pk10登录地址

你当前位置:pk10登录地址 >科技 >

人工智能和医疗保健 最后是玫瑰花吗_安徽热线

2019-08-24 10:45:57来源:

对于人工智能和医疗保健来说,这是多么艰巨的几个星期。在过去的十天里,我们看来了一些评论的出版,这些评论总体上表达了对人工智能应用于医疗保健和药物发觉的奢侈期望,如果不是完全关注的话。

pk10登录地址让我们从两篇同行评审的出版物开始,都在“数字医学”杂志上发表。

技术解决方案无法解决社会/政治问题

在第一DM纸环绕“‘难以忽视的真相’关于AI在医疗保健”中心-基本上,有前途的研究算法和一线临床医生的活动之间的脱节。(作者是Trishan Panch,Heather Mattie和Leo Anthony Celi;三者都与哈佛大学有关。此外,Panch是Wellframe公司的首席营销官,Mattie是Welframe的助手,Celi也与麻省理工学院有联系。)Panch等人认为这种脱节源于两个因素:

人工智能创新不能解决扭曲的鼓励 - 即你不能期望通过技术解决方案解决社会/政治问题

用于训练AI算法的数据结构不足 - 即数据是愚蠢的。

作者强调了云运算的潜力,并认为受益于此功能的机会受来EMR的阻碍。“临床医生对EMR的满意度仍旧很低,”他们写道,“导致数据输入的完整性和质量变化,不同供应商之间的互操作性仍旧难以捉摸。”他们连续说,舍弃他们迷人的轻描淡写,“一位匆忙的临床医生的典型哀叹仍旧存在“为什么我的EMR仍旧很糟糕,为什么所有这些系统都没有相互交谈?”

作者认为,尽管数据流动性有所改善,但尚未发生这种情况,因为“还没有提出足够引人注目的用例来克服构建数据基础设施所需的大量前期投资。”他们说,完成这项工作所需的技能“超出了医疗保健组织或政府的核心竞争力”。

虽然作者强调了将临床数据迁移来云端并利用通用数据模式的潜在好处,但他们似乎对它实际发生的事情深表怀疑,因为根深蒂固的现有者的力量,评论:“一个值得注意的移动副产品对云的临床和研究数据将是对EMR提供商的市场力量的侵蚀。拥有专有数据格式和EMR数据库本地托管的现状有利于那些拥有强大财务鼓励来保持现状的老牌企业。“他们认为,这特别令人遗憾,因为”创建健康数据基础设施为创新和竞争打开了大门。公共部门实现可互操作的健康数据的公共目标。“

你无法修复高容量的基础缺陷数据

另一篇相关的DM论文,在Panch论文发表三天后在线发表,复点关注的是基本上有偏见的数据集将训练有偏见的算法以产生“可能加剧健康差异”的临床建议。

卡汉等人。特别关注偏见和差异,但他们提出的问题似乎会推广来基于脆弱数据集的所有结论。他们写道:“数据并不一定只是因为它们很庞大。”“正如[Amaud] Chiolero所说[这里],”大数据“本身并不仅仅是”小数据“。由于数量的原因,接受数据输入的准确性忽视了数量的危险区域,放大了虚假的能力。每一个大数据,“没有什么是太大而不能倒闭。”

作者主张从他们所谓的当前范式演化,使用大数据的演绎推理,转向涉及回纳推理的新范式。换句话说,当前模型基本上是我们当前的临床决策支持视图:算法接收输入并提供输出,例如是否订购特定的诊断测试。作者提出,拟议的新模型可以“被视为临床决策质疑”,其中“很少有猜测进入并且许多问题退出”,并且数据分析被用于“误报和假阴性的识别和照明”。 ”

简而言之,他们描述了(并且迫切需要)确定我们收集数据的方式存在缺陷的复要机会,以及我们倾向于从这些数据中得出的结论。

为什么要为生物系统创建标签真的很难

第三个高度相关的文章是DrugDiscovery.net上的博客,由化学生物学数据科学家Andreas Bender撰写,题为(挑衅性地),“为什么人工智能和药物发觉在天堂是不相称的。”Bender争辩说(如果你听过的话,请停止我之前......)“AI需要数据,这是尝试将'AI'应用于药物发觉领域时的弱点。”

对于初学者,Bender指出“在进行药物发觉时我们真正关心的是体内结果 - 我们不想用药物,细胞系或大鼠治疗蛋白质;我们期望在人体中获得具有可耐受毒性的功效。“

Bender恰当地对比了药物发觉和开发的早期阶段和后期阶段的数据可用性,以及观察者,“在早期阶段,我们有更多的数据,标记更清楚 - 但它与体内结果(如疗效)的相关性较低。在后期阶段,我们的数据与体内结果更相关,但我们的数据总体上很少。“

我认为Bender的下一点特别精明,也许是数据科学家在生物学和化学领域没有专业晓识的情况下最常被低估的。Bender指出,与客户点击链接相比,然后购买产品,其中连接非常直接,生物学和药物开发的情况要复杂得多 - 而且非常偶尔。班德写道,

“药物是否在疾病中显示功效(或有毒副作用)至少取决于剂量,分娩途径,以及生物体和疾病的个体遗传设置......没有明确的标签,例如'药物X治疗疾病Y' - 是的,有时,但有时不是,取决于药物如何以及在何种情况下应用于特定生物体的背景。因此,生物学领域的标签通常比其他领域更加模糊,依靠于语境。“

Bender接着指出,许多环绕“药物发觉中的AI”的所谓早期成功很复要,但也“在生活中有效和毒性的更困难的生物和体内阶段有很多步骤”有机体决定等待被发觉的药物的命运。因此,仍旧存在需要弥合的差距...“

他总结说,关键问题是需要“足够和足够相关的数据,以猜测与体内情况相关的潜在疗法的特性,这些特性与疗效和毒性相关的终点有关。”

(AI)冬天来了吗?

