精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

當前位置:大數據業界動態 → 正文

如何看待利用大數據做疾病診斷這件事?

責任編輯:editor007 |來源:企業網D1Net  2015-07-28 17:43:22 本文摘自:知乎

大數據

起因是朋友的實習生跟朋友打了一個多小時的電話BLABLA各種向往移動醫療,號稱大數據能改變醫療現狀引領人類走向新時代(誤

而我倆約了吃飯結果我呆呆一個人吃了半天心生怨念

---------------------------又是分割線---------------------------------------

我就想舉個例子就是Dr,Saint SYR。

他是一名來自美國的全科醫生,一直在北京普及PM2.5和空氣污染等的相關知識(室內點蠟燭和吸煙會弄出特別多的PM2.5哦!),結果在去年11月因為單純性呼吸困難給自己診斷了哮喘,使用支氣管擴張劑之后明顯好轉,大家可以想象一下一個天天宣傳怎么戴口罩開空氣凈化器的大夫得了這個病是如何得打臉。。

而他也經歷了相當多的斗爭,思考是不是要回美國。事情再今年2月又了變化,他的病情進展了,發現其實是細菌性的肺炎!抗生素治療之后啥啥都好了!

講這個故事,因為:

1,這是個很很有意思的八卦

2,很多人覺得之前的診斷是誤診,包括采訪他的媒體都是這么報道的,但是我真覺得不是誤診

3,疾病在不同階段展現出來的癥狀體征真的不一定典型,怎么能讓數據診斷不變成數據誤導醫生診斷呢?

那些什么多中心回顧性的循證醫學的實驗,也是處理各種數據,對方這么多年都做不出來的數據,緣何這么多人如此信心滿滿?

首先表明觀點:我認為,自動化診斷是未來趨勢,但現在不成熟,有很大的發展空間。

最先要指出的是,大數據診斷,并非單純的收集數據得出統計結論,而是有一定的人工智能算法在其中起推斷作用。其中簡單有效,而且最符合人的判斷邏輯的算法叫做貝葉斯網絡,在足夠多的數據(這點很難就是了)的前提下,完全可以比任何一個個人人做出的判斷更加準確。在數據不足的情況下,也有可以和不少個人媲美的推斷能力,至少在少見病的診斷上,其準確率是遠遠高于人的。國外有這樣的診斷輔助產品,就是針對少見病診斷市場。國內目前完全空白。

我們先來看看現在的臨床診療。

1、現代醫學是循證醫學(EBM)。也就是臨床實踐都是以基礎科學研究和大規模的臨床實驗結果作為支持的。這些結論,都是大量的數據采集和分析的結果。

2、現代醫學的臨床實踐仍然處于經驗為主的階段,EBM的結論,并不能直接完全覆蓋實際病人身上發生的具體情況。基于EBM的基礎部分的結論,結合實踐經驗,仍然是現階段臨床實踐最重要的方式。

3、大量未得到良好教育和缺乏檢查受手段的醫務工作,仍然是目前醫療的主要力量,盡管國內有最好教育的醫生和最好檢查手段的三甲醫院,依然人滿為患。

4、全科醫生的作用被嚴重低估,而大量專科醫生扮演起了全科醫生的角色,化了很大的精力在處理一些“小病”上。

總結一下就是:EBM指導的部分有局限,EBM+經驗醫療是主流,條件差,水平低,專業不對口的醫生是主流。

大數據可以解決什么問題呢:

1、擴大EBM的適用范圍。如果可以精確地采集數據,EBM在醫療中的比重將更快地上升,總體醫療質量提高。

2、個人經驗無關緊要,大數據將使得個人經驗跟多地轉變成全人類經驗,誤診、漏診將大大減少,從而提高整體醫療質量。

3、醫院分工、醫生分工將更加明確:大醫院解決負責病情,中醫院解決一般病情,小醫院解決慢性病于預防接種保健。因為醫生的診斷已經不依賴個人經驗,從而對普通疾病和罕見疾病的準確率可以有保證;只有病情復雜,治療手段復雜,需要建立MDT(多學科團隊)的病人,才需要大醫院和專家的處理。

4、所有醫生的工作負擔均會一定程度上的減輕,從而帶給病人的醫療服務質量會有提升。

而現階段大數據做不到的事情:

