Wie dezentrale künstliche Intelligenz und maschinelles Lernen die Medizin verändern, erklärt

  • 1. Was ist künstliche Intelligenz und maschinelles Lernen?
  • 2. Wie kann Dezentralisierung darauf angewendet werden?
  • 3. Wie funktioniert es?
  • 4. Wie kann diese Technologie in der Medizin angewendet werden?
  • 5. Warum ist diese fundamental wichtige Technologie?
1. Was ist künstliche Intelligenz und maschinelles Lernen?

Dies sind die so genannten Technologien des 21. Jahrhunderts.

Künstliche Intelligenz ist die Theorie und Entwicklung von Computersystemen, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern, wie visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und Übersetzung zwischen Sprachen.

Beim maschinellen Lernen werden Algorithmen eingesetzt, die lernen, Aufgaben wie Vorhersage oder Klassifizierung durchzuführen, ohne explizit dafür programmiert zu sein. Im Wesentlichen lernen die Algorithmen von Daten, anstatt sie vorher festzulegen.

Es gibt verschiedene Ebenen des maschinellen Lernens und reine KI, beginnend mit:

  • Betreutes Lernen
  • Nicht überwachtes Lernen
  • Deep Learning

Jedes Level benötigt große Datenmengen und kann aus Assoziationen mit einer Geschwindigkeit und Genauigkeit, die mit Menschen vergleichbar ist, wenn nicht sogar besser als diese, verwertbare und verwertbare Informationen zu schaffen. Dies ist die Kraft der künstlichen Intelligenz und des maschinellen Lernens.

2. Wie kann Dezentralisierung darauf angewendet werden?

Dezentrale Technologie hat mehrere Vorteile.

Nämlich Datenschutz und die Fähigkeit, eine kollaborative Atmosphäre zu schaffen. Dies gilt auch für die dezentrale künstliche Intelligenz. Machine-Learning-Modelle sorgen für Datensicherheit und Datenschutz. Wie? Sie kommunizieren vor und zurück und speichern Daten auf dem Gerät des anderen Endbenutzers. Sobald die Modelle weiter gelernt und ausgereift sind, sind sie offen und für jeden im Netzwerk zugänglich. Auf diese Weise besteht keine Notwendigkeit in einer zentralisierten proprietären Organisation. Es ist wichtig, weil diese Autorität derzeit die letzte ist, um das Schicksal zukünftiger Entdeckungen zu bestimmen.

3. Wie funktioniert es?

Die Blockchain-Technologie ermöglicht Parteien die Interaktion.

Diese Interaktionen basieren auf einer Reihe von vereinbarten Geschäftsregeln. Die Regeln können Zahlungstransfers oder generische Regelsätze definieren, die Smart Contracts genannt werden. Ein dezentrales Netzwerk von Peers hostet diese Regelsätze, um vorgeschlagene Transaktionen auf einem Smart-Vertrag zu überprüfen. Die Verträge können verwendet werden, um die Art und Weise zu definieren, in der verschiedene Parteien vertrauenslos und ohne Erlaubnis interagieren. Und diese Art von Netzwerk kann die Grundlage für eine Plattform legen. Es können Datenaggregations- und Deep-Learning-Modelle entwickelt werden, die für zentralisierte Einrichtungen andernfalls zu kostspielig wären.

Im Zeitalter von Mobiltelefonen und Tablets sind diese Geräte die wichtigsten Computergeräte für viele Menschen.Aufgrund der Tatsache, dass Verbraucher in der heutigen Zeit an ihrem Mobilgerät an der Hüfte hängen, gibt es eine Kombination aus reichen Benutzerinteraktionen und leistungsstarken Sensoren, was zu einer beispiellosen Menge an Daten führt, die eher privater Natur ist. Aufgrund der Sensibilität der Daten bestehen Risiken und Verantwortlichkeiten, diese an einem zentralen Ort zu speichern. Daher versprechen die Modelle, die auf Benutzerdaten gelehrt werden, eine erhebliche Verbesserung der Benutzerfreundlichkeit, indem intelligentere Anwendungen angetrieben werden.

Beispiel für ein echtes Leben

Bild: Doc Ai


Um das Erklärvideo zu sehen, gehen Sie hierhin.

4. Wie kann diese Technologie in der Medizin angewendet werden?

Es gibt mehrere Anwendungsfälle.

In der Medizin gibt es Projekte wie Neuron, die im Beta-Bereich einige interessante Produkte entwickelt haben. Diese Produkte werden den Benutzern beibringen, wie sie ihre dezentrale KI trainieren können. mit anderen Worten, wie man den Trainer ausbildet. Benutzer können sehen, wie sie Datensätze ihrer Gesundheit erstellen und wo und wie sie auf diese Datensätze zugreifen können.

