人工智能医疗保健是什么?

领先的人工智能研究员铜安舒茨解释说这项技术是如何工作的

一分钟读

由马修·黑斯廷斯2022年9月12日
你需要知道什么

你想知道“机器学习”或“神经网络”是什么意思?随着技术的进步和变得越来越司空见惯,凯西格林博士解释领域背后的核心概念,并提供人工智能医疗的例子。

凯西格林博士,椅子的科罗拉多大学医学院生物医学信息学系,正在向“意外”医疗的未来——使用人工智能(AI)帮助医生接受正确的信息在正确的时间为病人做出最好的决定。

发现意外的从数据开始。格林说部门的教师使用数据从基因组测序信息,细胞成像,和电子健康记录。每个地区都有自己的健壮的约束——道德和隐私保护,确保所使用的数据是按照人们的愿望。

他的团队使用pb级的测序数据,可用于任何人,格林说。“我认为这是授权,”他说,并指出任何一个互联网连接可以进行科学研究。

选择或创建一个数据集后,格林和其他人工智能研究铜安舒茨医学校园开始人工智能的核心工作——建立算法和程序可以检测模式。我们的目标是找到链接在这些大型数据集,最终为患者提供更好的治疗方法。然而,人类的洞察力带来重要的视角研究,格林说。

人工智能健康问答

“算法做的学习模式,但他们可能非常不同的模式,以有趣的方式会变得困惑,”他说。绵羊和山坡上的格林使用一个假想的例子,两件事经常在一起出现。研究人员必须教程序把两个项目分开,他说。

一个人看着山坡上看看认识羊羊。他们还可以看到羊羊意想不到的地方,意识到的地方。但是这些算法不一定区分绵羊和山坡起初因为人们通常把羊在山坡上的照片。他们不经常拍照的羊在杂货店,所以这些算法可以预测,所有的山坡上有羊,”格林说。

“这有点深奥的思考山坡羊时,”他说。“但它更多的如果你有重要的算法看医学图像,你想以同样的方式来预测,人类将预测,基于图像的内容,而不是基于环境。“人类知识编码之前(“知识工程”)为这些系统可以带来更好的医疗保健,格林说。

,当涉及到人工智能医疗、格林表示,它是开放的模式和不同的团队做的关键工作。“这让其他人有机会调查这些模型有自己的问题。我认为这导致了更多的信任。”

在下面的问答中,格林的术语和技术提供了一个通用的概述人工智能与他和他的同事们所面临的挑战。

问答头

人工智能医疗保健是什么?

我将AI系统定义为那些筛选大量的数据和目标识别或解释模式中看到这些数据。这些系统可以改变我们如何发现新的药物,我们如何提供保健和解决生物学和医学中的其他挑战。

“大数据”是什么?

这是一个老套的回答但:比大多数人处理的数据。原来是一个移动的目标,因为研究人员变得更好,更好地处理数据,可能会考虑“大。“那些旧数据集变成例行公事,然后下一波大数据是一个规模越来越大的数据集。

当我们想到大数据,在我们通常考虑的数据来自医疗保健或数据通常来源于某种分子或成像进行剖析。

在生物学和医学中,一些关键技术加速我们收集数据的速率。事情是不可行的两三年前现在是可能的。这些包括描述基因组的新方法,以及那些涉及医疗——如电子健康记录。

“机器学习”是什么?

机器学习描述的许多技术用于识别模式非常大的数据集。

我认为思考机器学习的最好方法是作为一组算法筛选大量的数据,数据中发现新的分组或基于这些数据进行预测。一个关键的区别是,发现或预测的模式——要么——来自数据本身,而不是使用一套规则指令由一个程序员。

“深度学习”是什么?

深入学习是机器学习的一种,本质上是机器学习夫妻模式发现模式使用彼此的。例如,深学习算法可能会非常低级的数据,识别数据中的模式,使用这些模式做出预测,这些预测的正确性,然后使用改进的模式。

“神经网络”是什么?

神经网络是一个特定的框架可以训练计算机如何从数据中学习。他们受生物神经元,但这是一个非常松散的灵感。

他们目前深度学习的主导技术,在一定程度上得益于现代图形卡。相同的硬件,帮助生产写实的游戏非常擅长对矩阵进行数学迅速——这就是我们如何训练神经网络。

很好关于神经网络的另一件事是,他们很容易堆积和训练。而不必单独开发一个模式检测器和一个预测,有一个办法把你结束任务,你发现的模式和完善。

主题:研究,

有特色的专家
员工提

凯西格林博士

Baidu
map