机器学习的一个新的水平,并在医疗保健事业的AI

由mg游戏官网

主持人:

  • 博士。鲍勃·阿诺特,为NBC的前首席医疗记者
  • 博士。山塔努百色,mg游戏官网教务长

在医疗领域,人工智能和机器学习都带来了新的工具集来医生和 医疗保健专业人士。这些资源有助于诊断的患者,读取图像,分配床位,设计与电子健康档案应用。

在这 面向未来的技能 会议上,博士。山塔努百色和DR。鲍勃·阿诺特让我们窥见到这些工具是如何被用于更有效地诊断恶性黑色素瘤和糖尿病性视网膜病变,同时帮助提高医疗保健专业人士的准确性和效率。

下载

视频转录

博士。山塔努百色: 您好,欢迎光临mg游戏官网的虚拟会议,面向未来的技能:里面看。我是医生。山塔努百色,教务长在mg游戏官网。我正在位于芝加哥地区,并感到荣幸和高兴地欢迎您到今天的活动。

即将举行的会议已经在考虑到了您创建的。全天的主题是为了帮助你思考自己的专业和个人的前途。你将与​​商界领袖谁是来自不同行业的主题专家提示,帮助您处理当前不断变化的规范共享见面,你应该问问自己,现在,你认为你的职业生涯下一步,敏捷团队看起来像什么工作的问题,设定目标,克服你的恐惧等等。我希望你能留在整整一天,但如果你不能,无后顾之忧。你可以进出跳会议为新的一天允许。我们会在这里,直到下午4:00中部时间。

满足主持人

博士。山塔努百色: 我们的许多专家中,你将与Groupon的首席技术官约翰·希金森,谁将会谈论实验,什么是敏捷的满足。你也会从两个招聘者考克斯企业谁将会分享虚拟面试技巧听到。今天下午,我们在中心先进的情商与鲍勃biglin,CEO的主题聊天。什么是情商,你可能会问?鲍勃将解释。你也将满足亚历山德拉·莱维特,作家和未来学家谁将向你介绍耐用的价值理念,这让自己的员工队伍是必不可少的。天将密切与美国奥运会的鼓舞人心的聊天,埃尔纳·迈耶斯·泰勒,谁平衡生活训练和学习。听到她的神奇故事,并了解她是如何实现这一切。你可能也注意到图纸实时发生。这是我们的图形记录,克劳德,以努力将活动结束后公布在我们的网站上的图形说明。

引进博士。鲍勃·阿诺特

博士。山塔努百色: 所以,踢了一天假,我已经介绍一位特殊的客人,博士的乐趣。鲍勃·阿诺特。之后在内科医学院和培训,博士。阿诺特成立普莱西德湖运动医学实验室,在那里他训练的奥运选手。他还为100多个国家的医院的紧急服务的医疗主任。他是第一个选择是在空气共同评论员为ABC的宽世界体育然后CBS今晨与黛安·索耶。后来,他又在CBS晚间新闻与丹·拉瑟,NBC随后国际日期变更线和今日秀。他继续作为一个战地记者,将第一陆战师为入侵伊拉克和阿富汗,然后通过恐怖的战争。他主持两个经验丰富的电视节目叫医生危险,现在还在继续掩盖迫切故事像covid-19为福克斯,PBS,半岛电视台和拉里·金,同时承接深学习和广播许多新项目。

最后一个音符在我们开始之前,我们将采取你对会议的结束问题,请在聊天窗口输入。现在没有任何废话少说,欢迎博士。鲍勃·阿诺特。

博士。鲍勃·阿诺特: 山塔努,非常感谢你的亲切介绍。非常,非常高兴能和你在一起。

进入人工智能和机器学习

博士。山塔努百色: 伟大的,有你在这里太。再次感谢您参加我们今天。所以,开始的时候,我很好奇,是什么让您对机器学习的这个令人兴奋的领域有兴趣吗?你是怎么开始的?

博士。鲍勃·阿诺特: 好山塔努,像很多人我有种看着人工智能和说的不是我 - 太复杂,太神秘了。我开始闲逛了一点点,看到它可能是在医疗保健和医药的效果如何。我刚开始采取一些在线课程和我说,“当你深入到它这并不难。这并不难。这是非常有趣。”我一直是个迷的数据我的整个生命。没有什么比服用大量的数据,例如,我的运动科学实验室更好。

博士。山塔努百色: 我相信。

博士。鲍勃·阿诺特: 例如,我们看到了人们如何跳台滑雪和事实证明,如果你推离得很慢,你再有过短暂的跳跃。如果你在你的膝盖有很大的角速度,你的膝盖很快就在球场上,你有一个很长的跳跃。所以,我们能够矿山这个数据出非常复杂的设备。我们写这在麻省理工学院,我们与各运动队中写道,最多在我的实验室在质量一般。这一点,这些巨大的见解在我们跳了出来,我们有一个庞大的数据集,“哎,跳快,推动更快。”有了这样的,我们从去年就在世界上接近第一。

很多人都被迷惑的数据,显然是一堆数字和行和列。它在见解方面奇特的是它给你,无论是作为运动员还是简单的例子。 Netflix的使用机器学习找出你想要观看,这是很酷什么电影。当你把你的各种新的图片了在Facebook上,它决定了这些人都在使用机器学习谁。所以我们看到它无处不在,但它只是更接近比任何人曾经相信。

在人工智能,机器学习,深度学习和数据科学的差异

博士。山塔努百色: 这是令人兴奋和你一样,我是一个有点上瘾的数据自己。爱情的数据。因此,您可以使用数据的科学。您使用的话,机器学习。现在你也听到人工智能再度流行了一段时间回来,然后它已经出现了复苏,对不对?所以,帮我们揭穿这些词或这些术语,“人工智能”,“机器学习”,“深度学习” - 你有一个很好的背景 - “数据科学”。正是所有这些有什么区别?他们是所有合并和趋势走向是一回事吗?

