(资料图片)

医学是人工智能最激动人心的前沿领域之一，但人工智能将在哪些方面对医疗保健的未来产生真正的影响？ O"Reilly Media 内容策略副总裁 Rachel Roumeliotis 在这里回答数据将如何更好地改变诊断很少有行业像医学那样数据密集。医疗数据有多种形式：图像、音频、视频、非结构化文本和结构化信息。所有这些数据都受到其他行业所经历的传统问题的影响：信息缺失、值损坏、可疑异常值、缺少标签、印刷错误等等。随着医学数据库的增多，清理和标记信息变得越来越重要。虽然我们距离解决这一挑战还有一段距离，但我们看到了 Holoclean 和 Snorkel 之类的重要进展。前者是一个开源的、基于机器学习的系统，用于自动错误检测和修复，已成功用于包括医院在内的多种医疗应用中。与此同时，Snorkel 是一种开源数据编程工具，它可以自动执行耗时的任务，即创建训练并以编程方式标记用于训练机器学习应用程序的大型数据集。该技术已经在医疗领域取得了重大成功。一个对罕见主动脉瓣畸形进行分类的项目使用了来自英国生物银行的庞大的人口规模数据集，并且使用数据编程，能够自动标记大约 4,000 个以前未标记的 MRI 序列——否则这些工作必须由手。同样的数据编程工具也为生物医学图像分析带来了成功，以及提取隐藏在现有资源中的知识。例如，Snorkel 的开发人员创建了一个数据提取工具，该工具通过梳理生物医学文献来提取特征和基因组变异之间的关联。通过这种方式，人工智能在提升我们的医学知识的同时提供更快、更准确的诊断——鉴于训练有素的医务人员短缺，这是一个特别重要的考虑因素。具有“协同学习”的全球模型库医疗行业中定义的数据挑战之一是信息极其敏感的性质。我们不仅要处理人们的个人病史，而且制药和其他医疗企业自然会严格保护他们的数据。然而，巨大的飞跃需要我们将这些数据汇集在一起??，以找到有助于更好地了解疾病和改进治疗方法的见解。在北京举行的人工智能会议上，加州大学伯克利分校 RISELab 主任 Ion Stoica 描述了新项目，这些项目使组织能够在不实际共享数据的情况下进行合作。这种新的协作模式被称为“合作竞争”——收集匿名数据以创建一个全球模型库，每个参与者都可以将其用于自己的项目。竞争性学习特别令人兴奋的是，它在其他行业中也有大量敏感数据数据集的应用。例如，金融机构可以使用该模型来构建更准确、更强大的欺诈模型，展示医学领域的先驱技术将如何很快改善我们生活的其他领域。新经济与市场然而，这种模式只是医疗保健行业正在开发的新市场的一个例子。例如，一家正在为未来创造技术的公司是 Computable Labs，这是一家初创公司，它正在构建工具来创建这些新的数据市场，解决重要问题，如市场治理、为市场中的数据赋予价值，以及确保隐私的协议。RISELab 通过设想新的双边市场将这一想法更进一步，这些市场由人工智能在双方进行调解。仅举一个例子来说明这是如何工作的，假设您是一名糖尿病患者，并且正在使用一项根据您的病情推荐食谱的服务——但您不喜欢该服务推荐的很多菜肴。在一个双向的、以人工智能为中介的市场中，您的推荐引擎会了解您的口味和需求，然后与其他引擎沟通以协商出令人满意的菜单。然而，开发建立在数据流之上的新市场机制不仅会对医疗行业产生重大影响；它实际上代表了一次令人难以置信的雄心勃勃的尝试，旨在重新构想资本主义本身的内部运作方式。虽然数据密集型医疗保健行业显然是出现这种情况的地方，但其应用可能是无限的。这只是一个例子，说明医学不仅帮助我们活得足够长，享受更美好、技术更先进的未来，而且实际上也有助于创造未来。