I Maskinlæring i sundhedsvæsenet – et stort potentiale som skal prioriteres Mulighederne for at anvende maskinlæring i sundhedssystemet vokser. Takket være en omhyggelig dataregistrering i Danmark findes der et enormt uudnyttet potentiale på området, som bør prioriteres i stigende grad med henblik på at frigøre tid og højne behandlingskvaliteten. M Af Simon Holm Lauritsen, Information Engineer, Enversion A/S og Katrine Meyer Jensen, reservelæge, Medicinsk Endokrinologisk Afdeling, Århus Universitetshospital Maskinlæring er ikke til at komme uden om. Der går næsten ikke et nyhedsdøgn, uden der bliver foreslået et nyt anvendelsesområde til den populære teknologi. Uanset om man søger sin information igennem videnskabelige artikler, populærvidenskabelige tidsskrifter eller den mere mainstream nyhedsstrøm, så tordner ord som maskinlæring og kunstig intelligens frem på linjerne. En del af den store opmærksomhed skyldes, at det er et nyt og spændende teknologisk felt, men det er også mere end smarte overskrifter og fremtidsdrømme. Maskinlæring løser virkelige problemer på en måde, som ikke var mulig for blot 5-10 år siden. Dog er teknologien langt fra ny og har faktisk eksisteret i adskillige årtier. Den matematiske formulering af den populære maskinlæringsalgoritme, neurale netværk, så første gang dagens lys tilbage i 1950’erne. På daværende tidspunkt kunne den dog ikke anvendes til at løse komplekse problemer, som det er tilfældet i dag, grundet de hastige fremskidt i hardwareudvikling, der har gjort det muligt at løse problemer i en fornuftig tidshorisont. Nye muligheder med dybe neurale netværk Maskinlæring er også begyndt at vinde indpas i den sundhedsfaglige verden. Hvis man kigger på stigningen i det totale antal af artikler med tagget »machine learning« på den populære Simon Holm Lauritsen. sundhedsvidenskabelige database Pubmed, finder man en stigning i taggede artikler på 244 procent fra år 2010 til år 2016. En af hovedårsagerne til denne udvikling er de »dybe neurale netværk«, som i høj grad udnytter de hastige hardwarefremskridt. Dybe neurale netværk, som er en videreudvikling af de traditionelle neurale netværk, udmærker sig ved at være ekstremt nøjagtige, fleksible og effektive. De adskiller sig fra andre maskinlæringsalgoritmer ved selv at være i stand til at finde de relevante karakteristika ved data, også kaldet Katrine Meyer Jensen. 30 Medicoteknik | nr. 4 | September 2016
Download PDF fil
Se arkivet med udgivelser af Medicoteknik her
TechMedias mange andre fagblade kan læses her