如果医学中的AI在生物学中是物理学的一百分之一,那么影响将是天文的。回到血液稀释剂CHADS2-Vasc的例子,全世界约有2100万血液稀释剂的人;如果其中三分之一不需要它,那么我们造成266,000额外的脑出血[7]。这只是一种疾病的一个分数。但我们只能解决这些问题,如果我们要求放弃noblesse,因为几代科学家在我们之前做。生命受到威胁。
笔记:
[1]一本有趣的历史快照可以在1982年的“赢咖4医学”一书中找到。作者自己的愤怒的反思是,80年代的许多想法仍然充满活力,但“医疗记录系统已经走向常规采用这么慢,作者会惊讶于在1982年发现,我们描述的许多想法仍然在实践中难以应用,因为他们所依赖的数据通常不能以机器可读的形式获得。“最近的一项调查是三十年的医学赢咖4会议(AIME)会议:研究主题评论(2015年)。 (返回)
[2]医学中的机器学习(循环,2015年)是一个很好的总结,特别是最后一节关于精密医学和深层学习中的表示层之间的关系: