Gli algoritmi di vita e di morte: come capire l'intelligenza artificiale, che sarà di trattare le persone?

Quando si tratta di uso di machine learning, spesso discorsi portano sul campo medico. E questo non è sorprendente: una grande industria che genera fenomenale quantità di dati e di reddito in cui i progressi tecnologici possono migliorare o salvare la vita di milioni di persone. Quasi una settimana che passa senza la comparsa di ricerca che suggerisce che gli algoritmi molto presto saranno migliori esperti di identificare la polmonite o la malattia di Alzheimer la malattia di complessi di organi, dall'occhio al cuore. E tutto questo va, ma…

I Problemi affollate di ospedali e di sovraccarico di personale medico avvelenano sistemi di sanità pubblica e portare a un aumento dei costi per i privati del sistema sanitario. E qui, ancora una volta, gli algoritmi offrono una soluzione interessante. Quante volte in realtà bisogno di visitare un medico? È possibile sostituire queste visite intelligente чатботом — che sarà dotato di portatili test diagnostici, utilizzando i più recenti progressi nel campo delle biotecnologie? Le visite inutili sarebbe possibile ridurre, e i pazienti si potrebbe diagnosticare e guida agli specialisti più veloce, senza attendere la consultazione iniziale.

Come è il caso con gli algoritmi di intelligenza artificiale, l'obiettivo non è quello di sostituire i medici, ma che, per dare loro gli strumenti per la riduzione di tutti i giorni o ricorrenti pezzi da lavorare. Con l'intelligenza artificiale, che può esplorare migliaia di scansioni al minuto, «noiosa routine» rimane su macchine e medici possono concentrarsi su quelle parti del lavoro, che richiedono più complesso, sottile, basato sull'esperienza giudizio sulle migliori tecniche di trattamento e di bisogni del paziente.

Alti tassi di interesse

Eppure, come nel caso di algoritmi di intelligenza artificiale, ci sono dei rischi associati al loro uso — anche per le attività che sono considerati comuni. Problemi di algoritmi di «scatola nera», che prendono inspiegabili decisioni, abbastanza gravi, quando si sta cercando di capire perché automatizzato чатбот-recruiter non e ' rimasto colpito vostra storia durante un colloquio di lavoro. Nel contesto sanitario, in cui le decisioni possono significare la vita o la morte, le conseguenze algoritmico errore può essere fatale.

Le reti Neurali bene con il trattamento di un gran numero dei dati di allenamento e di stabilire relazioni, l'assorbimento sottostanti modelli o logica di sistema a livelli nascosti algebra lineare; che si tratti di rilevazione del cancro della pelle per foto o lettera di apprendimento псевдошекспировским lingua. Tuttavia, essi sono terribilmente spiegano нижележащую logica rilevati loro relazioni: c'è qualcosa di più di una semplice stringa di cifre, statistiche di «peso» tra gli strati. E non possono distinguere la correlazione di causalità.

Si Verificano interessanti dilemma per gli operatori sanitari. Il sogno di dati di grandi dimensioni in medicina è quello di applicare una rete neurale «di enormi quantità di dati sulla salute», l'individuazione complesse, relazioni implicite e portare individuali di valutazione nei confronti dei pazienti. Che se tale algoritmo sarebbe eccessivamente efficace nella diagnosi dello stato di salute o la nomina di trattamento, ma non avete la comprensione scientifica di come questa relazione funziona in realtà?

troppi thread, che serve per districare

Modelli Statistici, che sono alla base di tali reti neurali, spesso suggeriscono che le variabili indipendenti l'uno dall'altro, ma nel complesso, interattivo sistema come il corpo umano, non è sempre così.

In un certo senso è noto il concetto in scienze mediche — c'è un sacco di fenomeni e delle relazioni, che sono stati osservati da decenni, ma ancora poco conosciuta a livello biologico. Il paracetamolo è uno dei più popolari analgesici, ma ancora in corso il dibattito sulla sua azione. I tirocini possono cercare di utilizzare uno strumento più efficace, non importa se è basato su una profonda comprensione scientifica. Gli amanti interpretazione di copenaghen della meccanica quantistica possono parafrasare come «stai Zitto e guarisci!».

Naturalmente, in questo campo sono in corso il dibattito su, non rischiamo con questo approccio trascurare una comprensione più profonda, che alla fine si rivelerà più fruttuoso — ad esempio, per la ricerca di nuovi farmaci.

Oltre filosofiche закорючек, ci sono problemi pratici: se non si capisce come funziona la scatola nera di un algoritmo, come ad avvicinarsi alle domande dei test clinici e di regolazione?

Può essere necessario trasparenza su come funziona l'algoritmo di dati, che guarda, soglie, sulla base dei quali rende conclusioni o fornisce consulenza, ma questo può essere in contrasto con motivi di profitto e impegno alla segretezza medici start-up.

Una delle soluzioni potrebbe essere l'eccezione degli algoritmi, che non possono spiegare da soli o non si basano su ben comprensibile la scienza medica. Ma questo può impedire alle persone di raccogliere i frutti di un lavoro utile di tali algoritmi.

Valutazione di algoritmi

I Nuovi algoritmi di salute non saranno in grado di fare quello che la fisica ha fatto con la meccanica quantistica, perché non sarà schierato in campo. E molti algoritmi migliorati proprio lavoro sul campo. Come facciamo a scegliere il più promettente approccio?

Creazione di un sistema standardizzato di test clinici e test, che ugualmente si applicabile agli algoritmi che lavorano in modo diversoo utilizzano diversi dati di input, sarà un compito difficile. I test clinici, in cui vengono utilizzati campione di piccole dimensioni, ad esempio, con algoritmi che cercano di personalizzare il trattamento per le singole persone, anche complesse. Con piccoli campioni e debole la comprensione scientifica di ciò che sta accadendo, non sarà possibile determinare riuscito algoritmo o ha subito un crollo, perché può essere buona in generale, ma mostrare un cattivo esempio.

Aggiungere a questo composto la formazione e il quadro diventa ancora più complessa. «Ancora più importante, ideale algoritmo di «scatola nera» di plastica e costantemente aggiornato, in modo che il modello tradizionale di studi clinici non è adatto, perché si basa su statico prodotto da stabile valutazione».

Dovrà personalizzare l'intero sistema mediche e test clinici.

Raggiungimento di un equilibrio

sanità riflette la storia dell'intelligenza artificiale in molti aspetti. Non a caso IBM ha cercato di modificare l'ambito sanitario, applicando la vostra intelligenza artificiale Watson.

Il Saldo dovrà trovare. Dobbiamo trovare un modo per gestire grandi quantità di dati, utilizzare il terribile potere di reti neurali e automatizzare il pensiero. Dobbiamo essere consapevoli difetti e pregiudizi di questo approccio alla soluzione dei problemi.

In questo caso dobbiamo accogliere queste tecnologie, perché possono essere un utile complemento alle competenze, alla conoscenza e una comprensione più profonda, che possono fornire persone. Come una rete neurale, le nostre industrie devono studiare, ampliando la cooperazione in futuro.

Siete d'Accordo? Analizziamo nel nostro