Благодаря технологиям индустрия меняется, но не все говорят о ключевых ценностях, которые привносят в игру основные достижения, такие как машинное обучение в медицине. Есть много спекуляций вокруг этой игры, но многие из них бессмыслица.
Мир движется к использованию машинного обучения (ML) и искусственного интеллекта (AI) практически везде - применение в областях физического и психического здоровья является не чем иным, как чрезвычайно многообещающим. Давайте быстро вернемся к некоторому контенту, который мы создали по этому вопросу, а затем углубимся в то, как эти системы станут основными в жизнеспособных решениях для здравоохранения.
Подобно человеку, система ОД или ИИ обладает способностью к обучению, которая в некоторой степени похожа на то, как учится организм. Например, когда вы выделяете память, вы используете один или несколько процессов для сохранения памяти.
Однако, в отличие от того, как информация интерпретируется организмом, ML и AI учатся на данных, которые вводятся, когда бэкэнд-система отвечает за то, как данные квалифицированы или определены количественно. Технически, ML и AI - это две разные вещи (хотя мы используем термины взаимозаменяемо в этой части), но факт остается фактом, что в любом случае такие системы должны быть «снабжены» информацией для изучения. Это означает, что бэкэнд должен быть точным в том, как система классифицирует информацию - если вы хотите, чтобы система могла распознавать автомобили, но она получала изображения жирафов в миксе, вы столкнетесь с проблемами.
В человеческом мозгу процесс не всегда точен - психическое расстройство и другие проблемы могут затуманивать, как сохраняются воспоминания. Во многих штатах уголовное и гражданское судопроизводство может вызывать ребенка для дачи показаний в соответствии с положением о возбужденном высказывании . Это потому, что мы понимаем, что во время «поразительных событий» наш ум не успевает проникнуть в то, что лауреат Нобелевской премии и всемирно известный психолог Дэн Канеман описывает как «мышление системы 2», то есть когда мысли входят буквально и образно Тем более аналитические части нашего мозга.
Прямо сейчас наши системы искусственного интеллекта могут быть обучены работать с помощью логики и других высших форм мышления, но технология развивается примерно так же, как и 9-летняя. Наши системы могут распознавать закономерности и соотносить информацию (во многом как те, которые Пиаже назвал бы конкретной операционной стадией когнитивного развития ). Существует определенная причина, которая связана с процессами принятия решений или критического мышления, но она сильно зависит от данных. это было использовано для обучения системы (то есть ум ребенка) в первую очередь.
Мы должны учитывать текущие ограничения этой технологии, а также осознавать преимущества наших существующих систем. Отсюда мы можем создавать лучшие приложения на основе M.
Есть много оговорок об искусственном интеллекте, особенно с машинным обучением в медицине. Многие из нас были обусловлены научной фантастикой и, что еще хуже, разглагольствования Элона Маска на подкасте Джо Рогана среди других спекуляций заставляют технологии чувствовать себя ужасно.
Один из предположительно самых умных людей в мире курит совместное с хозяином ММА / поклонником ДМТ Джо Роганом, и это страшно. Мы в основном отвечаем за то, как эти системы учатся, поэтому предпосылка о том, что мы находимся под контролем этих систем, вызывает тревогу.
Но если мы посмотрим на то, что на самом деле происходит в машинном обучении в области медицины (в том числе), ценность, которую могут обеспечить эти системы. Если мы будем тормозить наши спекулятивные тенденции, мы сможем увидеть, что эта технология на самом деле предоставляет сегодня и в идеале, держать все под контролем, прежде чем Терминаторы вернутся вовремя, чтобы убить нас за какое-то случайное действие, которое мы предприняли.
Языковая обработка для ускорения диагностики и лечения заболеваний. Пример, который я привел здесь, не является непосредственно медицинским, но является важным базовым компонентом искусственного интеллекта и медицинского машинного обучения. Один из способов, с помощью которого системы на основе ИИ в области безопасности и машинного обучения в медицине помогают уменьшить неточности (а также мошенничество в прямом порядке), - это процесс, известный как обработка естественного языка.
Вы, вероятно, уже знакомы с этим на потребительской основе - программное обеспечение, такое как Google Assistant, Siri, Alexa и т. Д., Принимает естественные устные команды (как вопросы, так и заявления) для выполнения определенных задач благодаря обработке на естественном языке (NLP). Хотя эти системы ориентированы на развлечения и удобство, для таких систем есть ценность, которую вы можете не осознавать.