博士。鲍勃·阿诺特:

  • 人工智能: 术语人工智能在达特茅斯发展,这是我的身后在这里,在20世纪50年代。我的意思是,我们没有那么备份的能力。这只是一种有趣的词来使用的演讲和论文。我想是因为我们没有任何的真正的人工智能。没有什么模仿一个人。所有的我们称之为人工智能这就像峡谷的情报,一个非常小的,窄的小片。所以,当你脱掉衣服,撕封盖,人工智能,你真的有几件事情的下方。
  • 机器学习: 一个是我们所说的机器学习。你认为这种方式是需要一大堆的数据和它的数字模式出来,这种模式会是什么,我们会称之为“分类”。也就是说,你有心脏疾病或没有你,你有糖尿病或不要你,你有没有癌症或不好吗?所以,它的排序是或不是,你有其中哪些?我们以后可以去通过几个例子。这是很简单的进入,他们是非常好的工具。
  • 数据科学: 现在你提到的数据的科学。任何人谁是目前在数据科学,或者感兴趣,建立在这两个机器学习和深入学习成功,那是因为他们了解数据结构。各种不同的数据 - 在医学健康数据是疯了,当你从保险理赔拥有它,你从电子病历拥有它,你从实验室拥有它,你从放射学有它。数据科学家是在一个理想的位置,因为他们能够承担和组织。如果有从走开一个关键的事情是这样的,如果你可以,只是组织数据和清理,所以你不必遗漏值或重复的记录,所以它不以任何方式不平衡,那么你就可以再使用任何这些工具。他们中的一些是关闭的架子,他们中的一些你没有在所有做任何编程。现在,让我来解释一下,山塔努。
  • 深度学习:  然后让我去深度学习。深度学习还是有很多更神秘,引人入胜。深学习基本上就是我们所说的这些人工神经网络。这个想法是,你会在人的大脑一大堆不同的神经元,并且这些神经元将有几十万或数十亿的神经元中的每一个之间的10,000个连接。所以,当时的想法是尝试复制这一点。在深度学习,你有你的输入层在这里,然后你有各种各样的我们称之为深层,这就是为什么他们称之为深度学习,与他们之间的所有这些互连。而且,你学到更多有关数据,因为它的恒定看数据,试图理出头绪的。

这样,让我给你举个例子。神经网络的一个叫做卷积神经网络。什么,做是分析图像。它已经所有的最大的突破在深度学习和人工智能方面。当你看到这些不同的扫描,我们会的,举例来说,我认为有像每一年两十亿胸部X光检查。所以你怎么能够从学习?好,你做的是你想利用这些X射线的发言权肺癌的10万,你拿的是非常,非常好的大学教授有那些的读数,让你真正知道哪些是正面,哪些是负。那么你必须在它的卷积神经网络去,它会查看每一点曲线,每个小片段,并能够确定自己什么是癌症,什么是不会癌变。

有了这样的,那么你有能力,在小一点的医院就像我们在这里在佛蒙特,采取了CT扫描,MRI或胸部X射线,并获得尽可能好的诊断,你会得到在顶尖大学医学中心。如此美妙的工具,难以置信的帮助,很实用,我们整天看到他们在我们使用的一切。

博士。山塔努百色: 对。那很棒。感谢您帮助我们了解这些差异。机器学习主要分为数据导入某些环节和回答问题;是的,没有类型的问题最终。深学习系统真的可以学习对自己一旦你给它一吨的数据。

如何让在线类ai和数据科学领域开始

博士。山塔努百色: 所以,比较常见的问题,我得到一个是,“我怎么在这个领域开始了吗?”我们有所有年龄段的学生的学生和一些有数据理科背景,有些则没有。一些有编码的背景下,有些则没有。和任何新的东西,有时有恐惧关于“我将能够真正了解和学习这些东西?”所以一个人如何应该考虑在这一领域入门?

博士。鲍勃·阿诺特: 所以,这里的意见,我给我自己的孩子。我有一个31岁,一个25岁,和一个7岁。一个25岁的,特别是,他所有的朋友都读完大学了,并且是一种寻找下一个事情。或者他们有朋友谁是还在上大学,他们有所有这些想法,只是导致焦虑。他们整天奔波与他们一样,也许我可以做的人工智能,也许我可以做深度学习,而且他们永远不要采取任何行动。他们认为他们必须去和实际注册一个大的大学课程。

我建议他们做的是把自己的智能手机,并找到一个很好的在线课程。我们有一些了不起的人来了医疗保健。什么样的学习已经改变的是,而不是坐下来为一个半小时的演讲,许多得到沉浸在这,在三分钟内,某人的要给你一个很好的小旅行的介绍,就像你,对不对?你是教务长,你明白这一点。你给了人们三四分钟了很好的一点介绍。

所以学习的在改变但─也许因为你走的公交车或地铁,或者也许因为你往上走的电梯或,而不是去和检查您的Instagram,你的Facebook,只需要三分钟4分钟五个分钟。这是所有我所说的“块眼睛”。这是一个小的块,所以你可以拿起点点滴滴,并好好想想,做下一小片。许多这些课程将有三个或四个初始章节,我知道你将会有一些完全免费的课程,这将是入门人们能够在跳,看和得到这个感觉,只是看看他们喜欢它。进一步挖掘一点点。

我所做的是我看着一个大的入门课程人工智能的创始人之一,安德鲁·纳克斯坦福大学和谷歌。我发现这非常,非常的理论和非常复杂的,我是坦言有点推迟。后来我发现,只是简单了很多,不得不这些小块的一些很好的在线课程。从那里,你自己的好奇心接管。有一次,我花了集训人工智能,它像,那么,“你知道的,线性代数是非常重要的。”所以,我把线性代数深学习。又一次,在线学习的关键是,任何人都可以学到什么东西。它不是像旧时代,你必须有四个某种多年不种的先决条件 - 你可以潜水,你可以学习。

