moins chère ou plus rapide. Il s'agit de rendre les outils de diagnostic puissants accessibles, en particulier pour les maladies rares où les données de formation sont difficiles à obtenir. En outre, il réduira considérablement les demandes de puissance pour le développement et l'utilisation de l'IA dans les centres de données, et peut résoudre le problème mondial de la pénurie d'électricité à laquelle nous pouvons être confrontés en raison de la croissance rapide de l'utilisation de l'IA. «
Professeur Kenji Suzuki, Institut des sciences Tokyo
En reconnaissance de son importance, les recherches de l'équipe ont été conférées au prix du cum laude convoité à RSNA 2024, un honneur reçu de seulement 1,45% des 1 312 présentations. Bien que cette innovation soit sûre d'avoir un impact transformateur sur le diagnostic du cancer, il témoigne de la connaissance approfondie de Suzuki et du dévouement inébranlable.
Avec une profonde expertise dans le domaine de l'IA biomédicale, Suzuki a été la première à inventer la technologie MTANN (utilisée dans la recherche actuelle) au début des années 2000. C'était l'un des premiers modèles d'apprentissage en profondeur qu'il avait développés et améliorés. Au cours de ses 25 années d'expérience en recherche, Suzuki a apporté des contributions importantes à son domaine, avec plus de 400 publications et plus de 40 brevets, dont la plupart ont été autorisés et commercialisés.
Au-delà de cela, ses réalisations récentes incluent le service de chaise de session au 39ème Conférence annuelle de l'AAAI sur l'intelligence artificielle. Il a reçu deux des plus hautes distinctions de RSNA pour ses recherches en 2024. De plus, il est reconnu parmi les 2% des scientifiques du monde.
Suzuki continue de mener des recherches révolutionnaires à l'intersection de l'IA et de l'imagerie médicale, favorisant activement la collaboration interdisciplinaire qui repousse les limites de ce que l'IA peut réaliser dans la pratique clinique. Le travail de son équipe sur les modèles de diagnostic compacts et hautes performances illustre la façon dont la réflexion innovante a été combinée avec des écarts de ponts de mise en œuvre pratiques entre l'ingénierie et la médecine. Avec un environnement de recherche dynamique et un solide réseau de collaborateurs, Suzuki fait non seulement fait progresser le domaine de l'IA biomédicale, mais aide également à façonner la prochaine génération de technologies médicales de translation.
