“当人工智能遇到医疗大数据”:谢邦昌教授谈智慧医疗

网友投稿 2018-05-30 10:57

“人工智能的技术整合区域的医疗大数据,替代医生繁重的重复工作部分,辅助医生进行医疗诊断、缓解医疗产能不足、解放优质医疗资源。”

导语

在最近的一段时间里,对于精准医疗领域可谓是大放异彩,不仅得到了国家战略性的扶持,也催生出一系列的医疗产业机会。大数据在医疗行业回报不仅仅是提高相关医疗服务企业的营业能力,同时也能直接增进人民福祉,因此在医疗大数据行业的未来,如何用好医疗大数据?又该把握哪些发展机会呢?

本期嘉宾中华资料采矿协会荣誉理事长、中华市场研究协会理事长、台北医学大学管理学院院长、大数据研究中心主任谢邦昌教授将为我们解析医疗大数据那些事。      

人物简介

https://cdn.china-scratch.com/timg/180601/105GM1K-0.jpg

谢邦昌  教授

台湾大学生物统计学博士。现任台北医学大学管理学院院长、教授、博士生导师、大数据研究中心主任,兼任中国统计教育学会高等教育分会副会长兼学术交流委员会主任委员、中华市场研究协会理事长、中华资料采矿协会荣誉理事长,中国人民大学、厦门大学、首都经济贸易大学等多所国内著名院校客座教授,发表过近三百篇关于统计和数据挖掘的论文。出版了近五十余本相关专著。

BBDA对话谢邦昌教授


大数据、人工智能和区块链等技术的到来,是不是预示着一场新的工业革命?而这些科技革命对我们的生活会带来哪些影响?

大数据、人工智能和区块链等技术其实可以说是诞生在很多年前的一些“古老”的技术,最近几年如火如荼的发展起来都得益于数据分析需求的大幅度上升,因此这些所谓的新兴技术都与数据分析息息相关。我们知道big data就是data analysis in large database,也就是在大量海量数据中做数据分析,数据分析过后就会相应的产生大量的模型和模式等记录,这些记录往往都存储着大量的人类行为模式的信息,例如看病行为、出行行为以及购买行为等,这些行为的不断累积就变成产生如今我们所说的人工智能、商业智慧。可见,一方面大量的数据是人工智能、机器学习、区块链等技术的基础,另一方面这些技术能够提升数据分析的深度和广度,提高数据分析的精准度。

就拿区块链技术来说,它其实就是我们过去常说的密码学。区块链最本质的内容是信任和安全,而它最核心的技术则是密码学,密码学隐私和信息安全至关重要。可见,由于大数据、人工智能等技术的不断进步,促使密码学进入了一个新的发展高潮。可以理解为区块链就是越来越快速有效的密码学,因此解决很多领域隐私问题的效率就会变得越来越高。

正如区块链一样,类似种种过去生活中常见的技术、知识以及业务等都会在当今时代产生新的效果,例如改变人们日常的收支行为、购买行为等等,无一不影响着我们的生活、提升着我们的生活质量。而在未来带来的改变会更多,类似于看病更靠谱、智慧医疗越来越普及等等,这些都会对我们的生活会做出划时代的改变。

您在医疗大数据领域的研究颇有建树,因此想请您简单谈谈有关医疗大数据的内容以及特点。

过去的十年中,由于使用现代技术收集和记录数据,医疗数据集以令人难以置信的规模增长。医疗大数据包括观察数据、基因数据、影像数据,涵盖文字、声音、影像等多个方面,并且越来越多医学研究获益于临床大数据分析技术的运用。通过运用这些医疗大数据,医生判断病情的准确度也相应会越来越高,医疗更靠谱的道理正是如此。譬如,研究者通过分析全数字化乳腺X线摄影图像获得的临床大数据,研究并且优化了乳腺癌的治疗。又如临床工作者通过分析临床数据库将呼吸困难的儿童患者分为不同的子类型进行分类治疗。可见协助医生做医疗判断的大数据越来越多,医生在做病情诊断时的可靠性依据也就越来越多,那么对于病情的判断分析就会愈发有效和准确。但与此同时使用医疗大数据的研究人员也面临着多重挑战,并且数据本身也存在一定的局限性。因此数据分析的方法能够跟上我们收集和存储数据的能力尤其必要。

除医疗大数据外,人工智能技术在医学领域还有哪些进展呢?人工智能等技术对传统医学和患者看病就医有什么样的影响?