我真的很想跟你的合作伙伴,山塔努的原因是,你有能够关闭技术空白,为成千上万的技术差距是在那里,只是使它更接近这个梦想,这一愿景,并且实惠得多。所以,无论别人说一直在covid疫情或在阿勒颇一些贫困的孩子中下岗,叙利亚或出在上埃及,它给了他们这个机会,能够获得证书,找到一份工作,也不管什么样的背景上手是。如果他们有活力,他们是雄心勃勃的,他们会取得成功。

博士。山塔努百色: 是的。你不可能说得更说。那我们的目标和愿景之一就是让教育访问。该技术技能差距越来越大。我们从组织,雇主听说他们不能雇用足够的同事和员工谁是训练有素的所有时光。这样,使得它可以访问我们的视野绝对一部分。

所以只是总结你所说的是:

  • 上手。有大量的在线课程可用。
  • 开始一口大小的块选修这些课程。三分钟,五分钟,十分钟。
  • 再有这么多的地方,从学习这些,对吗?如果你不喜欢它,去下一个。内容是在许多情况下可用。

所以这是很好的建议。

博士。鲍勃·阿诺特: 如果你不喜欢的教授变化。而只是给你的这种感觉,许多这些课程都像九块钱。我拿起一个整体AI集训​​,这是许多小时,他们是一个很好的概述。 ,我想我花了九块钱就可以了。所以,它并不昂贵,但它只是你的时间。想想你平常的一天。你没有坐下来和插头走了一个小时,在一台计算机。你可以从字面上走动与您的智能手机,插上一章,开始吧。

我爱你说的方式。而且仅仅是一个巨大的高科技差距在那里。如果你看一下就业机会,美国的首要任务是现在在薪水方面数据的科学。你必须在其早期职业生涯的人六位数的工资。有一个巨大的需求都在整个光谱,这是美妙的,有趣的,令人陶醉的职业生涯。很多人,包括我自己的孩子,这是时代covid期间寻找一个支点。他们可能已经在服务行业。我有一个大儿子谁一直为影视制作和诸如此类的东西,他会做一个大的支点,只是因为现在是一个机会。如果你倒在你的运气,和我们很多人都是,你有机会完全挖掘,找到的东西,支点和真的计划一个非常光明的未来,因为这个经济将回来,我们要做的很好。但做好抢救准备。不要坐在那里担心,焦虑和沮丧。

有一个短语,“不要让危机去浪费。”这就是很真实的。用这种危机,环顾四周,寻找机会。它甚至可能是,如果你失业了,这是你能在挖,找到一个教育计划,报名,起床,准备好,随着经济回来,并准备好新的生活和一个很好的机会在经济2.0新时代。很多人认为,经济1.0作为一个巨大的服务经济,不是很大,并且2.0,与工作能力在任何地方,使用这些变焦镜头,在您的计算机上的所有惊人的工具集,可以让我们的生活,我们在那里想要和得到更多的参与到信息和人工智能的时代,这是我们的爱和有真正的腿作为一种职业。

数据和生产数据的影响

博士。山塔努百色: 对。有一些统计你和我,医生进行了交流。鲍勃,我们谈到了最后一次。它是在我们之前,在历史上产生比以往更多的数据单日?我很想再次听到那个统计。

博士。鲍勃·阿诺特: 这是梦幻般的。有几个人。一个是,我们作为个人扑灭我们的个人数据,每天2.4千兆字节。现在采取联合保健公司,也许有1.25亿保险公司和做就可以了数学。这是一个很大的数据。现在他们在艾字节的测量数据。如果你拿三四艾字节,这是一个千字节。它是如此多的数据,如果你有每一个字,每一种语言说话过,因为人类的开始,这将是你有多少数据。这就是我们要多少生产每年在医疗保健。它只是太多的数据。

关于它的另一个问题是,你已经在数据的科学是多么重要数据科学是在这方面非常好,因为它是真正数据的组织。和医疗数据,坦率地说,一个烂摊子。你看一个电子病历。它不是所有漂亮的小列和行。这是听写笔记或手写笔记,或者它是一个MRI或实验室,或东西。它很难把它拉起来。所以,他们使用自然语言处理,现在要能拉出来,并尝试它放入漂亮的行和列。

的事情之一,因为我们走,就是谈职业生涯在这里,如果你目前在数据科学,或类似的数据,你将有一个光明的未来,即使你不知道的所有复杂机器学习和深入学习。你将能够在其通过它来准备这些数据,看看,梳子,它的大小了,它的图形不同的元素,看看你的想法的关系,然后把它传递到一个机器学习的团队,或使用这些网站的在线这是免费的,让你插,没有编码玩的一个。

什么是一个很好的数据?

博士。山塔努百色: 对。而只是数据本身的后续问题。是什么让数据良好的数据?

博士。鲍勃·阿诺特: 这是因为它开始的,当然,随着数据的积累有很大的问题。也就是说,例如,你可以在这里看到这些智能手表,其中一些创造巨大的数据和一些不。作为一个例子,心脏率。对于谁是使用过心脏速率,当他们行使任何人 - 只是在手腕上,这不是很大。如果你有一个胸带,这是一个更好一点的数据。所以,首先,你有数据的缺陷积累,所以它可能是坏的质量数据。

另一个例子,在这里佛蒙特州,如果你有一个covid测试,有人会写在一张纸上下来,他们会去疾控中心,他们就会把它放在另一张纸上,然后有人会然后把它到计算机。认为你可以沿途让所有的错误。在非常仔细地看,你是如何积累的数据,如何很好的来源,多么好的工具和技术。例如,苹果的手表现在已经在看所有的心脏心律失常最常见的,这就是所谓心房纤维性颤动的方式,这是几乎一样好一个非常,非常好的专业设备,当然你可以在更长的观看一段的时间。

