为什么医疗的未来是联合AI

Q&AQ&A问答

为什么医疗的未来是联合AI

来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-03-17

联合学习（或联合AI）可确保用户的数据保留在设备上
并且运行特定程序的应用程序仍在学习如何处理数据并建立更好，更高效的模型，患者的医疗数据，但学习通过不与外部各方共享数据而将这一步骤进一步向前发展，利用联合学习是医疗保健可以随着技术发展的地方，传统的机器学习需要集中数据以训练和建立模型，通过联合学习，结合其他隐私保护技术可以在分布式数据设置中构建模型，而不会从数据中泄漏敏感信息，这将使卫生专业人员更具包容性，并且可以通过转到数据所在的位置（与用户一起）来发现数据中的更多多样性。

正确的数据如何使世界变得与众不同
几乎每个人都在携带可以收集基于健康的信号的智能手机，通过联合学习，我们将能够满足这些用户的需求，这些基于健康的信号可能包括带有医疗信息的照片，可以捕获运动的加速度计，可以显示健康信号的GPS位置信息以及与可以包含生物识别数据的多个健康设备集成，医疗记录集成以及更多的，基于AI的预测模型可以结合在智能手机上收集的数据进行前瞻性和回顾性医学研究，并实时提供更好的健康指标，手机中的技术已经为我们提供了有关空气质量的信息已有一段时间了，但是通过联合学习，我希望应用程序能够在特定事件期间以更加个人化的方式与用户和患者互动，例如如果哮喘病患者离森林大火的地区太近，或者季节性过敏者在花粉计数高的区域附近，我完全希望该应用程序与该用户互动，并提供减轻风险的技巧情况。

隐私至上的重要性
如果没有从用户那里收集关键信息的服务，就无法提供这些见解，使用隐私保护技术（例如差异隐私），此数据仅存储在本地和边缘，而不会发送到云或泄漏给第三方，我们一直在强调隐私的重要性，但其重要性不可低估。用户应拥有自己的数据，并对数据发送和共享的位置具有透明度，每种类型的数据都需要获得收集的授权，并且在如何使用数据方面必须透明，隐私不仅仅是使命宣言-当卫生服务以隐私为先构建时，您可以将更多的参与者引入数据培训循环中，从而使团队可以找到更多样化的用户群，他们对共享私有访问更有信心数据，更具实时性和广泛性的卫生系统，可以使模型从大量用户（而不是少数几个用户）中更快地学习，这将带来更好的健康结果。

不幸的事实是，医疗保健变得非常孤立

数据交换通常很困难且昂贵，例如数据无法与索赔和处方数据一起使用，然后找出是否仅收集了处方就仅存在于其他系统中，如果然后在诸如遗传学，饮食，健康的社会决定因素和活动数据之类的数据中进行分层，那么单个用户就会遇到多节点问题，没有完整事实的来源，而将所有这些都集中起来是非常困难的，联合学习为避免这些障碍提供了绝佳的机会。通过让用户/患者负责协调他们的健康数据，您可以提供正确的选择加入权，以便在这些不同的系统中从他们的数据中学习，现在可以想象联合学习将在整个组织中应用，保存敏感数据，并一起共同构建医疗保健中效率更高，更有效的模型。

免费客服热线：400-050-6600

商业联合会数据分析专业委员会

Prev article

如何通过基于机器学习的解决方案消除缺货事件？

返回列表

Next article

如何将大数据转化为可行的情报？