🔒 Inteligentna diagnostyka płuc. Jak dobre dane, modele i wyjaśnienia budują zaufanie do AI w medycynie

Jak zbudować modele segmentacji zmian chorobowych, które będą wspierać lekarzy w diagnostyce chorób płuc?

prof. Przemysław Biecek, dr hab inz. Marcin Luckner

Loading the Elevenlabs Text to Speech AudioNative Player…

Wystarczy wziąć kilkudziesięciu świetnych inżynierów, dolać 40TB dobrej jakości danych z polskich szpitali i 180 tysięcy godzin obliczeń na najnowszych GPU, a potem zagotować pod bacznym okiem czołowych ekspertów w radiologii i pulmonologii. No i oczywiście nie wolno zapomnieć o dodaniu właściwej ilości wyjaśnialnej sztucznej inteligencji (XAI).

Całość gotować musiała się wprawdzie niemal trzy lata, ale właśnie w taki sposób na Politechnice Warszawskiej w ramach projektu xLungs powstało narzędzie do inteligentnej diagnostyki płuc.

Ten artykuł jest częścią płatnej edycji hAI Magazine.

Możesz teraz skorzystać
z miesiąca bezpłatnego dostępu.

Wpisz adres e-mail, aby go aktywować.

Miesiąc za darmo dla nowych czytelników

Aktywuj

Profesor Uniwersytetu Warszawskiego i Politechniki Warszawskiej. Prowadzi grupę badawczą MI2.AI i projekt BeatBit popularyzujący myślenie oparte na danych.

Zarządza projektami badawczymi na Wydziale Matematyki i Nauk Informacyjnych. Zajmuje się lokalizacją wewnętrzną, wykrywaniem cyberzagrożeń z poszanowaniem prywatności oraz analizą danych publicznych pod kątem oszustw w Web 2.0.

Podziel się

Może Cię zainteresować