調(diào)查發(fā)現(xiàn)醫(yī)院使用AI改善群體學(xué)習(xí)

當(dāng)普通人聽到醫(yī)院正在共享信息時(shí)，可能會(huì)引起合理的懷疑。醫(yī)院數(shù)據(jù)包含我們最私人的信息，其中一些我們甚至可能不會(huì)與親人分享。但是，借助群體學(xué)習(xí)，醫(yī)院能夠使用本地?cái)?shù)據(jù)來預(yù)測(cè)和改善他們?yōu)樽约旱幕颊咛峁┑淖o(hù)理，同時(shí)刪除私人數(shù)據(jù)以與其他醫(yī)院合作并相互學(xué)習(xí)。

“群體學(xué)習(xí)僅共享學(xué)習(xí)內(nèi)容，而不共享私人患者數(shù)據(jù)。我們希望這種方法能夠使所有不同的醫(yī)院團(tuán)結(jié)起來，團(tuán)結(jié)一致，分享經(jīng)驗(yàn)，消除偏見，從而使我們的預(yù)測(cè)具有很高的準(zhǔn)確性，同時(shí)保持隱私，”高級(jí)副總裁Eng Lim Goh博士說。 Hewlett Packard Enterprise Co.的AI總裁兼首席技術(shù)官，介紹了利用群體學(xué)習(xí)的醫(yī)院的好處。

Eng Lim Goh博士(左圖);波恩大學(xué)基因組學(xué)和免疫調(diào)節(jié)教授Joachim Schultze(圖中)。和克里希納·普拉薩德·Shastry(如圖，右)，在HPE杰出技術(shù)專家，說話帶著戴夫Vellante表示，theCUBE，SiliconANGLE Media的移動(dòng)即時(shí)串流工作室的主持人，HPE發(fā)現(xiàn)虛擬體驗(yàn)中。他們討論了群體學(xué)習(xí)的好處以及AI如何改善醫(yī)院共享和使用數(shù)據(jù)的方式。(*以下披露。)

人們將這種大流行與上世紀(jì)初的西班牙流感相提并論。他們談?wù)摰氖谴笫挆l，但是這次最大的不同是技術(shù)。技術(shù)已經(jīng)完全改變了我們應(yīng)對(duì)這種大流行的方式。

吳醫(yī)生，我想從你開始。您已經(jīng)在群體學(xué)習(xí)這一主題上做了很多工作。我對(duì)此的有限了解是-我們是從自然界中借來的。您會(huì)想到蜜蜂在尋找蜂巢作為一種獨(dú)立的媒介，但是它們卻以某種方式聚集在一起并進(jìn)行交流。告訴我們我們需要了解的有關(guān)群學(xué)習(xí)的知識(shí)及其與人工智能的關(guān)系。

Goh：Dave，這是一個(gè)很好的類比，使用了一群蜜蜂。這正是我們?cè)贖PE所做的。因此，讓我們?cè)谶@里使用示例。在部署人工智能時(shí)，醫(yī)院會(huì)對(duì)門診數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，這可能由于人口統(tǒng)計(jì)學(xué)和他們經(jīng)常看到的病例類型而有偏差。此外，鑒于隱私甚至主權(quán)方面的限制，在不同醫(yī)院之間共享患者數(shù)據(jù)以消除這種偏見是有限的，例如，在之間。

HPE群學(xué)習(xí)通過允許每個(gè)醫(yī)院仍在本地繼續(xù)學(xué)習(xí)來解決此問題。但是，在每個(gè)周期中，我們都會(huì)收集學(xué)習(xí)到的神經(jīng)網(wǎng)絡(luò)權(quán)重，對(duì)其求平均，然后將其發(fā)送回所有醫(yī)院。經(jīng)過幾個(gè)周期的操作后，所有醫(yī)院將相互學(xué)習(xí)，消除偏見，而不必共享任何私人患者數(shù)據(jù)。那是關(guān)鍵。因此，無需共享私人患者就可以向所有人學(xué)習(xí)的能力，這就是蜂擁式學(xué)習(xí)。