許多企業正在采用和部署大數據應用程序以獲得競爭優勢,但其中許多企業正在“在工作中學習”,盡其所能地反復試驗,但所獲得的結果不一。為了提供行業指導,行業媒體記者James Maguire與兩位數據科學領域的專家進行了探討與交流,討論如何將這種快速發展的技術用于當今的業務。
這兩位專家是:博思艾倫咨詢公司的高級助理Seth Clark,糖尿病遠程醫療提供商Virta Health公司研究主管James McCarter博士。
以下是媒體記者James Maguire與兩位專家進行的廣泛而深入的討論的精彩內容:
James Maguire:請問你在開發數據科學時遇到的挑戰或障礙是什么?
Seth Clark:“我認為開發數據科學,這種差距最大的挑戰之一就是信任。人類需要相互信任,而在兩個人之間建立信任需要一個明確的過程。通常,這只是需要更長的時間和豐富的經驗。很多人都說他們要做某事,然后去做。但弄清人們如何信任數據算法很難,但需要相信數據分析會告訴人們做出的決定。對于人類來說,這是一個非常模糊的嘗試和信任。
所以,我們希望著重于文化轉型,可以為技術專家、數據科學家、開發人員等提供幫助。人們需要充分理解數據科學是如何工作的,以便當有結果輸出時,他們可以真實地查看數據背后的數據,并且會在想我知道這是從哪里來的,我認為這是值得信賴的。我們根據這些見解做出一些決定,看看會發生什么。人們必須對此具備信心,相信它會好起來的。”
James Maguire:當遇到數據科學并使用它時,你遇到了什么樣的障礙或挑戰?
James McCarter:“就像Seth Clark所言,我的回答也傾向于文化,也就是企業所建立的文化。在過去的三年中,我們已經創建了Virta公司,它是來自醫學和研究領域的臨床實踐的融合者,并且將這些與來自快速移動軟件和IT文化結合在一起。
我認為它的一部分是試圖了解人們正在構建的算法的目的是什么,或者生成的數據的目的是什么。這是質量與速度的問題。那么,企業是否在嘗試做出當今需要的內部決策,這將影響未來幾周的工作?或者是否正在編寫一份將要提交給同行評審出版物的數據集,其影響將會持續數十年。試圖在質量與速度之間找到這種平衡是我們在過去幾年中變得更好的事情。”
James Maguire:我認為Facebook公司創始人馬克·扎克伯格的著名言論:“迅速行動并顛覆事物”,這個理論可能適用于社交媒體網絡,但我認為它不適用在醫療環境中。
James McCarter:我認同你的觀點,我認為不要在醫療行業中快速采取行動并進行顛覆。對我們來說最重要的是耐心的結果、安全性和可持續性。所以,任何危害這些的東西都是我們不能發展的方向。”
James Maguire:數據科學從業者可以“信任”某一種算法嗎?
James McCarter:“似乎人們面臨其中的一個挑戰是算法可能會改變。我的意思是,如果它內置了人工智能,或者它會隨著時間的推移而發展。一個從業人員如何真正相信其算法,并且知道這是正確的?換句話說,我們使用的這個工具是一個靈活的、不斷變化的工具。這是一款不斷發展的軟件。我們怎樣才能相信它呢?”
Seth Clark:“人們正在談論人工智能和深度學習領域試圖達成的主題之一。有很多方面需要信任。所以,人們正在考慮一種算法,例如給出一個非此即彼答案的東西,以及更像是一個虛擬助手的東西。有些東西會給人們提供一些建議,而且這些建議也有一定的信心。
就像我給你提供一些建議一樣。如果在一些方面我了解很多,也許你相信我。如果這件事情我不了解,那么我的建議可能并沒有什么作用。我可能擁有其他知識,例如音樂和航海,我提供給你一些建議,但它可能并不具有什么價值,而一些相應的知識會幫助我給出一個很好的答案,但我沒有這些知識。
因此,同樣的道理,確保不要期望某種人工智能算法將會處理所有事情,人們需要理解它的局限性。很多這些限制歸結于人們用于創建這些預測算法的數據。所以,人們經常會問,‘正在使用的數據有多好?這在實際上是不是有用的數據?我能相信一直在訓練這個算法的數據嗎?’而如果不能信任這些數據,就必須對其降低一些期望。
所以,我認為它正在改變人們的思維方式,然后再看看構成預測的所有構成要素,以幫助人們理解是否應該相信這一點。我現在對McCarter也想問同樣的問題。而他作為一名臨床醫生的角度如何來看待,我會感到好奇。醫生如何說服其患者相信預測性的見解?我認為它與其他的操作是非常不同的,而不是說服某人采取某種療程。”
James Maguire:我感覺這是一個非常重要的問題。例如,你對此有何看法?你相信這個算法嗎?或者,患者如何信任這個算法?
