医学数据荒原中人工智能的“刀耕火种”

“全世界的人们都在使用人工智能来应对人类面临的一些重大挑战。”Swami评论道。

“宁光院士很有远见。十年前，他开始对医院数据进行缩放。

但是前一阶段信息化水平确实一般。我们互助项目涉及的几十万患者的数据相比(其他医院)已经是很好的数据了，但是我们还是花了很大的精神去做数据处置处罚。”

从2018年开始，瑞金医院、上海三甲医院、第四范式开始战略互助，用人工智能技术筛查糖尿病，以实现患者的早发现、早治疗。瑞金医院由中国工程院院士、瑞金医院副院长宁光院士领导。

第一财经广告互助，请点击这里

“金融行业不用花那么多时间(为了数据清理)，因为金融领域的数据纹理非常好。”第四种范式的技术部署在不同行业都有。“与金融或互联网行业的医疗信息化相比，还处于刀耕火种的阶段。”

通过数据筛选和清理的“辛苦”和“劳累”，人工智能开始发挥更强大的作用。

屠维卫认为，在某些慢性病的筛查阶段，就像发现人工智能在早期糖尿病的准确率不亚于经验丰富的医生，而人工智能无疑更高效。

新冠肺炎疫情爆发后，景泰科技对近3000种经FDA批准的上市药物和10000多种中药身份进行了扫描，发现了183种可能对SARS-CoV-2有潜在治疗作用的药物。Swami作为互助党表示：之后景泰科技对毒品的活动进行排名，最终通过越来越精确的计算方法锁定了38种毒品。

数据准备通常包括数据清理、数据模式统一、数据合并等。非规模数据意味着在数据准备阶段会损失大量时间，减缓了人工智能技术的部署速度和效率。

人工智能除了在医学领域落地之外，在药物研发方面也取得了进展。

疫情期间，组织开始用机械学习的方式来举办SARS-CoV-2治疗方案的研发。

“他说的还是轻的。我以为七八成的时间都花在这件事上了。

人工智能的技术已经有了，但大部分时间已经消失在数据里了。”第四范式副总裁屠维维接受《第一财经记者》专访时表示，虽然这个问题普遍存在，但在一些特定行业尤为突出，医疗领域就是如此。

这些医疗数据已经无纸化，都是电子病例，但是直接在这些数据的基础上部署人工智能还是比较困难的。例如，不同医生对同一种疾病的症状和形态的不同，可能意味着需要时间进行一次又一次的筛查。

任何一家人工智能企业，想要在医疗领域挖到金子，就必须做好做先锋的准备。

在这个行业，有希望获得全面的收获，但你首先要做很多艰苦的工作。

医疗信息化需要通过与数据用户的互助来逐步创新。现在瑞金医院的数据质量有了很大的提高。

屠维卫认为，“数据渐进的问题会越来越少。”

“数据准备实际上是把握机械学习模式发展的必要阶段”。

Swami告诉第一财经记者，无论哪个市场，数据背后的问题都是一样的。需要从数据清理到ETL(从源端到目的端提取-转换-加载数据的过程)开始构建机械学习模型，然后做好数据准备。

Swami提到的现象在人工智能落地的每一个场景中都很常见，但不是某个行业的个别案例。

他的观点也得到国内人工智能企业界的回应。

文章作者

“原来医院的信息质量令人担忧，因为保存信息对医院没有影响。医生坐着看病就够了。

这些医学数据对他们来说没有特别的意义，”屠维卫说。

亚马逊内部有一种普遍的认知，认为人工智能还处于“第一天”阶段。“例如，我们刚醒来，需要一杯咖啡。

即使在这样的早期阶段，机械学习领域也有很多创新。

在人工智能的数据可用性问题上，中国和国外没有区别。

本内容为第一财经的原版权。未经CBN书面授权，不得以任何方式使用，包括转载、提取、复制或构建图像。第一财经保留追究侵权人执法责任的权利。

如需授权，请联系第一财经版权局：021-22002972或021-22002335；banquan@yicai.com .

景泰科技总部设在深圳，在北京和波士顿设有R&D实验室。景泰科技搭建了基于云的智能药物研发平台。在这个平台上，景泰科技利用亚马逊的AWS GPU构建机械学习框架，实现大规模模型训练和参数优化。

“有很多数据科学家和机械学习专业人士，在开发机械学习模型时，会花一半的时间做数据准备。

”亚马逊AWS副总裁Swami Sivasubramanian在接受《第一财经记者》采访时表示，这些辛苦又累人的工作需要专门的平台工具来帮助完成标注数据、清理数据等事情。

机械学习是人工智能的重点，数据往往被认为是人工智能的“燃料”，是该技术建立模型、创新算法的基础。

之所以组织的更深，是因为人工智能出现之前的医学数据对于医生和医院来说价值不大。

彭海斌

本文来源：泛亚电竞app-www.qianchenoutdoor.cn