Onboarding-Modul mit Computer Vision

Ein Produkt verwendet KI und ML, um automatisch Ihre physischen Statistiken zur App einzugeben, indem Sie ein Selfie machen. Das Selfie2BMI-Modul verwendet modernste Deep Neural Networks und Optimierungstechniken, um eine Vielzahl anatomischer Merkmale wie Körpergröße, Gewicht, BMI, Alter und Geschlecht eines Gesichts vorherzusagen. Neben diesen lebenswichtigen Anatomien überwacht es auch 23 Gesichtsmerkmale wie Haut, zurückweichende Haarlinien, Falten, Zähne und andere Eigenschaften.

Bluttest-Decoder

Eine weitere innovative Anwendung, die Neuron entwickelt hat, sind tiefe Konversationsmittel, die das Post-Bluttest-Erlebnis verbessern und es dem Benutzer ermöglichen, Fragen zu 400 Blut-Biomarkern zu diskutieren und zu beantworten. Es wird auf Hunderttausenden von medizinischen Dokumenten und häufig gestellten Fragen trainiert, um komplexe Fragen zu Blutwerten zu beantworten. Der Agent kann die Konversation basierend auf dem Alter, dem Geschlecht und den Voraussetzungen des Benutzers personalisieren, um relevante Antworten zu liefern und mit interaktiven Inhalten zu schulen.

Genomics Test Decoder

Ein tiefer Gesprächspartner, der die Erfahrung der genetischen Beratung verbessern soll, indem er Antworten von einfachen pädagogischen Fragen bis hin zu komplexen, personalisierten Fragen liefert. Es hat eine Erinnerung und erinnert sich an jeden Besuch und jede Empfehlung, die es gegeben hat. Wenn es nicht weiß, geht es um die Antwort in einem massiven Datensatz zu suchen. Es kann Sie auch an seinen Kollegen aus der Kohlenstoffbranche weitergeben.

Medizindecoder

Ein On-Boarding-Modul, das auf Medikamentendosierung, Nebenwirkungen und andere Richtlinien geschult wurde, um personalisierte Fragen zu beantworten. Es wird mit der pharmakogenomischen Empfehlungs-Engine verbunden, wenn genomische Ergebnisse vorliegen.

5. Warum ist diese fundamental wichtige Technologie?

Dadurch wird die medizinische Erfahrung interaktiver und auf den Benutzer zugeschnitten.

Es gibt mehrere Schlüsselprobleme, mit denen sich die dezentrale KI auseinandersetzt und dem Benutzer die Möglichkeit bietet, die Kontrolle über seine Gesundheitsversorgung wieder zu übernehmen.

Die Integrale Belastung

Diese Lösungen können den Teilnehmer bei der Suche und Erfassung seiner eigenen medizinischen Daten unterstützen.Die meisten Menschen haben keinen Zugang zu ihren medizinischen Informationen, sie wissen nicht, wo sie anfangen sollen und wenn sie es tun, sind ihre Kenntnisse in Informatik begrenzt. Sie fördern und unterstützen auch eine Open-Source-Entwickler-Community, um Tools auf ihren Tool-Plattform-Stacks zu innovieren, die Integration und Sammlung von Daten zu erleichtern und Algorithmen zur Interpretation der Daten zu präsentieren: ein dezentrales Kaggle für personalisierte Biologie.

Organische und unvorhergesehene Daten

Die Blockchain wird als Dreifachbuchhaltung verwendet, so dass wir die Datenquellen verfolgen und authentifizieren können. Dies ermöglicht es, großartige Vorhersagen zu treffen und in der Lage zu sein, die Herkunft der Daten zu überprüfen und Datenforensik- und KYD- oder Know Your Data-Prozesse durchzuführen.

Auch für das verzerrte Datenproblem schafft die Technologie eine sicherere Gesundheitsversorgung für den Benutzer. Zum Beispiel sind Daten, die aus randomisierten Kontrollversuchen stammen, häufig mit Verzerrungen durchsetzt. Die hohe Selektivität von Studien benachteiligt Frauen, ältere Menschen und solche mit zusätzlichen Erkrankungen systematisch zu den untersuchten. Schwangere werden meist völlig ignoriert.

Datenschutzbedenken

Menschen zögern vielleicht, ihre medizinischen Daten über Netzwerke zu teilen, in denen Fremde lauern können. Durch die Dezentralisierung der Daten über alle Benutzer wird sie kryptographisch mit Zeitstempeln versehen und wird unveränderlich. Darüber hinaus adressiert Neuron die HIPAA-Anforderungen, indem die Informationen auf dem Edge-Gerät, nicht in der Cloud oder auf einem zentralisierten Server gespeichert werden.

Chancen voraus

Während die Gesundheitsbranche weit davon entfernt ist, einen Arzt in einer Maschine zu bilden, gibt es in der Medizin Generalisten (GPs) und Spezialisten. Generalisten sind analog zu GAI (General AI), unerreichbar an diesem Punkt der technologischen Entwicklung. Aber Spezialisten sind wie vertikale KIs und näher an der Realisierung. Die ABMS (American Board of Medical Specialities) listet mehr als 150 medizinische Spezialitäten und Subspezialitäten auf. Neuron hat das Potenzial, in diesem Bereich führend zu sein.