每个医院、医疗机构都有它们的医院信息系统(Hospital Information System),这些系统将不仅能够将患者日常生活中看病的整个过程都记录下来,同时这些系统的进步速度非常快,于是就会产生庞杂的医疗数据,这也就成了困扰医生治疗患者的难题。因此,如何从这样大量的数据中找出有针对性的治疗信息,并且对这些信息加以分析就变得颇为重要了。而人工智能与医学领域的结合, 就为医生节省大量的筛选时间,辅助医生了解病情并进行医疗诊断、缓解医疗产能不足、解放优质医疗资源等等。这里所说的协助医生更了解病情,不是单单只特定一个患者的病情,而是有着相类似情况的几十万甚至几百万人的病情,对这些病情的发生缘由充分了解之后,医生就可以进行精准医疗了。

举些例子来看,对于做手术的医生来说,最大难题就是如何保证手术的准确性,而机械手臂的诞生和快速的发展不仅可以减少对患者身体组织的伤害,医生还可以更准确的掌握手术开刀的位置。再比如说IBM 的“华生 (Watson) 医生” 它整合了大量的医疗数据和医疗文献,用以帮助医生诊断一个患者是否有癌症、抑或是患有那些类型癌症、该怎样进行治疗、哪些药物的治疗效果更好等等,据测算,华生的诊断准确率达到73%。在这些例子中我们可以看到,从电子病历到行动感测数据,从人工智能到穿戴设备,从实证医疗到精准治疗,智慧医疗的到来势不可挡,医疗因此也会变的越来越靠谱。

大数据分析主要考察相关关系,对于更注重因果关系的医疗诊断而言,该如何发挥作用?

数据分析的确着重于关联性分析,也就是着重考察相关关系,而构建模型时候所需要的专业知识,以及对于变量间因果关系的考察都需要专业领域的人员来进行判断。比如很著名的一个例子,谷歌关于流感趋势的预测有成功的案例也有失败的案例,成功方面取决于相关关系的应用,其失误却来源于模型的构造、因果关系和相关关系的冲突等问题,可见因果关系在大数据分析中也显得尤为重要。

我们不能说心跳快是由于车流量多的原因所造成的,两者之间确实有相关关系,但并不存在因果关系,因此在对某一现象展开分析时,专业知识就变得越来越重要了。而专业知识的累积反过来也需要需要大数据和人工智能技术的辅佐,基于这些技术的专业知识累积,是指不断从错的过程中学习,逐渐就可以在整个学习的过程中知道哪一种是真正的因果关系、哪一种是隐形关联关系,有了这些知识后就能够为之后的模型构建、数据分析等作出更准确的判断,并如此循环往复。再举个例子,之前《nature》杂志的一篇文章提到阿法狗零在质疑人类智慧。虽然他们提出不依靠人类的智慧,但是却基于人类的数据建模、进而通过mcmc做模拟的方式产生很多棋谱,这种建模方式就是对统计上一种重要的专业知识--“模拟”--的应用。统计学中的“模拟”往往是模拟一种状况和情景,尽可能的让这种状况更好的呈现出来。可见,在大数据分析中专业知识的累积也尤为重要。

    在政策和需求双重驱动下,人工智能、大数据分析等技术渗透在医疗健康领域的各个环节,为相关产业带来无穷的潜力和广阔的前景的同时,也能够对诊断和治疗提供巨大帮助,全面提升人民的福祉,前景充满无限想象。

1

END

--end--

声明:本文章由网友投稿作为教育分享用途,如有侵权原作者可通过邮件及时和我们联系删除:freemanzk@qq.com