James McCarter:“我們的每個患者都有自己的健康助理和醫生。正如我所提到的,我們是一個以醫生為主導的組織。所以,Virta醫生都是Virta公司的員工,我們的健康助理也是如此,他們大多是營養師、護士,以及其他健康從業人員,以及臨床醫生。所以,這才是真正的人際關系。
但是,如果患者考慮如何實際逆轉Ⅱ型糖尿病,我們不會通過建立取代醫生的人工智能來做到這一點。我們所做的是兩項創新:一個是營養領域。這是一種稱為營養性酮癥的方法,如果可以使其在現實世界中發揮作用,它對于逆轉Ⅱ型糖尿病非常有效。第二,為了在現實世界中做到這一點,我們開發了一種名為為持續遠程護理的服務。這背后的想法是,這就像在任何時候都有健康助理和醫生陪護在患者身邊一樣。它們可以通過一個應用程序來實現??梢悦刻於啻闻c患者接觸,而不是每年幾次。因此,我們認為數據科學是提供持續遠程醫療的基礎。所以,這不是為了取代醫生,而是為醫生提供了更多的權力。”
James Maguire:你從數據科學中學到了什么?
Seth Clark:“我認為這是‘以人為本’。 我認為應對技術挑戰比處理人為問題更容易。組織需要關注其正在建設的團隊,支持團隊的方式,以及為多元化團隊提供便利的方式,這非常重要?,F在人工智能領域存在一個主要的話題,那就是人工智能所帶來的偏見。例如有一群20多歲的白種技術人員在開發一種特殊的算法。他們的生活經歷會以某種方式呈現在他們編寫的代碼中嗎?
他們訓練數據的方式或他們選擇數據來訓練這些算法的方式是這樣的?答案是肯定的。這幾乎就像采用技術提高能力一樣。像Nvidia這樣的公司正在發布新的硬件,這些硬件可以為各種用戶提供深入的學習和真正的高端人工智能,但我們必須把重點放在人性上而不是技術上。不是說技術方面的問題很簡單,而是人類的問題在處理上更難。
因此,著眼于建立一個能夠思考人工智能和數據科學將提供給人類的終極價值觀的多元化團隊,我認為這是至關重要的。”
James McCarter:“我曾經提到過一些擴展方面的事情,那就是我們試圖做一些類似于眾包的功能。建立一個病人社區。這是我們實施策略一部分,除了生物標志物反饋和在線教育資料以及健康教練和醫生之外,實施策略的第五個組成部分是一個在線社區,患者可以互相提供信息。”
James Maguire:“它實際上是一個點對點網絡。”
James McCarter:“這是一個對等網絡。這是可選的。如果人們覺得不能分享或沒有必要分享,那么可以不分享。但如果他們愿意的話,它就像點一份菜單一樣簡單。而這些更多的時候是情感上的支持,分享勝利和挫折,并向他人尋求建議和支持。我們現在正在研究的另一個方面是,我們實際上開展了逆轉Ⅱ型糖尿病的最大和最長的試驗。但是,到現在為止才兩年的時間,只有五百人接受試驗。
而我們現在正在治療成千上萬的患者,我們為此創建了Virta Health注冊中心,這是一個機構審查委員會,醫院倫理委員會(IRB)批準了我們的患者同意的協議。我們發現超過80%的患者選擇加入。這使得他們的匿名和匯總數據可用于臨床研究。所以,這使得我們可以看到成千上萬的結果,而不僅僅是數百個結果。我們在數據科學領域首先構建的一些東西是預測性算法,它們使我們能夠了解患者在接下來的幾周和幾個月中的表現,然后優先考慮為他們安排健康助理。
所以,就像面向病人的應用程序一樣,還需要一個面向健康助理和醫生的應用程序。因此,我們實際上提供了一個優先級排列,可以讓醫生為最需要診療護理的這些患者進行治療。這種排列的方式是通過觀察人們的未來幾周的血糖控制情況進行預測,他們的體重在未來幾周預測的趨勢如何,他們如何保留和參與的治療可能會在接下來的幾周內完成。因此,這些都是基于數據科學算法構建的,這些算法基于患者的基本健康特征,以及我們從他們那里得到的日常反饋。我們將繼續改進這些算法。”
James Maguire:數據分析和數據科學也在不斷發展。如果我們將在2020年或2022年開展同樣的對話,那么當我們談論數據科學時,你會談些什么?