只有三个看看关键的东西在,以确保它的好,干净的数据。

  1. 你有缺失值?而且在机器学习和深入学习技术的地方,竟然可以均值和摆在那里的值给你,如果你认为这是有道理的。
  2. 第二个是,你可能要摆脱重复记录。这又是很容易做到的。
  3. 那么第三个就是要平衡你的数据。

那是如此的机器学习的乐趣,你开始的事情之一,就是有这些精彩的库。想一个好的图书馆为喜欢拍照​​的应用程序关闭iPhone或智能手机 - 其中一个被称为scikit学习。使用这些库,你可以绘制出的数据之间的关系。

所以作为一个例子,比方说,你要确定某人是否有充血性心脏衰竭。在你的数据集,你有一千人没有充血性心脏衰竭,和你有一人患有充血性心脏衰竭。嗯,这是非常不平衡的数据。有没有办法,你可以得到任何东西出来。所以,你估量的数据。这是否有道理?我们认为我们在这个数据的关系?

什么,你会发现你是刚拿两个因素,这可能是,比如说,血压和血糖的糖尿病。与心脏疾病,有一个非常紧密的连接性别和年龄之间的紧密连接。你知道,有一个漂亮的紧密连接。但你正在寻找更多。所以,你可能有一个列百那里,你会看到一点关系没有,但是这就是机器学习和深度学习的魔法进来。当人们问起学习机,我把这个例子。山塔努,你的父母很可能这样做。你出去吃早餐,它的样子,“噢,我的上帝,我不得不再次花费早餐,我的父母。我该怎么办呢?”好了,他们带出的纸这个小片,其上有一百个点。你知道吗,你去“我不知道那是什么。”你开始,以填补他们在和你加油吧中,在第70届百星罗棋布了,你走了,“那是一只熊。”

那么,什么学习机确实是它能够识别的模式。如果有一个概念走开与它的这一点。当我开始计算机编程,我敢肯定,当你开始编码,你知道,这些机器级程序,极其复杂的学写几千行代码来得到什么。这是完全超出任何人的范围。机器学习的真正的快乐是数据被写入计算机程序为您服务。所以,你把真的很不错,干净,精彩的数据,你把它放在那里,并且该机是写我们所说的算法。它搞清楚所有的东西出来,它写出的算法。所以一旦它训练了,那么你可以把你的数据,并把它英寸

作为一个例子,假设你有某人是否有糖尿病或不能预测。让您拥有一个训练集和训练集基本上教计算机。数据去在它和模具它有与电脑的外观。噢,我明白了这些关系。然后你会测试它。这是否真的上了呢?看测试数据,看准确性 - 为70,89,95,98%。然后最后,你就可以使用自己的数据。它已经准备好去付诸行动。它认为你只是你放弃它在喜悦和你确定这是很好的数据。你知道你在找什么在那里,并把它写到你的计划,这是何等的变革在这里,因为编码是很难的。

采取的第一个步骤:如何获得有关AI和医疗保健事业开始

博士。山塔努百色: 是的,没错。我们正在从我们的观众的一些问题已经博士。阿诺特。所以我要去真正去的问题,这也是我的名单上一个。所以,嘉莉湾,已要求,“如果我想在与AI和医疗保健事业开始,这将是我的第一步?”

博士。鲍勃·阿诺特: 所以,我看着都为,医疗是一个很大的产业。我不知道,因为我们正在谈论的是嘉莉可以写。因此,它会很有趣,如果它是互动的,但我会问你,你有你想要的医疗做什么感觉?做你想要做的管理?其中永利游戏娱乐平台是非常强的。你想成为一名护士,你想成为医生,还是你想成为一名研究员吗?因为我们称这种双语。我是一个医生,但因为现在我已经学会了深度学习,学习机,我是双语。我有人工智能的技能,我有医生的技能。所以这就是你要找什么。你正在寻找,嘉莉,在学好双语。

要弄清楚什么是它在你想要做医疗?如果你有机会,你可以在网上键入回来。然后用深学习,学习机,我会从字面上去网上。还有精彩的网站存在。只是搜索它,它就会弹出。看看课程。一旦这个过程结束后,去刚刚弹出引进 - 个个都是三或四分钟介绍 - 去,“是有趣的?”看看一对夫妇的免费章节。又一次,为$ 9或等都可以买到的入门课程,并深入探讨,感到兴奋。然后,一旦你有,那么弄清楚什么是工作要求?

新我当然有,山塔努做的,是机器学习。在课程结束时,我们有十个真实的公司,真的有上市工作,有上市的工作,你可以看看的要求是什么。他们要大学文凭?你可以在它的证书?

他们既美妙的选择,因为,尤其是在这个时代covid,医疗原来是最强大的职业生涯全部在长寿方面。如果你去到医疗,你可能真的有一辈子的工作,这对于许多其他行业如此。然后,当我们在说,深学习,机器学习,人工智能,有一个巨大的技术差距,一个很大的需求,非常,非常好的薪水随之而来。因此,在本质上,你所选择的最好的两个可能的职业生涯,并把它们放在一起在长寿方面,有一份工作,兴趣和良好的稳定的收入。

博士。山塔努百色: 是的。然后就总结卫生行政,正如你所提到和再次,卫生信息和健康技术中。这是一个统计看完记得在几年前是医疗工作的一个很好的部分和增长的工作机会都在卫生行政部门,卫生信息的一面。所以,他们的非临床,非患者面对的问题。大约40%左右是在卫生行政部门。所以肯定,看看那。在数据科学或机器学习应用的应用程序中,我推测,就坐在医疗健康信息方面。所以绝对是一个伟大的地方开始。

医疗保健的未来:如何人工智能(AI)和机器学习(毫升)将改变医疗保健

其他几个问题,而我是这个聊天屏幕上这里。 TONY S。已要求,“将如何人工智能[人工智能]和ML [机器学习在未来五年内改变医疗保健的未来?”