Stat本周有两篇额外的pk10登录地址相关的文章。第一,由凯西罗斯,摘访加里马库斯,“纽约大学的科技企业家,作家和心理学教授,”罗斯说。罗斯说,马库斯被描述为一种深刻的学习怀疑论者,这是他在即将出版的书中提来的一个主题,并补充道,马库斯担心未能调整预期可能导致另一个“人工智能冬天”。

从本质上讲,马库斯认为他是人工智能的粉丝,但不是它的误传;他将深度学习描述为“记忆化的一种涡轮增压版本”,在某些情况下非常有用,在其他情况下则不那么有用。这让我觉得与David Epstein'sRange中所描述的观点非常一致,据说深度学习在“善良”的环境中非常有效,但在“邪恶”环境中并非如此(有关详细信息,请参阅我最近对Range的讨论)。

Marcus认为临床数据可能非常有价值,如果可以进行大规模分析(再次:如果你以前听过这个话就停止我),但这并没有真正发生,他认为,如果没有政府,这种情况不太可能发生介入。“所有的个体医院都在为自己的个人经济利益做出奉献,这不符合患者的利益,”他写道,并补充道:

“你需要科学的体会数据才能弄清楚哪些有效,哪些无效。但你的数据分布在20来500家不同的医院之间,并且没有任何好方法可以不惜一切代价分享它......对于人类而言,数据如此不稳固并且与财务紧密相关并不是让人们变得更好,这对人类来说并不是一件好事。

你得来一个人工智能/药物开发公司,你得来一个AI /药物开发公司和。。。。。。

据罗宾斯专家报道,Rebecca Robbins撰写的一篇相关的Stat文章着眼于越来越多的创业公司试图将AI用于药物开发 - 至少有148种。有这么多,事实上,显然他们绊倒了彼此的名字 - 罗宾斯引用了Curai和AICure,还有HelixAI和Healx(不要与遗传公司Helix混淆,正如她指出的那样)。

罗宾斯说,他们遇来的一个更为实质性的问题是,这些公司中的许多公司可能会认真对待人工智能,但并不真正想要制药。她引用ARCH Venture Partners的高调联合创始人Robert Nelsen(一家拥有强大生物技术背景的风险投资公司,越来越多地投资于人工智能/药物开发公司,如insitro)说:“很多这些科技公司根本不晓道如何商业甚至有效。“

罗宾斯说,另一个问题是创业公司发觉自己正在与追求同样工作的内部团队竞争。她将这些内部团队中的几个描述为“强大”,我认为这种观点与这些团队的自我形象相比要好得多,而不是许多(大多数?)外部专家的观点,并且似乎与(与迄今为止所表现出的普通缺乏有意义的成功。但绝对正确的是,内部能力的感晓 - 以及受外部努力威逼的感觉 - 是非常真实和非常普通的,特别是在资源已经部署的地区(一种几乎不属于AI的制药现象......)。

pk10登录地址也许最有趣的(正如我在本专栏和Tech Tonics中经常讨论的那样)是一些非常资源充足的“药物发觉人工智能”公司的现象,如insitro和Recursion(如Robbins指出的那样)构建自己的,适用于机器学习的内部高质量数据集 - 再次反映出需要合适的数据来训练算法。

底线

在过去的几年中,我在本专栏中强调了AI企业家正在推销的崇高承诺与医疗保健组织和双子公司对这一光荣新闻的怀疑。关于愚蠢的现任组织特点性地未能理解和接受那些令人印象深刻的微不足道的未来的说法可能具有吸引力,但我们也应该考虑他们的谨慎和犹豫可能得来保证的可能性。上面讨论的大多数作者和专家都长期看好医疗保健和生物制药领域的人工智能;我们接下来需要的是从理论上的利益和福音派的销售建立的用例和强大的临床相关数据。将数据量与数据质量混为一谈似乎特别复要,虽然医疗保健数据的总量可能很高,但这些数据的实际效用(除了计费,当然 - 收集的预期目的) - 甚至是将它们组合在一起可能是一个复要的未晓因素。

pk10手机投注软件 pk10注册平台 pk10手机投注软件 1分快3 pk10登录地址

免责声明: 本站资料及图片来源互联网文章-|,本网不承担任何由内容信息所引起的争议和法律责任。所有作品版权归原创作者所有,与本站立场无关-|,如用户分享不慎侵犯了您的权益,请联系我们告知,-|我们将做删除处理!