AI医疗是时候加入区块链了

2018 年 6 月 9 日 镁客网



大数据+人工智能+区块链的结合,将对当前医疗行业转型起到至关重要的作用。


“想要AI真正应用于医疗领域,需要先‘杀死’上百万患者。”

在刚刚结束的“中新人工智能高峰论坛”上,新加坡科学院院士、新加坡国立大学智能系统中心主任黄铭钧语惊四座。

“从当前来看,由于机器的训练程度不够,因此极易出现误诊。而区块链或是促进AI医疗训练进程加速的关键。”

在黄铭钧看来,大数据+人工智能+区块链的结合,将对当前医疗行业转型起到至关重要的作用。

仅靠“自有数据”训练AI

它可能得先“杀人”才能去“救人”


在AI行业有一句话:AI落地,数据先行。简而言之,就是没有“数据”什么都做不了。

医疗行业也是一样。

以“诊断”为例,每个医生的脑中,都有着自己的“数据库”。这其中,包括大学期间的学习“数据”、从业过程中积累的实践“数据”、参加研讨会得到的研究“数据”等。只有基于这些“数据”,医生的大脑才能够做出相应的分析和判断,从而做出诊断。

可以说,医生的“脑子”,就是一个机器学习系统;历年的学习实践经历,就是一个“训练”过程。机器学习,需要正是这些。

“我们在收集医疗数据的时候,经常碰到的一个问题,就是医院不愿意将数据分享出来,更别说分享出来之后,为其他医院服务。因为这其中,涉及到了‘患者隐私’等极为敏感的问题。”

对于大多数病患来说,将自己的“数据”交给医院,实属无奈之举,因为不告诉医生,医生就没办法看病。但这绝不代表,患者愿意将这些数据共享出去。

从当前的AI医疗诊断行业看,由于数据的获取困难,几乎所有案例都只是集中于某一家医院甚至是某一个科室。因为“数据量”不够,“训练量”不够,医院大多不敢轻易使用。

“除此之外,医学数据是很‘敏感’的。可能三年前,某些数据还很重要。但是三年后,这些数据已经‘过时’,成为了负累,需要被清除。”黄铭钧认为,这是当前AI医疗在数据获取上遇到的一个很大的难题。

众所周知,在医学行业有一个很“心酸”的状态:如果学医时,每天要看十篇文献;毕业当医生了,每天至少要看20篇。这些都证明了,医学行业,信息常更常新、日新月异、极为庞大。

“在机器学习的过程中,目前最稀缺的就是实时、不间断、全维度产业链的数据。因为可供机器分析的开放数据越多,其预测和评估则会更加正确,生成的算法也更加可靠。”区块链+医疗项目天医AIDOC亚太地区顾问吴诗展说。

也因此,只基于片面、不全的数据库学习的AI诊断系统,可能会在诊断过程中,经历多次“误诊”,才能有所进步。而这一“误诊”量,可能会达上百万。

即便数据量够,以当前的AI系统处理能力,在“清理”数据这种“准备工作”上,就需要花费大量的时间,更不用说分析数据和得出结论了。

可以说,AI在“救人”之前,为满足其长期训练和实践需求,先要付出的,可能是“杀人”的代价。

“区块链可以很好的解决这些问题。“黄铭钧很自信的说。

AI医疗数据问题太多?

区块链或是救星


“通过加密货币的方式,我们可以将患者的数据形成一个健康的数据流。除此之外,区块链的去中心化,可以将各大医院‘可拿出来用’的数据库打通。这样一来,我们就能获得大量的数据,所形成的超级账本速度快、通量高,足以满足AI对数据处理的需求,促进医疗行业更快速和更健康发展。”黄铭钧说。

从本质上看,区块链就是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一次网络交易的信息,用于验证其信息的有效性和生成下一个区块。这不仅能解决快速增长的医疗健康数据的存储问题,也能很好的解决数据的安全存储问题。

“除此之外,通过智能设备上传到医疗链中的数据永久可追溯却不可篡改,还能进一步保证数据的准确性。而更为重要的是,区块链是具有token激励机制的,用户上传医疗健康数据就会得到一定的token奖励,这让AI训练的医疗数据有了长久的持续性。另外,基因数据、医疗病历、实时上传的健康数据等也为AI训练提供了多维度医疗数据,同时整个链上的参与者充分共享医疗数据价值,最大化链上价值。”吴诗展说。

IBM曾发布一份有关于“医疗保健与区块链的”报告称,区块链技术会在临床试验记录、监管合规性和医疗/健康监控记录领域发挥巨大作用,在健康管理、医疗设备数据记录、药物治疗、计费和理赔、不良事件安全性、医疗资产管理、医疗合同管理等方面业都能发挥专长。


互联网时代,用户可以在线咨询问诊,提高了医生的诊断效率;AI时代,智能医疗提高了医生收集和处理数据的速度,极大程度上提升了医疗行业的发展。

但医疗行业因其专业性高、容错率几乎为0的特性,对AI的要求也非常的高。在数据为王的机器学习时代,如果数据问题得不到解决,带来的危害是非常严重的。索性,区块链能够凭借其去中心化及强大的数据处理、保护优势,在一定程度上解决这一问题。

