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。
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。
“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 -/
▲ 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
硬科技第一产业媒体
提供最有价值的行业观察