Прежде всего, мы должны знать, что ИИ и машинное обучение НЕ одно и то же. Хотя они похожи, они не считаются одинаковыми, потому что машинное обучение - это только подмножество ИИ. Обе эти концепции были разработаны в 1950-х годах, однако машинное обучение опередило свое время.
Это связано с человеком по имени Артур Сэмюэл, который в конце 1950-х годов пришел к выводу, что все, что нам нужно, чтобы научить компьютеры делать, можно самоучить. Когда он понял, что у компьютера может быть способ самообучения, он также пришел к выводу, что это может привести к гораздо большей эффективности, когда дело доходит до определенных задач. Но теперь вам может быть интересно, как мы вообще это делаем? Именно здесь на сцену выходит развитие нейронных сетей. Нейронные сети служат компьютером, который был специально разработан для работы путем сортировки, идентификации и классификации данных и информации так же, как и человек. Например, его научили распознавать элементы в изображениях и классифицировать их на основе этих элементов. По сути, он работает на основе системы вероятностей, и в зависимости от информации, которая ему передается, возвращает определенную степень достоверности. Машинное обучение предоставляет безграничные возможности, и если вы хотите узнать о нем больше, нажмите здесь. Однако в этой статье основное внимание будет уделено влиянию машинного обучения на здравоохранение и медицину.
«Машинное обучение - это область исследования, которая дает компьютерам возможность учиться без явного программирования» - Артур Сэмюэл
ИИ в медицинской индустрии
Каждый день системы здравоохранения тратят огромное количество ресурсов, времени и богатства, не говоря уже о тысячах людей, которые умирают из-за простых медицинских ошибок, таких как неправильный диагноз, отложенные планы лечения или уровни ремиссии. чего можно было бы избежать, если бы проблема была обнаружена вовремя. И поскольку мир продолжает развиваться, нам нужно начать использовать эти достижения в наших интересах, чтобы мир мог улучшаться и развиваться. Именно поэтому многочисленные системы здравоохранения по всему миру экспериментируют и работают вместе с технологическими новаторами и специалистами по обработке данных, чтобы открывать новые, эффективные и инновационные способы ранней диагностики заболеваний, информировать пациентов и общественность о надлежащих рекомендациях по охране здоровья и безопасности, а также анализировать прошлые и представить тенденции и закономерности данных для точного и быстрого прогнозирования тенденций.
Некоторые популярные примеры объединения машинного обучения и здравоохранения включают роботизированную хирургию с использованием искусственного интеллекта, платную клиническую оценку / диагностику и анализ изображений. В отчете, подготовленном McKinsey, прогнозируется, что машинное обучение и большие данные могут потенциально сэкономить 100 миллиардов долларов в год благодаря более точным и эффективным клиническим испытаниям, инструментам и исследованиям. Эти новые инструменты и оборудование могут привести к повышению эффективности, что может существенно помочь врачам, регулирующим органам и потребителям в принятии важных решений. Кроме того, согласно исследованию, проведенному HIMSS, 77% специалистов здравоохранения заявили, что, по их мнению, ИИ и машинное обучение могут быть наилучшими для поддержки принятия клинических решений, таких как процесс диагностики. .
Машинное обучение и COVID-19
Сейчас, как никогда ранее, быстрая эффективность и решения - это именно то, что нужно миру для лечения COVID-19. И для этого делается каждый маленький шаг, который мог бы помочь в этом, и именно поэтому без каких-либо колебаний системы здравоохранения включили ИИ и машинное обучение, надеясь, что это сыграет роль в повышении наших шансов на выявление закономерностей, анализ тенденций в COVID-19, что приводит к более быстрому исследованию и лечению.
Кроме того, медицинские работники используют его, чтобы понять основы передачи и распространения вируса. Машинное обучение широко используется для различных целей во время этой пандемии, однако используются некоторые чрезвычайно известные и полезные методы, такие как медицинские учреждения, обычно использующие технологии машинного обучения для проверки людей на COVID-19. Один из важнейших протоколов, которому следует строго следовать во время COVID-19, - это социальное дистанцирование и соблюдение минимального 6-футового расстояния. Обычно, чтобы проверить или проверить пациента на что-то, врачи должны подойти ближе, чем 6 футов, однако с достижениями машинного обучения, к которым у нас есть доступ, бизнес и стартапы, такие как Clevy.io, создали чат-ботов, которые могут сделать это проще и безопаснее. чтобы люди могли получить точные факты о COVID-19, например, как, где и почему вам следует пройти тестирование, при этом сохраняя социальное дистанцирование. Этот чат-бот задаст вам вопросы, которые также помогут точно определить риски COVID-19.
