業界 | 醫療AI應該更關注「數據」還是「人」?數據工程師反思機器學習模型的力量
選自hackernoon
作者:SeattleDataGuy
機器之心編譯
參與:高璇、張倩
機器學習的引入為各行各業的從業人員提供了得力助手,但由此也引發了一系列問題,如:人類在信賴機器學習模型的同時如何避免對機器的依賴?尤其是在醫療等關乎人類生命健康的領域。本文作者是一名醫療行業的數據工程師,他在工作中不斷反思自己的工作給患者、醫生等相關群體帶來的影響,認為自己的工作生死攸關,需要更多地關注「人」而非「數據」。
最近,《華爾街日報》的一篇文章——《Models Will Run the World》(模型將玩轉世界)在網上流傳。我相信這種觀點在很大程度上是有道理的。機器學習演算法和模型在各行各業都越來越普遍,也越來越受人信賴。但是反過來看,這導致我們花在結果審查的時間上越來越少,反而更加依賴系統給出答案。我們已經依靠谷歌、Facebook 和亞馬遜等公司來提供約會、朋友生日以及最佳產品等方面的信息。當我們從這些公司得到答案時,一些人甚至會不假思索地聽之信之。
作一名在醫療行業工作的數據工程師是一件喜憂參半的事情。在過去一年半的時間裡,我花了大量的時間來開發一些產品,幫助醫護人員更好地做決定。特別針對醫療質量、醫療欺詐和藥物濫用問題。
當我在研究各種指標和演算法時,我不斷地問自己一些問題:
這對患者的治療有何影響?
這對醫生的決定有何影響?
這會改善一個群體的長期健康狀況嗎?
在我看來,大多數醫院都像企業一樣運作,但希望他們的目標不是不碰底線就行了。我希望他們能先為病人和社區服務。如果真是這樣,那麼我們構建的演算法和模型就不能僅僅關注於底線了(就像其他行業一樣)。相反,他們真的需要花點時間考慮這些演算法和指標對病人及其整體健康有何影響,這種衡量標準是否會以一種消極的方式改變醫生的行為?
華盛頓健康聯盟(Washington Health Alliance)很擅長從成本和醫療的角度報道改善醫療健康的各種方法,它寫了一篇報道,旨在通過減少冗餘的過程來降低醫療健康成本。
事實上,我也做過類似的項目。那時我正在思考,如果一些醫生矯枉過正會產生什麼後果?我相信很多醫生都會適當調整他們的治療過程。然而,要是調整過度會怎麼樣呢?
如果一些醫生只是因為不想被貼上浪費的標籤而大幅改變他們的行為,最後的結果弊大於利,這樣下去會有什麼後果?
醫生可能會因為擔心醫院和病人花費太多而導致他們錯過明顯的診斷嗎?或許更糟的是,未來他們可能會過度依賴模型進行診斷。就個人而言,在受到批評時我會過度糾正自己的行為,那麼如何在醫生身上避免這種現象?允許人自行做出正確決定和強迫他們依賴機器思維(如谷歌地圖,有多少人真正記得自己要去的地方)之間的界限非常微妙。
但你思考是因為別人讓你思考,還是因為你知道自己在做什麼?
過度關注數字而忽略病人的反饋是有風險的,這也是我個人很擔心的問題。一家銷售襯衫或烤麵包機公司的模型出錯就只會影響銷售和季度目標,但醫療保健模型出錯可能意味著病人死亡或得不到適當治療。因此,創建一個能夠幫助我們更好地做出決策的系統可能華而不實。而作為人類的我們能否足夠自律,不依賴模型來做最終決定?
作為醫療專業人員和數據專家,我們不僅有義務幫助我們的公司,也有義務關心病人。我們不僅需要數據驅動,還需要人心驅動。
我們可能不是護士或醫生,但我們應該意識到,我們現在和將來創造的工具將直接影響護士和醫生的決定。作為數據工程師、數據科學家和機器學習工程師,我們有能力製造出增強醫療專業人員能力的工具,我們可以產生巨大的影響。
因為我認為,模型將慢慢開始並越來越多地玩轉我們的世界(它們已經用於貿易、醫學診斷、亞馬遜購物等)。但這意味著我們需要考慮所有的運作場景以及所有的結果,無論好壞。
原文鏈接:
https://hackernoon.com/the-problem-with-machine-learning-in-healthcare-406c97cb311
本文為機器之心編譯,
轉載請聯繫本公眾號獲得授權
。?------------------------------------------------
加入機器之心(全職記者 / 實習生):hr@jiqizhixin.com
投稿或尋求報道:
content
@jiqizhixin.com廣告 & 商務合作:bd@jiqizhixin.com
※Waymo自動駕駛車每天行駛25000英里,但CEO卻告訴我們距離成功還遠
※BAIR展示新型模仿學習,學會「像人」那樣執行任務
TAG:機器之心 |