8月舉辦於嘉義長庚醫院的實證醫學年會,主題探討大數據、人工智慧對醫學研究與實證醫學的影響。會中由李友專院長淺談人工智慧的發展沿革,以及目前在醫學領域應用較為廣泛的人工智慧型態,例如:圖像判讀或分組、決策樹(decision tree)、人工神經網路(artificial neural network, ANN)、深度學習(deep learning)、機器學習(machine learning, ML)等。李院長的演講作為導言,以輕鬆詼諧的方式,簡單讓與會者像聽歷史故事一般接觸人工智慧的發展史,並從中帶出人工智慧在過去遭遇的挫折與困境 (例如硬體設備的計算效率不佳)。隨著科技時代的進步,電腦硬體與時俱進,形成現今人工智慧發展的優勢環境,足以支援更複雜演算法與更大量的資料點。

        李院長精彩的演說引人入勝,讓筆者會後更為好奇,人工智慧目前在醫學研究方面是如何被應用與執行的?以及人工智慧的基本概念有些什麼?故筆者搜尋了一些介紹人工智慧的網站,以及一些運用或探討人工智慧的醫學論文。

        以下先提供兩個基礎介紹的網站

  1. GCP專門家 (https://blog.gcp.expert/ml-1-ai-ml-deep-learning-intro/)
  2. STOCKFEEL 股感知識庫 (https://www.stockfeel.com.tw/%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7%E7%9A%84%E9%BB%83%E9%87%91%E5%B9%B4%E4%BB%A3%EF%BC%9A%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92/)

上述兩個網站都有概念式的基本介紹,以及應用於生活的豐富舉例,網站中也有系列文章可供進一步閱讀。

目前醫學較常見的應用為圖像判斷,以及利用不同演算法(algorithm)建構模型進行預測。利用機器學習建構模型所作的預測,會受到資料萃取方式與資料本身特性的影響,如同上述網站介紹中所言,它無法回答未知的事情。

2018/3/12 JAMA對於健康照護方面的大數據與機器學習發表一篇評論,筆者對於該篇文章的論述深有同感。機器學習建構於不同演算法的運用,但仍然是資料導向(data-driven)的分析法,經典名言"garbage in, garbage out"仍是真理。此類新穎的,以演算法為基礎的決策工具(algorithmic decision-making tool),無論演算法的技術是高階或是基礎模型,都應該被確保演算結果是準確(robust)且可被驗證的,因為醫學研究的結果未來將影響許多生命。

 

 

關鍵字:人工智慧, 大數據, 機器學習, artificial intelligence, machine learning, medical research

參考文獻

  1. Andrew Wong, Albert T. Young, April S. Liang, et al. Development and Validation of an Electronic Health Record–Based Machine Learning Model to Estimate Delirium Risk in Newly Hospitalized Patients Without Known Cognitive Impairment. JAMA Network 2018; 1(4):e181018.
  2. Beam AL, Kohane IS. Big Data and Machine Learning in Health Care. JAMA 2018; 319(13):1317-1318.
  3. Bax JJ, van der Bijl P, Delgado V. Machine Learning for Electrocardiographic Diagnosis of Left Ventricular Early Diastolic Dysfunction. J Am Coll Cardiol 2018; 71(15):1661-1662.
  4. Danton S. Char, Nigam H. Shah, and David Magnus. Implementing Machine Learning in Health Care — Addressing Ethical Challenges. N Engl J Med 2018; 15; 378(11): 981–983.
  5. Nishant Sahni, Gyorgy Simon, and Rashi Arora. Development and Validation of Machine Learning Models for Prediction of 1-Year Mortality Utilizing Electronic Medical Record Data Available at the End of Hospitalization in Multicondition Patients: a Proof-of-Concept Study. J Gen Intern Med 2018; 33(6):921-928.
  6. Stead WW. Clinical Implications and Challenges of Artificial Intelligence and Deep Learning. JAMA 2018; 320(11):1107-1108.
創作者介紹
創作者 晨晰部落格新站 的頭像
晨晰部落格新站

晨晰統計部落格新站(統計、SPSS、BIG DATA討論園地)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()