您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
人工智能医疗:在数据中寻找意义
2020年01月04日 由 TGS 发表
446656
0
自从60多年前计算机科学家约翰·麦卡锡(John McCarthy)创造了“人工智能”这个术语以来，通过不断的探索，研究人员已经能够将这一强大的技术应用于各种各样的领域，例如：医疗保健。尽管存在一些障碍，但医疗保健和人工智能之间的交集却有可能创造崭新的历史。从医生的记录、核磁共振扫描到基因序列，病人的大量数据使得人工智能能够得以发展，帮助医生和研究人员做出高度准确的预测。但对病人来说，有些东西仍然缺失。
如果医生确定你得了晚期脑癌，你的第一个问题可能是“为什么？”关于这一点，不幸的是，即使是最强大的人工智能模型也无法解释它们自己的决定，你的医生只能说:“因为电脑告诉了我。”
最近，人工智能领域的进步，提供了一种解释——这些人工智能模型可以提供关于给定数据中重要内容的附加信息。作为人工智能模型的创造者，研究员已经直接看到，额外的可解释性步骤增加了人工智能的有用性。例如，当我们创建一个模型来检测帕金森病的早期症状时，我们只是在观察了模型如何解释MRI扫描后才发现了它的问题。在认识到这一点后，就能修正模型，更准确地发现疾病的早期迹象。最重要的是，可解释性可以通过提供对使用AI的额外洞察来建立信任。它能让我们更接近人类机器团队的未来，它能让医生们开始理解，人工智能为什么会做出这样或是那样的决定。
有人认为人工智能与医师之间有深层次的矛盾——它可能会在未来抢了医师的饭碗。但实际上，两者都是不可或缺的。
没有人工智能，人类就失去了使用大量医疗数据的能力，这些数据可以提高诊断的准确性。没有人类医生，只靠机器，就会缺失同情心、可靠性和自然的病人体验。两者的结合，才是未来，将可解释的结果集成到人工智能系统中，会让人更加了解、理解人工智能。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
上一篇
使用深度学习预测与疾病相关的突变
下一篇
AI改善蛋白质相互作用的结构建模
广告
广告
写评论取消
回复取消