机器学习可以解决我们如何在全球范围内管理健康的问题。-王其杉博客|程序员|科技新闻
布里特斯宾塞
利用机器学习来改善健康是医疗从业者和医疗行业的一个主要目标。如果这两个国家能够在2019年在全球范围内联合起来,通过正确的投资和方法,人工智能可以推动一场革命,使全球卫生民主化,并在低收入和中等收入国家实现医疗服务的跨越式发展。
长期的人力资源短缺是许多资源匮乏地区改善健康和医疗保健的主要障碍之一。说到全球健康,人工智能提供了巨大的机会来填补严重的医疗工作者短缺所留下的空白,特别是与移动电话技术相结合时。
广告
例如,像Peek Vision这样的社会企业可以使用基于智能手机的技术,使医疗保健提供者能够为视力有问题的人提供经济有效且有针对性的治疗。此外,通过在个性化护理、可穿戴设备和诊断图像识别方面的发展,技术为患者提供了更好地照顾自己的新机会。随着几乎所有国家的慢性病发病率的上升,老年人口的增加和医疗服务的扩大,赋予患者帮助预防疾病有很大意义。
虽然在人工智能的背景下,健康领域正在进行大量的创新,但是对于这些新技术是否真的改善了健康还没有足够的评估和验证。这类评估应该是卫生研究资助者的优先事项。
阅读下一步
英国脱欧最近的不交易危机?腐烂的放射性药物
英国脱欧最近的不交易危机?腐烂的放射性药物
通过
斯蒂芬·阿姆斯特朗
为了确保所有人(不仅仅是富人)都能使用新技术和数字健康解决方案,同时解决传染病和非传染病问题,有一种协调的评估和交付方法至关重要。这与疫苗和新药的推出没有什么不同。然而,在医疗保健领域,机器学习和人工智能的规则还没有完全定义,这可能会损害信任和成功。因此,我们需要确保我们为社会影响提供创新,同时也要通过适当的治理和监管框架创新我们提供创新的方式,以确保公平的获取和影响。
在肮脏的地下搜寻人类抗生素救世主
长读数
在肮脏的地下搜寻人类抗生素救世主
广告
作为科学家,我们依赖于数据,稳健的数据收集和分析同样的原则也应适用于机器学习解决方案,确保这些数据在道德上使用,并保护患者隐私。健康应用和医疗数字创新也需要临床验证和严格的基层开发和分配。正如梅琳达·盖茨(Melinda Gates)和其他人警告的那样,在这个模型中嵌入的偏差可以产生新的数据来加强偏差。因此,我们需要确保数据的收集方式能够反映出我们不同的社会,例如,通过确保程序员之间的性别和种族平衡,以及在新技术和创新中构建当地环境。
展望未来,我们不能重复过去的错误,就像20世纪90年代在非洲发生的那样,当时大规模的艾滋病毒/艾滋病干预依赖于西方对流行病的理解,后来失败了。低收入和中等收入国家合作伙伴必须带头形成技术创新,这可能对本国人民的健康产生最大的影响。
由加纳光明西蒙斯(Ghanaian Bright Simons)在加纳创建的MPEDigree网络等本土解决方案是一个创新的端到端移动跟踪系统,通过加强医疗产品(包括疫苗)供应链的真实性,使患者和卫生专业人员能够识别假药。随着谷歌在加纳开设了一个人工智能实验室,并在非洲启动了专门的教育项目来利用当地的技能,人们对这一趋势在2019年将继续迅速发展的期望是相当高的。至关重要的是,必须对人工智能解决方案进行严格的评估和审查,以确保质量和安全标准到位,并确保人人享有个性化医疗保健的转变是一股毫无疑问的力量。
阅读下一步
你的新年排毒饮食弊大于利。
你的新年排毒饮食弊大于利。
通过
水蚤麻风环
有鉴于此,2019年将加强公私伙伴关系,创造一套稳健、有效和公平的数字解决方案。这将利用人工智能的力量使病人的权力和人们管理自身健康的能力民主化,包括在低收入和中等收入国家。
Peter Piot是伦敦卫生与热带医学院的主任,也是帮助发现埃博拉病毒的微生物学家。
更多来自《连线世界》2019
–与通过刺激神经元来修复抑郁症的公司会面。
–电动自行车革命将颠覆城市交通
广告
–公司将如何使用人工智能解决工作场所的骚扰
–区块链需要防范量子黑客
利用每周星期六的有线新闻稿,在收件箱中充分利用有线新闻。