人工智能如何重塑医疗数据？

      最初使用合成数据训练人工智能，以此达到保护患者隐私的目的。但是，随着可穿戴设备带来更多的数据流，如何保护患者隐私成为重要挑战。本文，我们将深入研究人工智能是如何改变医疗数据的收集和使用方式，并从苹果、谷歌和fake puppy（假狗狗）中汲取一些经验。

数据带来的麻烦

现在大部分人工智能算法都是通过输入输出对来训练的。比如，向人工智能输入1万张肿瘤的核磁共振扫描图。

然后人工智能算法只需且只能做到一件事情：在扫描中识别肿瘤。在大规模（大量数据）和高精准的情况下，它可以很好地做到这一点。

但是患者的数据是敏感、孤立和杂乱的，并且回避了一些关于访问和算法训练准确性的基本问题：

• 如果你是一家小型人工智能健康创业公司，你如何解决数据的来源问题。
• 数据（比如医学扫描）是否经过准确的注释？
• 如何获得罕见疾病的训练数据？
• 如何在保护患者隐私的原则上训练人工智能模型？

以下是大型科技公司和创业公司解决这些问题的一些方法。

联邦学习是否适用于医疗保健领域

联邦学习是一种在保护隐私的原则上，利用敏感用户数据来训练人工智能的新兴方法。

谷歌最先引入了针对Android键盘的联邦学习（Gboard）。如今，OWKIN公司正在对患者数据采取类似的方法。简而言之，就是患者数据不会离开医院，也不会发送到中央云服务器。该模型使用本地数据在医院内部进行更新，只有这些更新（以及来自其他参与医院的模型更新）被发送到云端。这家由谷歌风投（Google ventures）投资的公司本月进行了首轮融资。

在最近接受《麻省理工学院技术评论》采访时，OWKIN联合创始人托马斯•克洛泽尔(Thomas Clozel)谈到了与美国和英国癌症中心的合作，以及即将发表的一篇关于在现实世界的医疗环境中使用联邦学习的论文。这篇论文强调了一些重要的基础设施挑战：

在医疗保健领域应用联合学习面临一些挑战。首先，组合不同的模型可能会产生一个（比它每一部分）更糟糕的主模型。目前研究人员正在努力改进现有的技术，以确保这种情况不会发生。另一方面，联合学习要求每所医院具备训练机器学习模型的基础设施和技术人员。此外，标准化所有医院的数据共享也存在问题。（原文如下）

“逼真”的核磁共振图像

如果你在Twitter上很活跃，并且一直在密切关注人工智能，你可能会遇到一些人，他们利用一种叫做“生成对抗性网络”(GAN）的东西来创造“逼真”的假图像，比如，假狗狗、假汉堡和假鲜花。

一个有趣的新兴趋势是使用人工智能本身来帮助生成更多“逼真”的合成图像来训练人工智能。例如，英伟达公司就利用GAN“伪造”脑瘤的核磁共振图像，以此来推进肿瘤分割的发展。

英伟达公司的研究论文得出结论，利用合成核磁共振图像增加现实世界的数据有助于改善肿瘤分割。这为机器学习在医学成像领域面临的两个挑战提供了一个潜在的解决方案，这两大挑战分别为：在保护患者隐私的原则上，如何进行数据共享、依靠图像发现疾病的概率很小。

人工智能离不开医生

人工智能公司需要医学专家对图像进行注释，教会算法如何识别异常。

这种模式在很大程度上是合作性的。在注释领域投入巨资的科技巨头和政府机构正在向其他研究人员公开这些数据库。

DeepMind开发了AI眼病诊断工具，可识别50多种威胁到视力的眼科疾病，准确率高达94%。为了对系统进行基准测试，DeepMind用1000次未用于训练AI的扫描结果对软件进行了测试，与普通眼科医生给出的结果进行比较，产生任何分歧都由一位超过10年经验的资深认证专家进行评判。

在接受《南华早报》采访时，中国独角兽依图科技公司报告说，DeepMind团队拥有400名兼职医生，只为了标注医疗数据。

不再过度依赖电子健康记录（EHR）数据

苹果通过与数百家医疗机构以及与Cerner和Epic两大EHR巨头合作，旨在解决医疗保健领域的数据互操作性问题。除此之外，苹果正在围绕其两个最受欢迎的产品，Apple Watch和iPhone建立一个医疗保健生态系统。

这表明了一个新的趋势，未来在医疗保健领域，企业不再仅仅依赖于EHR数据，而更多的从可穿戴式设备等进行实时数据收集和分析。

网站名称：人工智能如何重塑医疗数据？
URL地址：https://www.cdcxhl.com/news/101633.html

成都网站建设公司_创新互联，为您提供Google、定制开发、网站设计、商城网站、定制网站、App开发

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联