1、精確地、自動化地數據采集。毫無疑問,同一個樣品去不同醫院的實驗室同時做化驗,結果都會不同,這已經是自動化程度非常高的了(這個問題其實可以通過實驗室間校準解決)。跟別提那些可穿戴設備了,可以達到臨床參考級別的設備實在是太少。而醫療數據的維度也特別高,如何讓大數據去自動處理病人的CT資料?而病史,體檢等描述性資料,更離不開臨床工作者的采集。總之,數據采集方面,完全沒辦法離開一線臨床工作者。

2、To cure sometimes,to relieve often,to comfort alway. ——E. L. Trudeau。真正能治愈的疾病實在是少得可憐(其實大多也不是治好的,只是身體自己好的),更多的時候,醫生做的只是在減輕痛苦,撫慰心靈。這部分工作,大數據能幫上的忙就十分有限度,大數據最多只是減輕醫生其他方面的工作,從而換取更多的精力到人文關懷上。

真正可以靠大數據看病了,那得是人工智能發展到可以超越大部分人類的時候了。但并不意味著大數據在現階段完全沒有價值。這部分的價值其實是非常巨大的,只是要找到有能力去做的人,同時又能找到買單的人很困難。就像Google研究無人駕駛汽車一樣,未來一定會大部分時候完全無人駕駛,而現在的無人駕駛技術依然有巨大的技術價值(比如說可以避免很多高速公路上的車禍)。

P.S. 丁香園還沒打算做這一塊是相當可惜的(不然我就加入他們算了),畢竟國內有很多更容易解決,更重要的問題等他們去做。

關鍵字:貝葉斯網絡BLABLA

本文摘自:知乎

x 如何看待利用大數據做疾病診斷這件事? 掃一掃
分享本文到朋友圈
當前位置:大數據業界動態 → 正文

如何看待利用大數據做疾病診斷這件事?

責任編輯:editor007 |來源:企業網D1Net  2015-07-28 17:43:22 本文摘自:知乎

大數據

起因是朋友的實習生跟朋友打了一個多小時的電話BLABLA各種向往移動醫療,號稱大數據能改變醫療現狀引領人類走向新時代(誤

而我倆約了吃飯結果我呆呆一個人吃了半天心生怨念

---------------------------又是分割線---------------------------------------

我就想舉個例子就是Dr,Saint SYR。

他是一名來自美國的全科醫生,一直在北京普及PM2.5和空氣污染等的相關知識(室內點蠟燭和吸煙會弄出特別多的PM2.5哦!),結果在去年11月因為單純性呼吸困難給自己診斷了哮喘,使用支氣管擴張劑之后明顯好轉,大家可以想象一下一個天天宣傳怎么戴口罩開空氣凈化器的大夫得了這個病是如何得打臉。。

而他也經歷了相當多的斗爭,思考是不是要回美國。事情再今年2月又了變化,他的病情進展了,發現其實是細菌性的肺炎!抗生素治療之后啥啥都好了!

講這個故事,因為:

1,這是個很很有意思的八卦

2,很多人覺得之前的診斷是誤診,包括采訪他的媒體都是這么報道的,但是我真覺得不是誤診

3,疾病在不同階段展現出來的癥狀體征真的不一定典型,怎么能讓數據診斷不變成數據誤導醫生診斷呢?

那些什么多中心回顧性的循證醫學的實驗,也是處理各種數據,對方這么多年都做不出來的數據,緣何這么多人如此信心滿滿?

首先表明觀點:我認為,自動化診斷是未來趨勢,但現在不成熟,有很大的發展空間。

最先要指出的是,大數據診斷,并非單純的收集數據得出統計結論,而是有一定的人工智能算法在其中起推斷作用。其中簡單有效,而且最符合人的判斷邏輯的算法叫做貝葉斯網絡,在足夠多的數據(這點很難就是了)的前提下,完全可以比任何一個個人人做出的判斷更加準確。在數據不足的情況下,也有可以和不少個人媲美的推斷能力,至少在少見病的診斷上,其準確率是遠遠高于人的。國外有這樣的診斷輔助產品,就是針對少見病診斷市場。國內目前完全空白。

我們先來看看現在的臨床診療。

1、現代醫學是循證醫學(EBM)。也就是臨床實踐都是以基礎科學研究和大規模的臨床實驗結果作為支持的。這些結論,都是大量的數據采集和分析的結果。

2、現代醫學的臨床實踐仍然處于經驗為主的階段,EBM的結論,并不能直接完全覆蓋實際病人身上發生的具體情況。基于EBM的基礎部分的結論,結合實踐經驗,仍然是現階段臨床實踐最重要的方式。