博士。鲍勃·阿诺特: 这是一个很好的问题,因为究竟是怎样改变未来三个月?我的意思是,它的快速移动如此令人难以置信。但来样去浮想联翩机的,你知道,在采取这一个迪斯尼式的外观。任何一家医院在世界范围内,你将能够获得的X射线,你会得到这将是不如哈佛或斯坦福的或耶鲁最好的医生的结果。如果你有一个行程,你在伊利诺伊州乡村小一点的医院的时候,你就要有那瞬间的阅读,你是否有中风或没有,你是否需要治疗。我认为最大的事情对我来说,虽然,是我们要去灾难性医疗保健,人们必须有心脏攻击,并有招有患癌症的系统中去,才能够按照他们的一个通过毫秒毫秒基础。警告他们,哄他们,指导他们,干预,所以会有更少的疾病。例如,有一所重点大学,这里有我的照片,他们花了大约一千万$人工智能系统上,看着所有这些变量。并且发现,在住院的急剧下降和医疗保健的利用率,因为他们能够找到这么多这么早。

所以,我想说的是,有些我们现在看到的疾病,会有点更明显。我觉得你的个人风险将会降低。我其实只是写了一本书叫“翻转青年开关”。在这本书中,我们看到一个格律心脏心率变异性,你可以在这些手表衡量这里。而实际上说明你的生理多大。这是为什么重要?在伦敦,当他们看着谁结束了呼吸机与covid患者,其中许多人有他们所称的黑色生物年龄,这意味着他们是很多年过去的实际年龄。也许他们是70,但他们有一个90岁的生物年龄。

所以,我们要能够采取真正逆转衰老,让人们在生理上更年轻。所以,我出来生理一个25岁,这是一个美妙的能够鲜活的生命IKE一个25岁的在你的整个生活。这将极大地改变生活质量。我们将有更好的界面,也就是我们将有互动的更好的方法。让而不是看着复杂的数据屏幕,这个巨大的一部分将是一个用户界面。

我居然花了用户设计的整个职业生涯过程中,只是因为我认为这是在所有数据汇集方面非常重要的界面 - 你可以看一个指标在屏幕上,而且它会给你一个坚实的一块咨询。我是一个螺母,当涉及到的用户界面,我会看,如果它不尽如人意,我认为人们只是不参与。这里只有一个有趣的一边。因此,尼葛洛庞帝在MIT是一个伟大的导师史蒂夫·乔布斯和苹果。有趣的是,他的背景是一名建筑师。所以,所有的电脑爱好者说,“不,不,不,不,不,它的计算是要赢。这就是要赢的战斗。”和他去,“不,它的接口。接口要赢。”它做到了。我的意思是,只要看看我们的iPhone手机。我们在这里做最复杂的计算,只是因为我们有这个接口了在它的上面。

因此,接口是不会改变的,我会说,太多,这也是进入这个空间的好方法是了解用户的设计,用户体验。到底,你看你如何说服人们做一些事情?有没有更好的例子,这个电流covid的时代,那就是你有大规模混乱未来政府和公共卫生和媒体出来。人们只是不知道该怎么办,应戴上口罩有一天,不穿的第二天,戴上这种面具,穿那种面具。它不断地困惑,因为有人没有坐在后面看数据。因此,使用该确切的例子中,刺针,一个非常著名的英国医学杂志和最古老的是,看着122项不同的研究,他们发现,可以肯定,如果你使用的那种面具的是医疗服务提供者使用,你要对病毒96%的保护。使用外科口罩,67%;用头巾什么的,大概接近40%;保持自己的三个或更多英尺远的地方,84%的保护;每多3英尺加倍的保护。如果你穿的眼镜或某种玻璃器皿,这是一个78%的保护。这就是生物物理学。而已。很清楚,很简单的。你只是弄清楚你打算从那里做什么。

所以在看医疗保健和机器学习的未来时,这将是更高质量的数据和一大堆更多的是和往常一样的地方。比如,我们现在看到的抑郁和焦虑与您的智能手机。也就是说,你在做更少的电话?他们是更短的电话?你说话比较慢时,你的电话吗?你走动少,少逛,去少的地方?这将是非常显着的。这将是非常有趣的,我认为他们正在使用它的人不会意识到。就像你不知道你是当您使用Netflix的或当你把一个画面了在Facebook上使用它。这将是无缝的,并在后台。

技术在医疗保健通信的影响

博士。山塔努百色: 是的,这是令人着迷的。博士。阿诺特,我们在这里得到了不少问题,所以让我们试试,看看我们是否可以,因为我们可以尽可能多的打击。这是刚才问,这又回到你的界面东西一点点。所以,如果你能简单介绍一下这个。假虎小时。问:“医生和医护人员沟通的意愿如何变化,由于技术的进步?”

博士。鲍勃·阿诺特: 假虎,这是一个很大的问题。我认为这个数字一个变化将是远程医疗。你不会离开你的工作或你的家庭或家庭办公室,或者如果你照顾孩子的手段,你将能够通过远程医疗做几乎所有的医疗保健。在远程医疗的变化是,你看,你到医生的办公室,因为他们可以检查一下。现在你可以使用远程医疗由医生在家里进行检查。他们有这个范围内的设备。他们可以看看在你的耳朵用耳镜。他们可以看着你的眼睛。他们可以看看一个特殊的设备你的皮肤。他们可以按照你的血压,脉搏,血糖。因此,他们将有更多的数据,他们将能够做到这一点从远程位置。

