江苏龙网

  1. 首页 > 资讯 > 科技 > >

智慧医疗|大数据时代下的人工智能医疗( 四 )


Q4. 人工智能在医疗领域有哪些应用场景？分别处在什么阶段？
深度学习是人工智能的基本方法 ， 所以它适合做一些经验累积性的工作 ， 比如比对看片、药物研发等 ， 医疗健康领域也被认为是人工智能落地最有潜力的领域之一 ， 但实现人工智能医疗的真正落地 ， 需要创新的应用场景 ， 就目前来看 ， AI医疗的应用场景有以下四类：
智能预警：习惯监督、风险识别监测、早期预测、早期预防与干预等 。
智能诊断：医学影像与诊断、疾病筛查、机器人诊断、虚拟医生、助理护士等 。
智能管理：生活健康管理、电子病例管理、康复医疗管理、医院管理等 。
智能研发：药物研发、医学研究、临床试验研究、病情病种研究等 。
若说所处阶段 ， 目前AI图像识别、辅助诊断、药物研发等稍稍领先 ， 其他的应用场景都在路上 。
Q5. 人工智能医疗如何保障用户的安全问题？
人工智能技术与医疗领域融合不断加速 ，数据资源、计算能力、算法模型等基础条件成熟的同时 ， 也必然导致医疗安全问题如影随形 ， 科学技术本身无善恶之分 ， 这些安全问题可能贯穿产品设计、研发测试、数据集构建、算法训练等整个医疗产品的生命周期 ， 这里主要探讨用户信息安全问题及防御风险策略 。
1、隐私数据脱敏加噪
对于用户的信息安全 ， 现在普通的医学研究做法是进行隐私数据脱敏 ， 把敏感信息隐藏掉 ， 然后把数据进行发布 ， 但是这样有非常大的风险 ， 因为虽然不知道用户的名字 ， 但是可能知道用户的性别及一些其他特性 ， 通过这些特性 ， 其实有很大概率能够反映出来这个人是谁 ， 所以很多问诊平台将用户的治愈案例公布吸引其他患者进行咨询问诊 ， 某种程度上也是对用户隐私的欠考虑 。
所以如果要真正的解决用户的隐私问题 ， 可能还是要从理论和数学上去解决这个问题 ， 在近几年有一项差分隐私的技术出现 ， 就是在发布数据的时候不仅仅只做匿名化 。
更重要的是把数据做一些扰动 ， 让不法者没有办法判断到底这个人是谁 ， 简单讲就是在数据里加入一些噪声 ， 但这样也会带来一些问题 ， 加完噪声之后有可能导致数据不可用 ， 完全变成随机的数据 ， 所以这里也伴随着一个技术难点就是所加噪声和可用性之间的平衡 ， 目前都是尽力的保证用户隐私 ， 同时让加入的噪声越来越小 ， 不影响数据的正常使用 。
2、深度学习安全防护
AI技术和互联网一样 ， 都是一把双刃剑 ， 都具有两面性 ， 虽然有时制造麻烦 ， 但同时也可以安全防护 ， 尽管医疗信息泄露事件频频发生 ， 但如果能主动利用人工智能技术 ， 打造完善的安全防御机制 ， 实现对网络攻击的智能化响应 。
就可以依靠机器算法 ， 快速收集、处理海量数据 ， 通过对不同数据的分类、处理 ， 来有效识别潜在的网络安全隐患；同时借助深度学习技术 ， 人工智能可以不断学习成长 ， 不断提高安全防护水平 ， 实现对网络攻击的自主防御 。
事实上 ， 用户安全问题远不止这些 ， 还比如注入攻击漏洞、安全配置错误、数据非法窃取、数据污染、对抗性输入等等 ， 伴随着AI医疗的推进 ， 也必然会产生各种各样稀奇古怪的安全问题 ， 和计算机病毒一样 ， 人工智能背后的操作者是人 ， 人类行为的不确定性也将注定会不断的产生安全隐患 ， 同时也会不断的修复安全漏洞 。
Q6. 人工智能医疗行业的产品经理从业方向都有哪些？他们都在做什么？
AI+医疗的应用场景非常多 ， 远超过我们现在认知的样子 ， 他们从事的方向就是基于“AI+各种医疗业态”下的解决方案 ， 在做的大部分还是延续“互联网+”时代的一些事情 ， 只不过有一些新的能力要求 ， 就工种而言 ， 也对应有技术型、数据型、体验型、策略型、商业型AI产品经理等 。
事实上 ， 人工智能医疗领域最紧缺的是算法工程师 ， 大部分有一定规模的社招平台 ， 在AI领域招聘的技术人员算法居多 ， 好的算法工程师一票难求 ， 在这里我对“千军易得 ， 一将难求”有很深的体会 ， 从产品的角度 ， 初级阶段AI产品大都和技术挂钩 ， 我个人觉得随着AI的发展 ， AI PM的需求量和需求类型也会随着改变 ， 我姑且大胆的把AI医疗产品分为三个阶段：


推荐阅读


上一篇：新机发布|三星发布会，有没有你迷人的宝贝

下一篇：智能机器人|终于有人帮我清理猫毛、猫砂！追觅扫地机F9体验