 /- 推荐阅读 -/

 为社交而战,苹果切断Facebook数据采集渠道

 史上“最软”苹果发布会:四大系统均有更新,独缺硬件产品

▲ 跨越一甲子的AI之路为何愈发坚定?我们与5位顶级大咖进行了深入探讨

镁客网

科技 | 人文 | 行业
微信ID:im2maker
长按识别二维码关注

硬科技第一产业媒体

提供最有价值的行业观察

登录查看更多
0

相关内容

黄铭钧(OOI Beng Chin),新加坡国立大学杰出教授、浙江大学长江学者讲座教授、新加坡科学院院士、ACM Fellow、IEEE Fellow。主要研究方向包括数据库性能问题、索引技术、内存数据管理、云计算和并行系统的研究与高级应用等,并致力于\"ABCD\"(AI,Blockchain,Cloud Computing,Data Driven Technology)领域的创新与产业化。1985年毕业于澳洲莫纳什大学,获一等荣誉学士学位,1989年获得博士学位,之后加入新加坡国立大学并于2000年晋升正教授。2007至2013年,担任计算机学院院长,期间将新国大在QS计算机学科的排名提升到世界第8名。目前担任新加坡国立大学人工智慧系统研究院院长、新加坡最大出租车公司康福德高(ComfortDelGro)的独立董事,并领衔新国大苏州人工智能创新及产业化中心研发人工智能,推进人工智能在医疗保健、金融科技等领域的科技创新。自2009年起,他陆续得到各界褒奖,如2016年入选新加坡科学院院士,2016年获中国计算机学会(CCF)海外杰出贡献奖,2014年获IEEE TCDE CSEE影响奖,2013年获新加坡国立大学杰出研究奖,2012年获IEEE计算机学会Kanai奖,2011年当选ACM Fellow,2011年获新加坡总统科学奖,2009年获ACM SIGMOD贡献奖,2008年当选IEEE Fellow。在顶级国际会议如ACM SIGMOD、VLDB、IEEE ICDE 和期刊如ACM TODS、IEEE TKDE、VLDBJ等发表过200多篇论文,被引用超过一万八千余次,H指数达到72。他担任过多个CCF A类国际会议的程序委员会主席,包括IEEE ICDE 2000、2004、2006的程序委员会副主席,以及 ACM SIGMOD 2007、VLDB 2008(核心数据库分论坛),IEEE ICDE 2012、2018的程序委员会主席。他也担任过CCF A类期刊IEEE Transactions on Knowledge and Data Engineering (TKDE)以及大数据研究的国际期刊Journal of Big Data Research(JDBR)的总编(Editor-In-Chief),Springer's Distributed and Parallel Databases的期刊主编,VLDB Endowment 委员会理事主席(2014至2017年),以及ACM SIGMOD 顾问委员会委员(2012至2017年),目前是IEEE Transactions on Cloud Computing的副编委,ACM Transactions on Data Science (TDS)的创始主编,以及Communications of the ACM编委会委员 。黄铭钧还连续两届参加了国际数据库前沿展望会议(2008年在Claremont,2013年在Beckman ),与世界顶尖数据库专家共同探讨未来几年数据库技术的发展方向。他将会在今年十月再次应邀前往西雅图参加会议。黄铭钧一直致力于\"ABCD\"领域的创新与产业化,对企业级平台开发和系统集成已有二十多年的经验,涉足领域包括大数据分析与解决方案、智能制造、金融科技和人工智能服务等。2014年至今,耗时多年研发了新一代分布式机器学习平台Apache SINGA,挑战人工智能新战场  。2016年,发布了世界首个区块链标准化评测框架BlockBench,并在GitHub上开源代码,引起学术界和工业界的广泛关注。2017年入选浙江省人工智能发展专家委员会委员。官方网站:https://www.comp.nus.edu.sg/~ooibc/bccv.htm
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
137+阅读 · 2019年12月12日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
医疗知识图谱构建与应用
专知会员服务
384+阅读 · 2019年9月25日
百度研究院|2020年10大人工智能科技趋势
专知
7+阅读 · 2019年12月24日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
2018年4个需要关注的人工智能趋势
大数据技术
7+阅读 · 2018年1月30日
在成为新晋网红之后,AI却寒冬将至
拓扑社
15+阅读 · 2017年12月20日
【智能医疗】如何利用深度学习诊断心脏病?
产业智能官
8+阅读 · 2017年10月3日
人工智能与医疗,正成为人工智能时代重头戏
机器之能
6+阅读 · 2017年7月10日
Signed Graph Attention Networks
Arxiv
7+阅读 · 2019年9月5日
Arxiv
10+阅读 · 2019年2月19日
Arxiv
8+阅读 · 2018年7月12日
VIP会员
Top
微信扫码咨询专知VIP会员