这也意味着,我不知道你住的地方,但让我们说你住在路易斯安那州农村作为一个例子。你将能够有斯坦福大学,耶鲁哈佛或最好的医生检查一下。一个更加民主制度的能力,利用远程医疗方面。所以,我认为这是很大的。和其他大的事情再次,你要对基础分钟一分钟,观看,这样的见解拿出他们将能够向您发出警告。你可能有哮喘发作,你的血糖是太低了,也许你应该多吃一些,或者是太高,你可能需要一些更多的胰岛素。我们将有自动化,例如,患有糖尿病,你将拥有泵是非常准确的。他们将能够与人造胰腺,治疗你的疾病。

我只是认为我们将有更好的整体效果得多。在医学上,我们有一个词数最多,那就是结果。举例来说,我写了一本20年前所谓的“最好的药。”在这本书中,我们看到,你会活得或者如果你有心脏手术死亡?如果它在加州的一个小医院里出来,有18%的机会,你会死。如果你是在克利夫兰诊所,有0.9%[机会]你会死。一旦这些数字摆在那里,医院很努力地全部上线并获得更好的利率。与成果,我们将整个医疗保健的全谱去,你会极大地改善在所有慢性疾病的结果。我们将从线下方去,你知道这里是这里的疾病线,有望拉起健康,给你很多很多,更高的整体健康水平。

探索商业分析在医疗保健

博士。山塔努百色: 是的。让我们的职业生涯有关的问题在这里。标记C。问:“我没有医疗背景,但我有在业务分析的背景。我可以进入AI或机器学习医疗保健领域的?”

博士。鲍勃·阿诺特: 所以这是一个很大的问题。我会说是的,绝对。数据是。有了这样一个背景下,您就可以轻松掌握两种机器学习和深入学习。在课程,我与山塔努做,现在在机器学习和深入学习,我们有一个品种全。有不会是任何事情非常不同。我的意思是,很明显,你想有某种专业知识,你就可以共生,但你可以很轻松地安装到医疗保健管理岗位作为一个例子。山塔努,你说,我认为这是40%,如果医疗保健是某种管理。所以,我绝对会跳进这一点。如果你想使用我们的一些数据集。你就可以加载这些了,这种疾病的了解将是有益的,但你不必成为一名医生。

以使用例如,用乳房X线照片。是癌症或不是吗?你不必为在所有的微生物学方面的专家,你只需要有一个系统,能够用很少的假阴性或假阳性准确预测,这是否乳房X光检查显示癌症与否。所以,我要说一个大是。

开始使用在线课程

博士。山塔努百色: 大是的,马克。行。所以,这是由埃里克Ÿ的问题。而如果我正确地理解这一点,什么埃里克问的是,“在那里你会在接下来的两周深入学习?”所以,我不知道这是针对你具体是谁承担了这40加课程,或者是它只是一般,“如果你有只有两个星期会在哪里开始呢?”你已经回答了,和Eric,如果我不读这正确,请不要附和跟进的问题。

博士。鲍勃·阿诺特: 埃里克,我会在网上挖,只是做一个搜索,取决于它是否的Automotive公司和机器学习,或者它的医疗保健和机器学习。有很多伟大的网站,像骏马,udemy,永利游戏娱乐平台都是非常好的网站在那里。我将与免费和廉价的课程开始。也就是说,戳一点点,看你喜欢什么。如果前三个或四个章节,你喜欢的过程中,花费$ 9或$ 10支付课程,挖掘,只是感到兴奋。并且,获得各种课程。你知道,你就进不去了四个,五个章节,你可以得到一点点坚持。如果你想利用其他课程,掏一点点。但刚挖,你知道,花时间在两个星期,我向你保证,你会非常快速了解所有的技术,所有的语言,可以使用一些真正的使用情况,并自行决定这是给你的,现在你想挖英寸

博士。山塔努百色: 这是很好的建议。短短两周或四周,你可以把大量的在线课程,并计算出,如果:

  • 这真的吸引你的,在这种情况下继续前进,或
  • 这也很好地看看,也许这是不适合你,你可以在同一个在另一个领域挖掘。

所以很好的问题在那里。

探索机器学习在人力资源

博士山塔努百色: 蕾妮小时。问:“这是人工智能所需要的人力资源业务未来成功的技能?”我猜测,在医疗小时。也许这就是你开始,但如果你有关于人力资源和人工智能的一般性意见,我会爱你对此的看法?

博士。鲍勃·阿诺特: 蕾妮,我认为机器学习是伟大的人力资源。只是在被方面一个基本的水平可以通过分段考生,作为一个例子,寻找潜在的问题。作为分类,你将能够进行分类的问题。现在,有趣的是你进入这个深学习的部分,会出现更加复杂的东西,在多少人社交方面?你也有各种各样的伦理问题。一个很简单的一个是这样的,我们说这个。你有没有按照他们的智能手机吗?你想看到他们去了一家酒吧或餐厅昨晚?没有他们旅行到休斯敦,得克萨斯州周末?所以,会出现各种各样的问题,爱管闲事,但要全各种新的和非常微妙的工具。特别是在深学习区,当你看比赛的心理,当你把团队放在一起,你可以更准确地把那些球队一起基于兼容性和技能,以及如何补充他们。所以,我认为这将是巨大的。

我会在开始时它的机器学习的一部分,只是因为很多这仅仅是将要进行分类的人。那么,你想知道它的更复杂的方面,你将所有设置,一旦你知道机器学习,因为你要知道数据以及如何输入数据和它是什么。然后我会回答你们的提问,还注重结果。你有什么成果?显然,你想有更好的员工,一旦你有,你想要让他们感到高兴。如山塔努做,因为我可以从每个人都告诉你,我在永利游戏娱乐平台碰上了,你真的想保持人们高兴和满意。

和投票。很多时候员工都不会告诉你,如果他们不高兴或他们有一个领导者的愤怒或让他们心烦意乱。就像对待疾病,我们正在努力成为预防和发现疾病,它宣称自己在紧急情况下,与HR同样的事情之前。你要搞清楚,“嘿,这是一个团队,人是不快乐。他们开始四处投来的,什么是错在这里?它是一个坏老板?”不幸的是,也有在美国糟糕的老板。“我怎样才能方便的报告,以便人们不觉得他们是牺牲自己或他们结束了某种红线名单的,因为他们抱怨?”所以,你将能够更加,底线,更加积极主动小时比你目前是。

人工智能对医学预科生和医疗专业人员的影响

博士。山塔努百色: 大。所以,让我们一对夫妇的更多的问题。这些问题在速度与激情来这里。法堂学家问:“怎么会这样的学习准备医学预科学生医生成功吗?”因此,如何将学习这个,意味着AI(人工智能),机器学习,准备医学预科学生作为医生成功吗?