Seth Clark:“這是我的愿望清單。我希望看到的是更廣泛地接受人工智能。人工智能的某些方面存在著一種缺陷,這只是因為它有一種非??膳碌目苹眯≌f氛圍,它會讓人們失望。事實上,很多人工智能基本上只是用來提供服務的。每個人都希望有自己的私人助理。所以想象一下,如果人們有自己的個性化Siri,可以幫助在日常生活和工作的各個方面提供幫助的話。人們就會喜歡和接受人工智能。
我認為還有另一個領域適用,我希望在數據科學領域看到更好的代表。我真的期待著會有一個適合的時間和空間,可以根據種族、性別、宗教信仰等類別獲取人們的微觀縮影,你會發現在數據科學和預測分析方面會更加平等。我認為擁有更好的表現是非常重要的,我們不會陷入這種無意識偏見的境地。所以,我很樂意看到這一點。
我很愿意看到美國各行業領域采用更多的人工智能來進行管理。我認為我們所做的事情可以做得更好。這將改善公民服務,為人們帶來更好的生活。所以,未來我們再聚在一起探討時,我希望在愿望清單中看到三件事。”
James Maguire:“當然,我喜歡樂觀主義。當我們在未來幾年談論數據科學時,我們將談論什么。這很難預測,但是,為什么不試一試呢。”
James McCarter:“我認為數據科學與軟件工程、用戶體驗設計、移動和遠程能力以及這些元素一起將會顛覆醫學。所以,如果想想現在是如何交付藥品的,我會說這非常失敗,對吧?我們在醫院有很多資金投入,人們通常到醫院就診,但是他們每年只能去少數幾次,或者如果他們正在治療慢性疾病時,那么他們每年就醫時,看到醫生只有2-3次,每次持續時間為15分鐘。
因此,我們以非常傳統的方式提供醫療服務。但是,如果人們查看其花費在哪里,那么會發現大部分藥品的費用花費在慢性疾病上,大多是慢性代謝疾病。解決這些問題的辦法不是建立更多的醫院,也不是通過醫院提供更多的藥品、醫療影像、手術來改變。處理這個問題的方式是通過人們的日常行為來改變。幫助支持這種行為改變的方法是持續遠程護理的模型。因此,我認為未來十年里,人們將看到的大部分花費在藥品上的費用由到醫院治病轉向遠程護理。
大部分慢性代謝疾病都可以遠程處理。他們不需要親自去醫院就診。如果我們想要控制成本曲線,就必須使用技術來推動這種行為變化,而不是推出更多更新的技術來提供更多的藥品和手術。”
James Maguire:所以,你談論的確是一種分散的醫學模式。
James. McCarter:“我認為是這樣的。醫療行業的技術發展已經十分成熟。當人們看到實際上可以提供持續的遠程護理時,那么數據科學必須成為核心。”
版權聲明:本文為企業網D1Net編譯,轉載需注明出處為:企業網D1Net,如果不注明出處,企業網D1Net將保留追究其法律責任的權利。