Studija Dr. Gregoryja DiGirolama sa College of the Holy Cross pokazuje da golubovi mogu precizno prepoznavati noduse na CT snimcima i generalizovati na nove slučajeve. Praćenje očiju kod radiologa otkriva nesvesne signale (širenje i zadržavanje zjenica) koji ponekad ne postanu svest. Golubovi koriste implicitnu vizuelnu kategorizaciju bez ljudskih eksplicitnih pristrasnosti, što može poslužiti kao model za razvoj preciznijih AI alata. Ipak, potrebna su dalja istraživanja i validacija pre kliničke primene.
Golubovi Kao Model Za AI: Kako Ptice Mogu Pomoći U Ranom Otkrivanju Raka
Naučnici tvrde da sposobnost golubova da uoče suptilne promene na medicinskim snimcima može poslužiti kao inspiracija za razvoj preciznijih AI alata koji smanjuju ljudske greške, pokazuje nova studija.
Šta su istraživači uradili
Dr. Gregory DiGirolamo i tim sa College of the Holy Cross trenirali su golubove da prepoznaju noduse na CT snimcima. Golubovi su dobijali nagrade za tačna zapažanja i vremenom su počeli da prepoznaju i noduse koje ranije nisu videli, pa čak i druge promene na snimcima na koje nisu bili posebno obučavani.
Šta pokazuju eksperimenti sa ljudima
U ranijem delu istraživanja, tim je koristio praćenje očiju (eye-tracking) kod radiologa i otkrio da se zjenice šire i duže zadržavaju na sumnjivim oblastima snimaka, iako lekari ponekad daju "čisto" ili negativno očitavanje. To sugeriše da nesvesni signali postoje, ali ne uvek dospevaju do svesti i konačne dijagnoze.
Zašto su golubovi važni
Golubovi ne koriste iste eksplicitne kognitivne strategije za kategorizaciju koje ljudi primenjuju pri perceptivnim zadacima. Umesto toga, oslanjaju se na implicitne obrasce vizuelne obrade, što im omogućava da uoče suptilne, dosledne vizuelne naznake bez verbalnog ili konceptualnog označavanja. Istraživači smatraju da takav pristup može otkriti obrasce koje ljudski posmatrač ponekad propusti zbog svesnih pristrasnosti.
Moguća primena u razvoju AI
Autori studije predlažu da model detekcije zasnovan na ponašanju golubova može poslužiti kao inspiracija za nove algoritme veštačke inteligencije koji manje zavise od ljudskih, eksplicitnih mehanizama i pristrasnosti. Cilj nije zameniti radiologe, već razviti alate koji dopunjuju njihovu procenu, pomažu pri ranoj detekciji i smanjuju promašaje.
Ograničenja i dalje potrebe: Potrebne su dalja testiranja, validacija na većim skupovima podataka i etičke procene pre nego što se ovakvi pristupi primene u kliničkoj praksi.
Studija otvara zanimljiv pravac istraživanja u kome se ponašanje životinja koristi za unapređenje mašinskog učenja u medicini, ali naučnici upozoravaju da su potrebne dodatne studije pre praktične upotrebe.
Pomozite nam da budemo bolji.