博士。鲍勃·阿诺特: 所以作为一个医学预科他们会想知道你有一些能力的研究。许多大学确实希望看到一些研究背景,无论你使用MATLAB的应用之一是用于医疗领域的更具体。但我会通过学习Python,它是,如果你看看所有的计算机语言跳水,其资费号码作为数据科学,机器学习,深度学习语言,它的二号人物整体。 JavaScript的头号因为人设计网站有了它,但它是第二语言。所以,我会学习Python。我会潜水。这将帮助所有的课程存在。

我真的认为,当你申请医学院校,你必须看一个边缘。什么是你的优势将是?希望有很好的成绩,你所采取的先决条件,但有什么事吗?并且我认为深度学习给你“有什么事。”在你的课程,你能够运用你已经做了一些研究项目,你可以做那些你自己,然后你有一些令人兴奋的谈论。

有很多人,当他们去面试,你会这山塔努,你比大多数在这里,会变硬。它的是或否,或者,“我想上大学,因为我......”,他们将一种冻结。一个伟大的方式获取对面试过程和写入真正引人注目的文章是有一些关于你所热爱。你会发现真正的激情在人工智能,东西,你喜欢,也可以指导你在事业上,你可能会发现。 “哎呀,我爱图像处理,卷积神经网络,医药,也许我想进入放射科或神经放射学,或者我想成为一名神经外科医生或者是心脏病。”所以,我认为它会指引你,但它是一个美妙的事情,现在开始。你能做到的点点滴滴,离线学习Python和学习其中的一些技巧,因为你有很长的时间里面,然后有东西你真的动画和兴奋哪些是要帮助你进入医学院和帮助你是一个更好的医生,一旦你通过很。

博士。山塔努百色: 是的。我记得,你和我都在谈论这一点。它正变得越来越重要,医生知道如何使用这个。不知道怎么的代码,不知道如何编程的东西,但至少知道如何使用它一个更好的诊断。在医学预科阶段的学习,这是一个好主意。好问题,法堂。

PII:如何保持数据安全

博士。山塔努百色: 有来自Eric是一个问题在这里再次对“怎么会PII,所以这是个人身份信息,需要改变数据的支持收藏?”这是一个有趣的一个。

博士。鲍勃·阿诺特: 这是因为发生的事情越来越多的是,我们有这个新型的我们称之为精药,这就是那种为它的技术名称的面积。在过去,你走了,“我有高胆固醇,我要采取降低胆固醇的药物。我有高血压;我要去采取高血压降低药物。”真是太好了蛮力,很简单的东西。这种精密药是要采取最伟大的复杂性和最大的数据集,有,那就是人类基因组。你有你的整个人类基因组。如你所知,这只是一个指令集。它是什么做的?这样的话,你要看看信使RNA,基本上发出做出的东西发生。

然后你要看看,你在做什么?蛋白质。您正在这个特殊的蛋白质。例如,在covid,你在做炎症蛋白的大量?在这种情况下,你是在更高的风险,可能是一些这些药物像秋水仙碱的候选早,或进一步地塞米松点点。

所以能看看他们目前拥有的临床指标,但对非常高的个人背景。所以,再次使用covid作为一个例子。在意大利,人们看着血型。没有人有任何想法。他们只是在看血型。但出了这杀出这样的结论,如果你是一个O型血型你会做的更好,这是非常有趣的了解。所以现在,作为一名医生看着你和你的特殊风险,并在这里你的其他风险因素,我更好地了解自己的遗传背景,知道自己的血型适合。所以我只是试图想什么另一个现实世界的例子是。

博士。山塔努百色: 让我插一句。

博士。鲍勃·阿诺特: 当然。

博士。山塔努百色: 我觉得周围的PII的问题是围绕数据隐私的。所以,当你正在收集更多数据,是否有关于数据的隐私问题?

博士。鲍勃·阿诺特: 那里将是围绕数据安全的整体领域,医药,当然,我们也有HIPAA要求。我真的不看那些破坏非常多。人们的关注,我认为有从事IT工作,在确保这一切都是高度,高度加密的 - 在使用人的blockchain,各种技术能够细分数据,因此人们无法得到它。我认为作为医疗保险提高和法律完善的人力资源,将有一个问题更不应有人找出来。远远看,我们都希望我们的数据的私有性。每个人都有的东西,或者他们只是过度关注或可能导致真正的问题 - 如果基因数据出来,或者你有一个特别敏感。

所以,是的,我认为在医疗数据的安全性是一个伟大的地方是因为医院发愁该每秒 - 有将是某种形式的数据泄漏。这是一个非常好的问题。这里是一个非常不错的整个地区,因为你是对的,因为越来越多的信息渗漏的 - 我的意思是,你有它来自每一个不同的来源 - 你的数据潜在的泄漏都不为过,甚至我的智能手机 - 特定传感器区域可能会放弃重要数据有,否则我分享它strava或其他网站,它可能会意外地放弃一些东西,雇主不妨留意一下。

作为一个例子,我使用这些培训手表。做我有心脏节律紊乱?并可能有人挑选呢?而会是在获得保险,医疗保健得到,找到新工作方面对我使用?所以,这是一个非常有见地的问题。得到的答复是,数据的安全性是跨越,显然巨大,财务以及我们的其他个人信息,但极为重要,由HIPAA保护。这就是为什么医院如此重视它。

获得医疗保健行业的实践经验

博士。山塔努百色: 对。我试图去为很多人在这里谁在这里贴的问题。所以,让我带一个从达伦湖达伦在问,“你是怎么得到的实践经验,其足以在相对较新的行业工作。”如此反复,如果你是比较新的,我又注重这一点,回到医疗保健,但让我们说你是相对较新的医疗保健行业。你怎么弄的实践经验足以降落在你那个行业里面对你来说是新的一个角色?

