Un gruppo di ricercatori ha sviluppato un sistema in grado di creare un dataset più grande e diversificato da destinare all’addestramento delle IA nel campo medico.
di Erin Winick
L’efficacia sta nella qualità del dataset: Molti dei programmi di intelligenza artificiale si affidano a grandi raccolte di informazioni dalle quali apprendere. Se i dati non rappresentano tutte le popolazioni e circostanze possibili, però, il sistema può risultare pregiudicato o inefficace.
La notizia: Un nuovo studio pubblicato da Nvidia, Mayo Clinic, MGH e BWH Center for Clinical Data Science ha creato un algoritmo in grado di produrre raccolte di dati medici più diversificati. Grazie alle Generative Adversarial Networks (o GANs), scansioni sintetiche di anormalità possono essere create partendo da MRI reali di tumori cerebrali.
Perché conta: “La diversità è fondamentale per il successo quando si tratta di addestrare delle reti neurali, ma le raccolte di immagini e scansioni cliniche possono essere squilibrate”, spiega per ZDNet Hoo Chang Shin, uno scienziato ricercatore di Nvidia. “Esistono molti più casi normali che anormali, quando questi ultimi sono la sola cosa che ci preme individuare e diagnosticare”.
(MO)
