機(jī)器學(xué)習(xí)的引入為各行各業(yè)的從業(yè)人員提供了得力助手，但由此也引發(fā)了一系列問(wèn)題，如：人類在信賴機(jī)器學(xué)習(xí)模型的同時(shí)如何避免對(duì)機(jī)器的依賴?尤其是在醫(yī)療等關(guān)乎人類生命健康的領(lǐng)域。本文作者是一名醫(yī)療行業(yè)的數(shù)據(jù)工程師，他在工作中不斷反思自己的工作給患者、醫(yī)生等相關(guān)群體帶來(lái)的影響，認(rèn)為自己的工作生死攸關(guān)，需要更多地關(guān)注「人」而非「數(shù)據(jù)」。

最近，《華爾街日?qǐng)?bào)》的一篇文章——《Models Will Run the World》(模型將玩轉(zhuǎn)世界)在網(wǎng)上流傳。我相信這種觀點(diǎn)在很大程度上是有道理的。機(jī)器學(xué)習(xí)算法和模型在各行各業(yè)都越來(lái)越普遍，也越來(lái)越受人信賴。但是反過(guò)來(lái)看，這導(dǎo)致我們花在結(jié)果審查的時(shí)間上越來(lái)越少，反而更加依賴系統(tǒng)給出答案。我們已經(jīng)依靠谷歌、Facebook 和亞馬遜等公司來(lái)提供約會(huì)、朋友生日以及最佳產(chǎn)品等方面的信息。當(dāng)我們從這些公司得到答案時(shí)，一些人甚至?xí)�不假思索地�?tīng)之信之。

作一名在醫(yī)療行業(yè)工作的數(shù)據(jù)工程師是一件喜憂參半的事情。在過(guò)去一年半的時(shí)間里，我花了大量的時(shí)間來(lái)開(kāi)發(fā)一些產(chǎn)品，幫助醫(yī)護(hù)人員更好地做決定。特別針對(duì)醫(yī)療質(zhì)量、醫(yī)療欺詐和藥物濫用問(wèn)題。

當(dāng)我在研究各種指標(biāo)和算法時(shí)，我不斷地問(wèn)自己一些問(wèn)題：

•   這對(duì)患者的治療有何影響?

•   這對(duì)醫(yī)生的決定有何影響?

•   這會(huì)改善一個(gè)群體的長(zhǎng)期健康狀況嗎?

在我看來(lái)，大多數(shù)醫(yī)院都像企業(yè)一樣運(yùn)作，但希望他們的目標(biāo)不是不碰底線就行了。我希望他們能先為病人和社區(qū)服務(wù)。如果真是這樣，那么我們構(gòu)建的算法和模型就不能僅僅關(guān)注于底線了(就像其他行業(yè)一樣)。相反，他們真的需要花點(diǎn)時(shí)間考慮這些算法和指標(biāo)對(duì)病人及其整體健康有何影響，這種衡量標(biāo)準(zhǔn)是否會(huì)以一種消極的方式改變醫(yī)生的行為?

 

 

華盛頓健康聯(lián)盟(Washington Health Alliance)很擅長(zhǎng)從成本和醫(yī)療的角度報(bào)道改善醫(yī)療健康的各種方法，它寫了一篇報(bào)道，旨在通過(guò)減少冗余的過(guò)程來(lái)降低醫(yī)療健康成本。

事實(shí)上，我也做過(guò)類似的項(xiàng)目。那時(shí)我正在思考，如果一些醫(yī)生矯枉過(guò)正會(huì)產(chǎn)生什么后果?我相信很多醫(yī)生都會(huì)適當(dāng)調(diào)整他們的治療過(guò)程。然而，要是調(diào)整過(guò)度會(huì)怎么樣呢?

如果一些醫(yī)生只是因?yàn)椴幌氡毁N上浪費(fèi)的標(biāo)簽而大幅改變他們的行為，最后的結(jié)果弊大于利，這樣下去會(huì)有什么后果?

醫(yī)生可能會(huì)因?yàn)閾?dān)心醫(yī)院和病人花費(fèi)太多而導(dǎo)致他們錯(cuò)過(guò)明顯的診斷嗎?或許更糟的是，未來(lái)他們可能會(huì)過(guò)度依賴模型進(jìn)行診斷。就個(gè)人而言，在受到批評(píng)時(shí)我會(huì)過(guò)度糾正自己的行為，那么如何在醫(yī)生身上避免這種現(xiàn)象?允許人自行做出正確決定和強(qiáng)迫他們依賴機(jī)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?yàn)閯e人讓你思考，還是因?yàn)槟阒�道自己在做什�?

過(guò)度關(guān)注數(shù)字而忽略病人的反饋是有風(fēng)險(xiǎn)的，這也是我個(gè)人很擔(dān)心的問(wèn)題。一家銷售襯衫或烤面包機(jī)公司的模型出錯(cuò)就只會(huì)影響銷售和季度目標(biāo)，但醫(yī)療保健模型出錯(cuò)可能意味著病人死亡或得不到適當(dāng)治療。因此，創(chuàng)建一個(gè)能夠幫助我們更好地做出決策的系統(tǒng)可能華而不實(shí)。而作為人類的我們能否足夠自律，不依賴模型來(lái)做最終決定?

作為醫(yī)療專業(yè)人員和數(shù)據(jù)專家，我們不僅有義務(wù)幫助我們的公司，也有義務(wù)關(guān)心病人。我們不僅需要數(shù)據(jù)驅(qū)動(dòng)，還需要人心驅(qū)動(dòng)。

我們可能不是護(hù)士或醫(yī)生，但我們應(yīng)該意識(shí)到，我們現(xiàn)在和將來(lái)創(chuàng)造的工具將直接影響護(hù)士和醫(yī)生的決定。作為數(shù)據(jù)工程師、數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師，我們有能力制造出增強(qiáng)醫(yī)療專業(yè)人員能力的工具，我們可以產(chǎn)生巨大的影響。

因?yàn)槲艺J(rèn)為，模型將慢慢開(kāi)始并越來(lái)越多地玩轉(zhuǎn)我們的世界(它們已經(jīng)用于貿(mào)易、醫(yī)學(xué)診斷、亞馬遜購(gòu)物等)。但這意味著我們需要考慮所有的運(yùn)作場(chǎng)景以及所有的結(jié)果，無(wú)論好壞。

原文鏈接：https://hackernoon.com/the-problem-with-machine-learning-in-healthcare-406c97cb311

標(biāo)簽： 谷歌

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。