3、大量未得到良好教育和缺乏檢查受手段的醫務工作,仍然是目前醫療的主要力量,盡管國內有最好教育的醫生和最好檢查手段的三甲醫院,依然人滿為患。

4、全科醫生的作用被嚴重低估,而大量專科醫生扮演起了全科醫生的角色,化了很大的精力在處理一些“小病”上。

總結一下就是:EBM指導的部分有局限,EBM+經驗醫療是主流,條件差,水平低,專業不對口的醫生是主流。

大數據可以解決什么問題呢:

1、擴大EBM的適用范圍。如果可以精確地采集數據,EBM在醫療中的比重將更快地上升,總體醫療質量提高。

2、個人經驗無關緊要,大數據將使得個人經驗跟多地轉變成全人類經驗,誤診、漏診將大大減少,從而提高整體醫療質量。

3、醫院分工、醫生分工將更加明確:大醫院解決負責病情,中醫院解決一般病情,小醫院解決慢性病于預防接種保健。因為醫生的診斷已經不依賴個人經驗,從而對普通疾病和罕見疾病的準確率可以有保證;只有病情復雜,治療手段復雜,需要建立MDT(多學科團隊)的病人,才需要大醫院和專家的處理。

4、所有醫生的工作負擔均會一定程度上的減輕,從而帶給病人的醫療服務質量會有提升。

而現階段大數據做不到的事情:

1、精確地、自動化地數據采集。毫無疑問,同一個樣品去不同醫院的實驗室同時做化驗,結果都會不同,這已經是自動化程度非常高的了(這個問題其實可以通過實驗室間校準解決)。跟別提那些可穿戴設備了,可以達到臨床參考級別的設備實在是太少。而醫療數據的維度也特別高,如何讓大數據去自動處理病人的CT資料?而病史,體檢等描述性資料,更離不開臨床工作者的采集。總之,數據采集方面,完全沒辦法離開一線臨床工作者。

2、To cure sometimes,to relieve often,to comfort alway. ——E. L. Trudeau。真正能治愈的疾病實在是少得可憐(其實大多也不是治好的,只是身體自己好的),更多的時候,醫生做的只是在減輕痛苦,撫慰心靈。這部分工作,大數據能幫上的忙就十分有限度,大數據最多只是減輕醫生其他方面的工作,從而換取更多的精力到人文關懷上。

真正可以靠大數據看病了,那得是人工智能發展到可以超越大部分人類的時候了。但并不意味著大數據在現階段完全沒有價值。這部分的價值其實是非常巨大的,只是要找到有能力去做的人,同時又能找到買單的人很困難。就像Google研究無人駕駛汽車一樣,未來一定會大部分時候完全無人駕駛,而現在的無人駕駛技術依然有巨大的技術價值(比如說可以避免很多高速公路上的車禍)。

P.S. 丁香園還沒打算做這一塊是相當可惜的(不然我就加入他們算了),畢竟國內有很多更容易解決,更重要的問題等他們去做。

關鍵字:貝葉斯網絡BLABLA

本文摘自:知乎

電子周刊
回到頂部

關于我們聯系我們版權聲明隱私條款廣告服務友情鏈接投稿中心招賢納士

企業網版權所有 ©2010-2024 京ICP備09108050號-6 京公網安備 11010502049343號

^
  • <menuitem id="jw4sk"></menuitem>

    1. <form id="jw4sk"><tbody id="jw4sk"><dfn id="jw4sk"></dfn></tbody></form>
      主站蜘蛛池模板: 南丹县| 樟树市| 蓬安县| 巴林左旗| 三亚市| 威海市| 鞍山市| 南充市| 满洲里市| 盐城市| 铜鼓县| 亳州市| 荣成市| 湖口县| 涿鹿县| 定州市| 凤冈县| 渝中区| 石棉县| 江都市| 百色市| 陵水| 宝山区| 随州市| 成都市| 离岛区| 宝坻区| 霍邱县| 呼玛县| 黄山市| 漳平市| 贵州省| 陆川县| 五华县| 钟祥市| 成安县| 嘉善县| 卓尼县| 株洲市| 景洪市| 霸州市|