醫學是人工智能最激動人心的前沿領域之一，但人工智能將在哪些方面對醫療保健的未來產生真正的影響？ O'Reilly Media 內容策略副總裁 Rachel Roumeliotis 在這里回答。

數據將如何更好地改變診斷

很少有行業像醫學那樣數據密集。醫療數據有多種形式：圖像、音頻、視頻、非結構化文本和結構化信息。所有這些數據都受到其他行業所經歷的傳統問題的影響：信息缺失、值損壞、可疑異常值、缺少標簽、印刷錯誤等等。

隨著醫學數據庫的增多，清理和標記信息變得越來越重要。雖然我們距離解決這一挑戰還有一段距離，但我們看到了 Holoclean 和 Snorkel 之類的重要進展。前者是一個開源的、基于機器學習的系統，用于自動錯誤檢測和修復，已成功用于包括醫院在內的多種醫療應用中。

與此同時，Snorkel 是一種開源數據編程工具，它可以自動執行耗時的任務，即創建訓練并以編程方式標記用于訓練機器學習應用程序的大型數據集。該技術已經在醫療領域取得了重大成功。一個對罕見主動脈瓣畸形進行分類的項目使用了來自英國生物銀行的龐大的人口規模數據集，并且使用數據編程，能夠自動標記大約 4,000 個以前未標記的 MRI 序列——否則這些工作必須由手。

同樣的數據編程工具也為生物醫學圖像分析帶來了成功，以及提取隱藏在現有資源中的知識。例如，Snorkel 的開發人員創建了一個數據提取工具，該工具通過梳理生物醫學文獻來提取特征和基因組變異之間的關聯。通過這種方式，人工智能在提升我們的醫學知識的同時提供更快、更準確的診斷——鑒于訓練有素的醫務人員短缺，這是一個特別重要的考慮因素。

具有“協同學習”的全球模型庫

醫療行業中定義的數據挑戰之一是信息極其敏感的性質。我們不僅要處理人們的個人病史，而且制藥和其他醫療企業自然會嚴格保護他們的數據。然而，巨大的飛躍需要我們將這些數據匯集在一起??，以找到有助于更好地了解疾病和改進治療方法的見解。

在北京舉行的人工智能會議上，加州大學伯克利分校 RISELab 主任 Ion Stoica 描述了新項目，這些項目使組織能夠在不實際共享數據的情況下進行合作。這種新的協作模式被稱為“合作競爭”——收集匿名數據以創建一個全球模型庫，每個參與者都可以將其用于自己的項目。

競爭性學習特別令人興奮的是，它在其他行業中也有大量敏感數據數據集的應用。例如，金融機構可以使用該模型來構建更準確、更強大的欺詐模型，展示醫學領域的先驅技術將如何很快改善我們生活的其他領域。

新經濟與市場

然而，這種模式只是醫療保健行業正在開發的新市場的一個例子。例如，一家正在為未來創造技術的公司是 Computable Labs，這是一家初創公司，它正在構建工具來創建這些新的數據市場，解決重要問題，如市場治理、為市場中的數據賦予價值，以及確保隱私的協議。

RISELab 通過設想新的雙邊市場將這一想法更進一步，這些市場由人工智能在雙方進行調解。僅舉一個例子來說明這是如何工作的，假設您是一名糖尿病患者，并且正在使用一項根據您的病情推薦食譜的服務——但您不喜歡該服務推薦的很多菜肴。在一個雙向的、以人工智能為中介的市場中，您的推薦引擎會了解您的口味和需求，然后與其他引擎溝通以協商出令人滿意的菜單。

然而，開發建立在數據流之上的新市場機制不僅會對醫療行業產生重大影響；它實際上代表了一次令人難以置信的雄心勃勃的嘗試，旨在重新構想資本主義本身的內部運作方式。雖然數據密集型醫療保健行業顯然是出現這種情況的地方，但其應用可能是無限的。這只是一個例子，說明醫學不僅幫助我們活得足夠長，享受更美好、技術更先進的未來，而且實際上也有助于創造未來。