Использование машинного обучения, чтобы узнать, как распространяется вирус
На начальных этапах распространения этого беспрецедентного вируса многие вещи были крайне неопределенными как для исследователей, так и для врачей. Одна из самых важных вещей, которую нам нужно было знать, мы не знали. Именно так распространяется COVID-19 и как он изначально начал распространяться. К счастью для нас, у нас были инструменты машинного обучения, которые были особенно полезны, потому что исследователи могли анализировать большие наборы данных, чтобы найти тенденции, с помощью которых они могли спрогнозировать передачу и распространение. Предсказание распространения было чрезвычайно важно, потому что, если бы мы знали, как распространяется вирус, мы также могли бы узнать, как остановить распространение вируса. Многочисленные исследователи из Zuckerberg Biohub смогли построить модель машинного обучения, которая оценила количество случаев COVID-19, которые остались незамеченными. Это было полезно, поскольку предоставило общественности более точное количество текущих случаев. Кроме того, в партнерстве с инициативой по развитию диагностики AWS им удалось не только обнаружить количество неучтенных передач, но и определить, как вирус мутирует и распространяется среди населения.
Кроме того, такие стартапы, как ClosedLoop, используют свои обширные знания в области медицинских данных для создания шкалы уязвимости COVID-19, «Индекс C-19», которая используется для выявления людей, подвергающихся наибольшему риску. от серьезных осложнений, связанных с лечением COVID-19. Индекс также используется системами здравоохранения и руководством, чтобы не только выявлять лиц с высоким риском, но и специально обсуждать с ними важность принятия надлежащих мер предосторожности для обеспечения своей безопасности. Они говорят с ними о социальном дистанцировании, о постоянном мытье рук и даже предлагают доставить основные предметы первой необходимости, такие как туалетная бумага, еда и вода, прямо к ним домой, чтобы обеспечить их как можно более безопасность.
Машинное обучение помогает ускорить лечение и исследования
По мере того, как мы углублялись в вирус, мы получали больше информации и знаний, и, прежде чем мы узнали об этом, у нас было слишком много информации, которую нужно было отслеживать. Помня об этой проблеме, AWS запустила веб-сайт CORD-19 Search, основанный на интеллектуальном машинном обучении. Цель этого веб-сайта - упростить и повысить эффективность поиска исследователями необходимых документов о COVID-19. CORD-19 Search в настоящее время содержит 128 000 исследовательских работ и дополнительных материалов. Машинное обучение позволяет приложению быстро находить конкретную информацию из неструктурированного текста, что ускоряет темпы обнаружения. Кроме того, с точки зрения ускорения лечения инженеры из Калифорнийского университета в Сан-Диего создали приложение машинного обучения, которое обнаруживает пневмонию, которая, как было доказано, связана с тяжелыми случаями COVID-19. Преимущество ранней диагностики этого состояния заключается в том, что это позволяет врачам лечить пациента с правильным уровнем лечения и ухода.
Машинное обучение почти всегда оказывалось чрезвычайно полезным для нас в прошлом и не подводило нас сейчас, в том числе и с COVID-19. Поскольку миллионы людей заражаются и тысячи умирают каждый день, инструменты и технологические достижения, такие как машинное обучение и искусственный интеллект, являются ключом к эффективному и действенному изучению этой загадочной и неизвестной болезни. Сейчас, более чем когда-либо, если каждый будет использовать свои знания вместе во всем мире для создания и внедрения инновационных решений, борьба с COVID-19 может стать на один шаг легче.
Источники
Https://www.bernardmarr.com/default.asp?contentID=1190
Https://www.weforum.org/agenda/2020/05/how-ai-and-machine-learning-are-helping-to-fight-covid-19/
Https://www.statnews.com/2020/01/29/coronavirus-response-artificial-intelligence-becoming-useful/
