Desempenho do grupo Deep Learning Brasil no desafio RSNA 2017

{fastsocialshare}

 

O grupo de pesquisa Deep Learning Brasil, comunidade interinstitucional fundada na Universidade Federal de Goiás participou do RSNA Pediatric Bone Age Challenge 2017 promovido pela sociedade americana de radiologia ( Radiological Society of North America - RSNA). O desafio envolve um clássico tipo de exame em que o médico radiologista determina a idade óssea do paciente a partir de um exame de raio-X da mão esquerda. Em associação com a equipe de radiologistas da Universidade Federal de São Paulo, liderados pelo médico radiologista Felipe Kitamura, o grupo de pesquisa Deep Learning Brasil aderiu ao desafio com o propósito de medir o conhecimento frente a outros grupos de pesquisas espalhados pelo mundo. Um dos desafios foi compreender os aspectos do problema em um curto período. Após 60 dias de competição o resultado preliminar foi:

Desempenho de rede neural profunda (Deep Learning) supera médicos em detecção de câncer

{fastsocialshare}

O relatório de um patologista após a revisão das amostras de tecido biológico de um paciente é frequentemente o padrão-ouro no diagnóstico de muitas doenças. Para o câncer em particular, o diagnóstico de um patologista tem um impacto profundo na terapia de um paciente. A revisão de patologia é uma tarefa muito complexa que exige anos de formação e treinamento.

Esquerda: Imagens de duas biópsias de linfonodos. Meio: resultados anteriores. Direito: resultados atuais. Observe o ruído visivelmente reduzido (potenciais falsos positivos) entre as duas versões.

Esquerda: Imagens de duas biópsias de linfonodos. Médio: resultados anteriores. Direito: Resultados atuais com Deep Learning. Observe o ruído visivelmente reduzido (potenciais falsos positivos) entre as duas versões.

O papel da Inteligência artificial no desenvolvimento de chatbots

{fastsocialshare}

Interfaces de usuário conversacionais estão no cerne da onda atual de desenvolvimento de inteligência artificial. Houve avanços significativos em Processamento de Linguagem Natural (PLN) e de processamento de voz a partir de abordagens baseadas em redes neurais profundas (deep learning). Em particular, a aprendizagem profunda está aumentando significativamente as habilidades dos bots em relação as técnicas tradicionais de PLN e com efeito, criando o conceito de "conversação como plataforma".