Meneroka kesan revolusioner kecerdasan buatan pada masa depan penjagaan kesihatan

Perubatan ialah salah satu sempadan paling menarik untuk kecerdasan buatan, tetapi di manakah AI akan memberi kesan sebenar pada masa depan penjagaan kesihatan? Rachel Roumeliotis, Naib Presiden Strategi Kandungan di O'Reilly Media, menjawab di sini.

Bagaimana data akan mengubah diagnosis menjadi lebih baik

Beberapa industri yang berintensif data seperti perubatan. Data perubatan datang dalam pelbagai bentuk: imej, audio, video, teks tidak berstruktur dan maklumat berstruktur. Semua data ini tertakluk kepada masalah tradisional yang dialami oleh industri lain: maklumat yang hilang, nilai yang rosak, terpencil yang disyaki, label yang hilang, ralat tipografi dan banyak lagi.

Apabila pangkalan data perubatan berkembang, pembersihan dan pelabelan maklumat menjadi semakin penting. Walaupun kami masih jauh daripada menyelesaikan cabaran ini, kami melihat kemajuan penting seperti Holoclean dan Snorkel. Yang pertama ialah sumber terbuka, sistem berasaskan pembelajaran mesin untuk pengesanan dan pembaikan ralat automatik yang telah berjaya digunakan dalam pelbagai aplikasi perubatan, termasuk hospital.

Sementara itu, Snorkel ialah alat pengaturcaraan data sumber terbuka yang mengautomasikan tugas memakan masa untuk mencipta dan melabelkan set data besar secara pemrograman untuk melatih aplikasi pembelajaran mesin. Teknologi ini telah mencapai kejayaan besar dalam bidang perubatan. Projek untuk mengklasifikasikan kecacatan injap aorta yang jarang berlaku menggunakan set data berskala populasi besar-besaran dari UK Biobank dan, menggunakan pengaturcaraan data, dapat melabel secara automatik kira-kira 4,000 jujukan MRI yang tidak dilabel sebelum ini - sesuatu yang sebaliknya perlu dilakukan dengan tangan.

Alat pengaturcaraan data yang sama juga telah membawa kejayaan kepada analisis imej bioperubatan dan pengekstrakan pengetahuan yang tersembunyi dalam sumber sedia ada. Sebagai contoh, pembangun Snorkel mencipta alat pengekstrakan data yang menggabungkan kesusasteraan bioperubatan untuk mengekstrak perkaitan antara ciri dan varian genomik. Dengan cara ini, AI meningkatkan pengetahuan perubatan kami sambil menyediakan diagnosis yang lebih pantas dan lebih tepat—pertimbangan yang amat penting memandangkan kekurangan kakitangan perubatan terlatih.

Perpustakaan model global dengan "pembelajaran kolaboratif"

Salah satu cabaran data yang menentukan dalam industri penjagaan kesihatan ialah sifat maklumat yang sangat sensitif. Kita bukan sahaja perlu berurusan dengan sejarah perubatan peribadi orang, malah perniagaan farmaseutikal dan perubatan lain secara semula jadi melindungi data mereka dengan kuat. Walau bagaimanapun, lonjakan gergasi ke hadapan memerlukan kami menyatukan data ini untuk mencari cerapan yang boleh membantu memahami penyakit ini dengan lebih baik dan memperbaiki rawatan.

Pada persidangan kecerdasan buatan di Beijing, Ion Stoica, pengarah RISELab di University of California, Berkeley, menerangkan projek baharu yang membolehkan organisasi bekerjasama tanpa benar-benar berkongsi data. Model kerjasama baharu ini - dipanggil "co-opetition" - mengumpul data tanpa nama untuk mencipta perpustakaan global model yang boleh digunakan oleh setiap peserta untuk projek mereka sendiri.

Apa yang menarik terutamanya tentang pembelajaran kompetitif ialah ia mempunyai aplikasi dalam industri lain dengan set data sensitif yang besar. Sebagai contoh, institusi kewangan boleh menggunakan model tersebut untuk membina model penipuan yang lebih tepat dan mantap, menunjukkan cara teknologi perintis dalam bidang perubatan akan menambah baik bidang lain dalam kehidupan kita tidak lama lagi.

Ekonomi dan Pasaran Baharu

Walau bagaimanapun, model ini hanyalah satu contoh pasaran baharu yang sedang dibangunkan dalam industri penjagaan kesihatan. Sebagai contoh, satu syarikat yang mencipta teknologi untuk masa hadapan ialah Computable Labs, sebuah syarikat permulaan yang membina alatan untuk mencipta pasaran data baharu ini, menyelesaikan masalah penting seperti tadbir urus pasaran, memberikan nilai kepada data dalam pasaran dan memastikan Perjanjian Privasi.

RISELab mengambil idea ini selangkah lebih jauh dengan membayangkan pasaran dua hala baharu yang dimediasi di kedua-dua belah pihak oleh kecerdasan buatan. Untuk memberikan hanya satu contoh cara ini berfungsi, katakan anda penghidap diabetes dan menggunakan perkhidmatan yang mengesyorkan resipi berdasarkan keadaan anda—tetapi anda tidak menyukai kebanyakan hidangan yang disyorkan oleh perkhidmatan tersebut. Dalam pasaran dua hala, pengantaraan AI, enjin pengesyoran anda mengetahui tentang citarasa dan keperluan anda, kemudian berkomunikasi dengan enjin lain untuk merundingkan menu yang memuaskan.

Walau bagaimanapun, membangunkan mekanisme pasaran baharu yang dibina berdasarkan aliran data bukan sahaja akan memberi impak yang ketara kepada industri penjagaan kesihatan ia sebenarnya mewakili percubaan yang sangat bercita-cita tinggi untuk membayangkan semula kerja dalaman kapitalisme itu sendiri. Walaupun industri penjagaan kesihatan intensif data adalah tempat yang jelas untuk ini berlaku, aplikasinya berpotensi tanpa had. Ini hanyalah satu contoh bagaimana ubat bukan sahaja membantu kita hidup cukup lama untuk menikmati masa depan yang lebih baik dan lebih maju dari segi teknologi, tetapi sebenarnya membantu menciptanya.

Atas ialah kandungan terperinci Meneroka kesan revolusioner kecerdasan buatan pada masa depan penjagaan kesihatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!