GoogLeNet è il nome di una tecnologia sviluppata per mano della software house di Mountain View, il cui compito è quello di utilizzare le tecniche di machine vision Google per la diagnostica per immagini.
Il nuovo sistema basa la sua efficacia su un complesso algoritmo di deep learning impiegato anche nel segmento dei veicoli a guida autonoma per l’identificazione della segnaletica stradale durante la marcia, e di tutto ciò che si incontra lungo il percorso. Un approccio che, in un prossimo futuro, potrà trovare applicazione pratica anche nel campo della ricerca medica sui tumori.
A fare chiarezza in merito al nuovo sistema Google è la stesa casa madre, che in un documento intitolato Detecting Cancer Metastases on Gigapixel Pathology Images, parla di un sistema in grado di esaminare le immagini di laboratorio relative a pazienti potenzialmente affetti da cancro.
Il progetto conta su un sistema di scanning dalla risoluzione impressionante (superiore ai 10 GigaPixel). Con tale livello di dettaglio, la valutazione delle immagini richiede un’estrema precisione ed un occhio allenato per rilevare le anomalie o l’eventuale presenza di metastasi. Un lavoro che richiede, quindi, molto tempo e porta ad un nuovo livello di responsabilità, visto che anche il personale esperto potrebbe incorrere in errore. Di fatto, gli specialisti concordano la stessa diagnosi solo nel 48% dei casi, pur basandosi sui medesimi dati clinici.
Ed ecco perché si è deciso di procedere all’implementazione di un sistema automatico ad auto-apprendimento. Sebbene il fine del progetto non sia espressamente indirizzato al campo medico, i dati sui primi test forniscono risultati più che rassicuranti. In tal caso, si parla di una precisione assoluta dell’89% per la localizzazione del tumore e la stima dimensionale dello stesso. Nella stessa condizione, un medico esperto giunge ad una precisione del 73% in un tempo teoricamente infinito.
Secondo i diretti responsabili del progetto Google, apportando qualche ottimizzazione al codice, tramite miglioramento del database, la percentuale potrà essere notevolmente ampliata. Come più volte ribadito dai responsabili, il progetto non è da indirizzarsi verso questo genere di settore, e non punta quindi a sostituire gli specialisti, ma ci si servirà degli algoritmi per perfezionare l’individuazione delle aree problematiche, lasciando poi il compito di valutare la situazione all’occhio umano.
Infine, va sottolineato che l’Intelligenza Artificiale Google genera, al momento, un maggior numero di falsi positivi, rispetto alle valutazioni del personale medico esperto. Pertanto, in questo caso, l’obiettivo è quello di creare un sistema combinato che consenta di integrare l’azione elaborativa dell’IA con l’esperienza dei medici.
Che cosa ne pensate di questo progetto? A voi tutte le considerazioni sul caso.