博士。鲍勃·阿诺特: 所以,这是非常有趣的。我是说谷歌关于这一点,面试不再是“你喜欢去钓鱼?”没有。新的面试,“你可以编写这个给我吗?看看你是否可以编写这个问题。”

我遇到了同样的事情。当我开始服用这些课程,他们中的很多有他们所说的食谱代码,在那里你可以下载代码,把它放在,即插即用。我现在在做的山塔努机器学习过程中实际有。因此,当在一个月左右的时间在未来的几个星期不在线,你就可以去和做。但是,我想说的是采取许多实际的例子,你可以。有一个名为GitHub的伟大的网站。这是G-I-T-H-ù-b中。他们在那里比赛,所以他们会给你,你可以打一个样本问题。但更重要的是,你就可以拿起成百上千的不同的例子,这是完全编码的数据集。因为我遇到了这个问题。这就像,“好吧,让我知道这东西,我知道该怎么做。我知道如何代码的。但怎么办获得的经验吗?”

所以很明显,当你做一个实习的场所,或preceptorship,或者一些你可以自愿地方。我会跳在做,在一个心跳。但在那里的样子,不喜欢GitHub的使用场所。每天再举一个例子,挑选它拆开,看看他们是如何编写它,把它,实践它,上传网站。您将有大量的实践中上传数据,简单到中间的条款使用github上更复杂的计算和计算和应用场景。为这个伟大的网站。

从医生的建议最后的话。鲍勃·阿诺特

博士。山塔努百色: 大。因此,博士。阿诺特,我们在这里已经接近我们的聊天结束。迷人。我们可以谈了一整天。如果有一些建议,你想离开我们的学生,我们的学生,对于那些谁已经在该领域,那些谁正在考虑医疗保健,那些谁可以通过机器学习所吓倒,和那些谁已经有在业务分析的背景。我们得到了所有类型的学生。什么建议,你有吗?任何这里的临别赠言,博士。阿诺特?当我们关闭我们的会议。

博士。鲍勃·阿诺特: 我想说的是,当您去到晚上睡觉,躺下,闭上眼睛,用你的想象力。 ENVISION在那里你可以。即,想象你可以有一个更好的工作,一个非常有趣的工作,一个很不错的职业,稳定的,一份不错的薪水。设想所有这些。 ENVISION智能和有趣的人一起工作。还有什么比用非常聪明的人工作更有趣 - 像山塔努,是超级智能。然后,一旦你有那种眼光,你有基础和动力。然后我说,挖掘,上网,把这些很便宜的课程,获得它的感觉,看看你喜欢还是不喜欢。而我做了,我一直在寻找学习人工智能。我看着一堆不同的其他的事情要做,而我不喜欢他们。我上了车,当时想,“那不适合我,我不明白,”或“这是不是很有趣。”所以,看到你感兴趣的内容。

但你现在有你以前没有大的事情是访问。你没有了你不喜欢它适用于大学或马上硕士或博士课程,只是数字。你可以挖掘和发现。但你还记得我们在一个非常麻烦的时间在事业方面与本covid爆发,人们都非常担心。我是与我自己的孩子谁都很关心,很着急的每一天。我现在做了一系列的质量一般。下这块它将会是对抑郁症,它在这个covid时代最一倍。因此,针对这一点,你真的想采取了一大步,并说,“看,这将是过一天。我可能是什么?”真是难以想象。不要在实际陷入太多了。你在哪里可能是,你怎么可以开发的技能和公正是最好的给你永远可以吗?

作为最后一个问题,山塔努,你走过去,你有本科学位,这将带您经历45年的职业生涯。它不是这样的了。你必须重塑自我。等我,我强烈建议有仍然是一个投资组合,以及它可能具有机器学习和医疗技能的用户体验。和学习,你是热心的投资组合。这里有每年你正在学习新的技能组合,因为他们是如此平易近人得多,因此更有趣。它会让你成为一个更有趣的人。从哈佛表明我们走出山洞,使我们进入数码时代,因为有一个在大脑学习的智力奖励一个美妙的研究论文。我们越了解,越利益,我们有越高兴我们要成为和更令人满意的生活,我们要拥有。

博士。山塔努百色: 这里巨大的临别赠言。成为终身学习者,有正确的心态,并开始。谢谢你,医生。阿诺特,分享你的有趣和有益的见解机器学习,人工智能的这个领域在医疗保健领域。所以,再次感谢你。

现在的观众敬请期待,因为在某一时刻,你会满足我的同事克里斯·坎贝尔,谁在mg游戏官网的首席信息官,他会说话的约翰·希金森从团购。所以,再次感谢您对本第一段和博士。鲍勃·阿诺特,再次感谢你。祝你有美好的一天。

博士。鲍勃·阿诺特: 感谢伟大的采访,并感谢所有你做的教育和激励下一代领导伟大的生活和有美好的前途。

博士。山塔努百色: 精彩。感谢您的继续关注大家。

博客类别

博客类别

得到授权的故事和见解,以达到你的教育,事业和人生目标。

相关文章

为你的未来做好准备:适应,upskill和学习新技能

学到更多

利用技术:技术诀窍为明天的劳动力

学到更多

相关信息


多日后准备技巧系列: