Як децентралізований штучний інтелект та машинне навчання змінюють медицину: пояснення

Чому ця технологія є принципово важливою?

Вона зробить медичний досвід більш інтерактивним та адаптованим до користувача.

Існує кілька ключових проблем, які вирішує децентралізований ШІ, надаючи користувачеві можливість повернути контроль над своїм здоров’ям.

Інтегральне навантаження

Ці рішення можуть направляти учасника у знаходженні та зборі власних медичних даних. Більшість людей не мають доступу до власної медичної інформації, не знають, з чого почати, і якщо знають, їхнє знання про комп’ютерні технології обмежене. Вони також сприяють та підтримують спільноту розробників з відкритим кодом, щоб допомогти інноваціям інструментів на своїх платформах, полегшуючи інтеграцію та збір даних та представляючи алгоритми для інтерпретації даних: децентралізований Kaggle для персоналізованої біології.

Органічні та неупереджені дані

Блокчейн використовується як система трьох входів, що дозволяє нам відстежувати та аутентифікувати джерела даних. Це дозволяє робити точні прогнози та здійснювати аудит походження даних, а також виконувати процеси дляensics і KYD, або Знати свої дані.

Крім того, для проблеми упередженості даних, технологія створює більш безпечне медичне середовище для користувача. Наприклад, дані, отримані з рандомізованих контрольних випробувань, часто сповнені упередженості. Високоселективний характер випробувань систематично ускладнює становище жінок, літніх людей та людей з додатковими медичними станами, які не вивчаються; вагітні жінки, як правило, повністю ігноруються.

Проблеми конфіденційності

Люди можуть бути обережними в тому, щоб ділитися своїми медичними даними по мережах, де можуть бути незнайомці. Децентралізуючи дані між усіма користувачами, вони шифруються та стають незмінними. Крім того, Neuron відповідає вимогам HIPAA, зберігаючи інформацію на пристрої, а не в хмарі чи на централізованому сервері.

Перспективи попереду

Хоча сфера охорони здоров’я ще далека від створення лікаря в машині, у медицині є загальні лікарі (ГП) та спеціалісти. Загальні лікарі аналогічні до GAI (Загальний ШІ), недосяжного на даному етапі технологічного розвитку. Але спеціалісти подібні до вертикальних ШІ і ближчі до реалізації. ABMS (Американська рада медичних спеціальностей) перераховує більше 150 медичних спеціальностей і підспеціальностей. Neuron має потенціал стати провідним гравцем у цій сфері.

Як ця технологія може бути застосована в медицині?

Існує кілька варіантів застосування.

У світі медицини є проєкти, такі як Neuron, які розробили кілька цікавих продуктів у бета-версії. Ці продукти навчатимуть користувачів, як навчати свій децентралізований ШІ; іншими словами, як навчити тренера. Користувачі зможуть побачити, як створити набори даних про своє здоров’я, а також де і як отримати ці набори даних.

Модуль впровадження з комп’ютерним зором

Один продукт використовує ШІ та МН для автоматичного заповнення ваших фізичних характеристик в додатку, просто зробивши селфі. Модуль Selfie2BMI використовує найновітніші глибокі нейронні мережі та техніки оптимізації для прогнозування різноманітних анатомічних характеристик, зокрема висоти, ваги, ІМТ, віку та статі за обличчям. Окрім цих життєво важливих анатомій, він також контролює 23 атрибути обличчя, такі як шкіра, випадання волосся, зморшки, зуби та інші атрибути.

Декодер аналізу крові

Іншим інноваційним використанням, яке розробив Neuron, є глибокі розмовні агенти, розроблені для покращення досвіду після аналізу крові, що дозволяє користувачеві обговорювати та відповідати на будь-яке питання щодо 400 біомаркерів крові. Він навчається на сотнях тисяч медичних документів та поширених запитаннях, щоб відповідати на складні питання про результати крові. Агент може персоналізувати розмову в залежності від віку, статі та предіснуючих станів користувача, щоб надавати релевантні відповіді та навчати, використовуючи інтерактивний контент.

Декодер генетичних тестів

Глибокий розмовний агент, призначений для покращення досвіду генетичного консультування, надаючи відповіді на прості освітні питання до складних персоналізованих питань. Він має пам’ять і запам’ятовує кожен візит та рекомендацію, які він надавав. Коли він не знає відповіді, то йде шукати її в величезному наборі даних. Також він може передати вас своєму колезі з вуглецевої основи.

Декодер медичних препаратів

Модуль впровадження, навченний на дозах ліків, побічних ефектах та інших рекомендаціях, щоб відповідати на персоналізовані питання. Він буде підключений до побудованого на фармакогеномі рекомендаційного двигуна, якщо геномні результати присутні.

Як це працює?

Технологія блокчейн дозволяє сторонам взаємодіяти.

Ці взаємодії базуються на наборі погоджених бізнес-правил. Ці правила можуть визначати транзакції платежів або загальні набори правил, звані смарт-контрактами. Децентралізована мережа учасників хостить ці правила, щоб перевіряти запропоновані транзакції за смарт-контрактом. Контракти можна використовувати для визначення способу взаємодії різних сторін у довірливому, бездозвільному порядку. І такий тип мережі може закласти основу для платформи. Можна розробити агреговані дані та моделі глибокого навчання, які інакше були б занадто дорогими для централізованих установ.

В епоху мобільних телефонів і планшетів ці пристрої є основними обчислювальними засобами для багатьох людей. Оскільки в нинішній час споживачі майже завжди приєднані до своїх мобільних пристроїв, спостерігається комбінація багатих користувацьких взаємодій і потужних сенсорів, що призводить до безпрецедентної кількості даних, які, як правило, є приватними. Чутливий характер даних означає наявність ризиків і відповідальностей щодо зберігання їх у централізованому місці. Отже, моделі, які навчаються на даних користувачів, мають потенціал значно поліпшити зручність, забезпечуючи більш інтелектуальні додатки.

Приклад з реального життя

Зображення: Doc Ai

Щоб переглянути пояснююче відео, перейдіть за посиланням.

Як децентралізацію можна застосувати до цього?

Децентралізовані технології мають кілька переваг.

А саме, конфіденційність даних та здатність створювати колаборативну атмосферу. Це також стосується децентралізованого штучного інтелекту. Моделі машинного навчання зберігають дані в безпеці та забезпечують конфіденційність. Як? Вони взаємодіють та зберігають дані на пристрої іншого користувача. Крім того, коли моделі продовжують навчатися і досягають зрілості, вони відкриті та доступні для всіх у мережі. Таким чином, немає потреби в централізованій комерційній організації. Це важливо, оскільки наразі саме цей авторитет є остаточним, щоб визначити долю майбутніх відкриттів.

Що таке штучний інтелект та машинне навчання?

Це так звані технології XXI століття.

Штучний інтелект — це теорія та розвиток комп’ютерних систем, які здатні виконувати завдання, які зазвичай вимагають людського інтелекту, такі як візуальне сприйняття, розпізнавання мови, прийняття рішень та переклад між мовами.

Машинне навчання використовує алгоритми, які навчаються виконувати завдання, такі як прогнозування чи класифікація, не будучи спеціально запрограмованими для цього. По суті, алгоритми навчаються на даних, а не є попередньо визначеними.

Існують різні рівні машинного навчання і чистого ШІ, починаючи з:

• Навчання з наглядом
• Навчання без нагляду
• Глибоке навчання

Кожен рівень вимагає величезних обсягів даних і може створити відносну та корисну інформацію за асоціаціями з швидкістю та точністю, порівнянною, якщо не кращою, ніж у людей. Це — сила штучного інтелекту та машинного навчання.