医学是人工智能最令人兴奋的前沿领域之一，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'ReillyMedia内容战略副总裁RachelRoumeliotis在这里回答数据将如何改变诊断以使其更好很少有行业像医学这样需要大量数据。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。所有这些数据都存在其他行业所遇到的传统问题：信息缺失、值损坏、可疑异常值、标签缺失、印刷错误等等。随着医学数据库的增长，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路要走，但我们已经看到Holoclean和Snorkel等技术取得了重要进展。前者是一个基于机器学习的开源系统，用于自动错误检测和修复，已成功用于包括医院在内的各种医疗应用。同时，Snorkel是一种开源数据编程工具，可以自动执行创建和编程标记大型数据集以训练机器学习应用程序的耗时任务。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大规模人口数据集，并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——否则这些工作必须手工完成。.同样的数据编程工具也为生物医学图像分析以及提取隐藏在现有资源中的知识带来了成功。例如，Snorkel的开发人员创建了一个数据提取工具，该工具梳理生物医学文献以提取性状与基因组变异之间的关联。通过这种方式，人工智能可以提供更快、更准确的诊断，同时提升我们的医学知识——考虑到训练有素的医疗人员短缺，这是一个特别重要的考虑因素。医疗保健行业定义的数据挑战之一是信息的极其敏感的性质。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也要严密保护他们的数据。然而，巨大的飞跃将要求我们将这些数据整合在一起，以找到可以导致更好地了解疾病和改进治疗的见解。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IonStoica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协作。这种新的合作模式被称为“共同竞争”——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，它在其他具有大量敏感数据的行业中也有应用。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，展示医学领域的开创性技术将如何很快改善我们生活的其他领域。新经济和市场然而，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，一家为未来创造技术的公司是ComputableLabs，这家初创公司正在构建工具来创建这些新的数据市场，解决市场治理、为市场中的数据分配价值以及确保隐私协议等重要问题。RISELab将这一想法更进一步，设想了双方都由AI调节的新的双边市场。作为其工作原理的一个例子，假设您是一名糖尿病患者，并且您正在使用一项根据您的情况推荐食谱的服务——但您不喜欢该服务推荐的许多菜肴。在一个双向的、以人工智能为中介的市场中，你的推荐引擎了解你的口味和需求，然后与其他引擎沟通以协商出一份令人满意的菜单。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，还会对医疗行业产生重大影响。它实际上代表了一种令人难以置信的雄心勃勃的尝试，即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，但应用程序可能是无限的。这只是医学如何不仅帮助我们活得足够长以享受更美好、技术更先进的未来，而且实际上还帮助创造那个未来的一个例子。
