Keep Learning! Fail and open the door to a new world!
１．Google Research：2019年の振り返りと2020年以降に向けて(3/9)まとめ ・機械学習をクラウド上ではなくスマートフォン上で実行する事に注力し音声、視覚、文字の認識が可能に ・これによりプライバシー保護と応答速度向上、ネットワーク接続がなくとも動作できるようになった ・医療分野では画像を使った困難な診断などで人間の専門家を支援できるレベルの精度を達成しつつある ２．AIによる […]
１．AIを利用して乳がんのスクリーニングを改善まとめ ・乳がんは世界中の非常に多くの女性に影響を与えている病気で日本では11人に1人が影響を受ける ・マンモグラフィーやX線撮影が乳癌を早期発見する手段だが撮影した画像から診断する事は簡単ではない ・人工知能が放射線科医をサポートする事で乳癌の徴候をより正確に発見できるようになるかもしれない ２．人工知能による乳がんの検知率が専門家を超える 以下、b […]
１．肺癌を予測するための有望な一歩まとめ ・肺がんでは年間170万人以上が死亡しており、世界中で最も死亡人数が多い致命的ながんの一つ ・CTスクリーニングは死亡率を低下させるが診断が難しく経済的コストにつながる等の課題がある ・この現状を改善するポテンシャルを持つAIモデルが開発され更なる研究パートナーを求めている ２．機械学習を使って肺癌を検出する試み 以下、www.blog.googleより「 […]
１．医療向けMLの開発から学んだ教訓(2/2)まとめ ・機械学習を評価する際には不適切なチューニングでパフォーマンスが過大評価されてないか留意が必要 ・特に医療分野と機械学習分野では用語の意味が異なる「検証セット」が誤解を招く恐れがある ・機械学習における検証セット(validation dataset)は「チューニング セット(tuning set)」の表記が望ましい ２．医師が機械学習を評価す […]
１．医療向けMLの開発から学んだ教訓(1/2)まとめ ・医療用MLモデルを開発する際には医療現場でのワークフローに組み込む方法を知る必要がある ・機械学習の実践者向けに医療用のMLソリューションを開発する方法を解説する文書を公開 ・医療従事者向けにMLが臨床業務の改善にどのように役立つか理解するための文書を公開 ２．医療用途で機械学習を活用する際の留意点 以下、ai.googleblog.comよ […]