В примере кибербезопасности платформы, NKY , их система направлена на поиск мошеннической деятельности до и даже после того, как учетная запись скомпрометирована. Скажем, Стефани в бухгалтерии внезапно использует слова, которые обычно не встречаются в ее родном языке, например, она называет вас "братан", говорит "это то, что случилось", или использует "лол", когда она более "хаха" человек, эта система будет выявляйте такие языковые аномалии и предупреждайте нужных людей о наличии нарушения (или скомпрометированной учетной записи) в организации.
В области медицины ИИ помогает профилировать людей с определенными когнитивными проблемами . Например, человек с ухудшающимся когнитивным состоянием из-за деменции, болезни Альцгеймера или другого состояния может быть диагностирован быстрее, когда он кажется «выключенным», прежде чем оставить горелку на несколько дней или забыть покормить собаку.
Существуют и другие приложения, такие как психология развития, которая особенно важна для распознавания людей с аутизмом и другими нарушениями обучения. Оценивая, каким образом человек общается, выявляемые признаки становятся более очевидными, что позволяет людям в медицинской сфере лучше понять состояние человека, что позволяет дополнительно усовершенствовать режимы лечения, что может обеспечить индивидууму лучший курс лечения.
Компьютерное зрение для медицинских изображений. Одним из самых больших недостатков, связанных с диагностическими мерами, является человеческий фактор - неопытные люди могут иметь тенденцию фокусироваться на чем-то, что появляется на рентгеновском снимке, сканировании кошки, МРТ и т. Д., В то время как более измученные профессионалы склонны игнорировать определенные контрольные признаки состояние, потому что они «видели это раньше».
Медицинские работники несут бремя запоминания и распознавания образов. «Сканирование» каждого человека немного отличается, но признаки заболевания, как правило, совпадают. Профессионалы должны распространять характеристики физических показаний человека по медицинским изображениям.
Вместо того, чтобы полагаться на восприятие какого-то неопытного человека или, возможно, измученного специалиста в медицинской отрасли, компьютерное зрение может оценивать изображения из различных источников, чтобы обеспечить предварительное понимание состояния человека. Конечно, мелкие проблемы появляются рано с некоторыми заболеваниями, и они просто не сразу очевидны даже для самого тренированного глаза. Системы, которые могут анализировать визуальную информацию в пикселе, могут помочь предотвратить задержку лечения потенциально опасных для жизни состояний, обеспечивая пациентам лучшее качество жизни в самые тяжелые времена.
Безопасный перекрестный анализ условий путем сравнения между пациентами. Одной из больших проблем в интернет-среде является то, как наша информация собирается и используется, что означает возможность утечки, неправильного использования или раскрытия данных в результате взлома данных. Из-за этого страха некоторые платформы, которыми пренебрегают, такие как Facebook, Twitter и другие социальные сайты, но для того, чтобы системы ML и AI достигли полной мощности, необходимо проанализировать большие наборы данных не идентифицирующей личность информации (не PII), поскольку это послужит помочь медицинским работникам диагностировать проблемы, а также выявлять сопутствующие заболевания быстрее и с большей точностью.
Возможна утечка данных, но именно поэтому у нас есть определенные законы и правила (например, HIPPA), которые помогают предотвратить раскрытие частной, идентифицирующей личность (PII) медицинской информации. Разработчики, сетевые администраторы и другие лица, работающие в сфере ИТ, должны обеспечить максимальную безопасность данных.
Большинство цифровых платформ часто обмениваются информацией, как PII, так и не PII, что невероятно полезно для цифровых рекламодателей - вот почему вы можете прокручивать страницу Facebook и видеть элемент или поверхность службы, которую вы искали или, возможно, даже наткнулись. Аналогичным образом, медицинская информация, не относящаяся к PII, которая собирается и собирается медицинскими системами, предоставляет данные поставщику, который мог упустить или недооценить.
Например, у пациента может быть высокое кровяное давление, но это может отражать более одной проблемы (или что-то отличное от первоначального диагноза), поскольку у множества физических проблем есть похожие симптомы, будь то сердечно-сосудистое заболевание, глаукома, общее тревожное расстройство (GAD) или любое другое другой ряд проблем. Вы не хотели бы, чтобы вас лечили от беспокойства и назначали SSRI, когда вам действительно нужны лекарства от кровяного давления!
Пациенты, которые желают подвергнуться мониторингу и получить неинвазивную информацию, собранную и интерпретированную неинвазивными системами, могут помочь другим людям, имеющим сходные симптомы. Со временем машинное обучение в медицине поможет улучшить общее качество физического и психического здоровья.