去中心化人工智能和机器学习如何改变医疗行业

暴走时评：人工智能和机器学习是目前非常受关注的两大技术，有着巨大潜力，许多行业都在寻求将其应用到自己的业务中去。本文从医疗的视角出发，分析了这些技术在该领域的使用，通过具体的项目用例分析了其可能发挥的作用，为人们描绘了更加智能的医疗蓝图。

翻译：Ina

1. 什么是人工智能与机器学习？

这些都是所谓的21世纪技术。

人工智能是一种计算机系统的理论和发展，这种系统能够执行通常需要人类智力（如视觉感知、语音识别、决策和语言翻译）来完成的任务。

机器学习利用算法来学习如何执行诸如预测或分类之类的任务，不需要进行明确编程。实质上，算法通过数据学习，并不是预先指定的。

机器学习和人工智能有几个层次，包括：

监督学习

无监督学习

深入学习

每个层次都需要大量的数据，并且能够以与人类相当的速度和准确性创建可关联和可用的信息。这就是人工智能和机器学习的作用。

2. 如何将去中心化应用于此？

去中心化技术有几个好处。

即实现数据隐私和创造协作气氛的能力。去中心化人工智能也有同样的优势。机器学习模型能确保数据安全并保护隐私。这是通过来回通信并将数据保存在另一端用户的设备上来实现的。此外，一旦模型继续学习并成熟起来，它们就能对网络中的所有人开放，允许其访问。这样一来，就不再需要中心化专有组织了。这一点很重要，因为目前中央权威对未来发现的命运有着最终决定权。

3. 它是如何工作的？

区块链技术能使各方互动。

这些互动基于一组商定的业务规则。这些规则可以定义支付转账或智能合约。一个去中心化对等网络拥有这些规则来验证智能合约中的拟定交易。这种网络可以为平台打下基础。数据汇总和深度学习模型得以开发，否则中心化机构的代价就太大了。

在这个充斥着手机和平板电脑的时代，这些设备是许多人的主要计算设备。鉴于今天消费者都与自己的移动设备相连，频繁的用户互动和强大的传感器就会出现，实现前所未有的数据量，这往往具有私人性质。数据的敏感性意味着将其存储在中心化平台具有风险和责任。因此，拥有用户数据的模型可以通过驱动更智能的应用来大大提高可用性。

4. 这种技术如何应用于医学？

有多种用例。

在医学界，已经出现了一些开发有趣产品的项目，如Neuron。这些产品将指导用户如何训练其去中心化人工智能；换句话说，就是如何训练培训者。用户将能够看到如何构建其健康数据集，以及如何访问这些数据集。

具备计算机视觉的模块

这种产品使用人工智能和机器学习在app上自动填写用户的物理数据，只需进行自拍即可。Selfie2BMI模块使用最先进的深层神经网络和优化技术来预测各种人体特征，包括身高、体重、BMI、年龄和性别。它还可以监测23个面部属性，如皮肤、发际线上移、皱纹、牙齿和其他属性。

血液检查解码器

这是Neuron所开发的另一种创新用途，作为深层对话代理丰富血液检查知识，使用户能够讨论并回答关于血液生物标志物的任何问题。它学习了成千上万的医疗文件和常见问答，以回答关于血液检查结果的复杂问题。代理可以根据用户的年龄、性别和条件使对话个性化，提供相关答案。

基因组学检测解码器

这个深层对话代理旨在丰富遗传咨询知识，可以回答相关的简单及个性化复杂问题。它能够记住每一次访问和推荐。当它无法解答的时候，就会从大规模数据集中寻找答案。

医药解码器

这个模块接受了药物用量、副作用等指导以回答个性化问题。如果能提供基因组学检测结果，它将连接到药物基因组学推荐引擎。

5. 为什么这项技术至关重要？

这将使医疗体验更具交互性，并能为用户量身定制。

去中心化人工智能可以处理几个关键问题，并为用户提供重新掌控自己的医疗保健的机会。

这些解决方案可以指导参与者查找和收集自己的医疗数据。大多数人无法获得他们的医疗信息，他们不知道从哪里开始，即使开始查找，他们的计算机科学知识也很有限。这些解决方案还培养和支持开源的开发人员社区，帮助他们在工具平台堆栈上革新工具，促进数据的集成和收集，并提供算法来解读数据：用于个性化生物学的去中心化Kaggle。

公正的数据

我们可以通过区块链跟踪和验证数据源。这样就可以进行准确的预测，并且可以审核数据的来源，执行数据取证和KYD（Know Your Data）流程。

该技术能为用户实现更安全的医疗保健。有些随机试验的数据往往有侧重点，比如这些拥有高度选择性的系统不喜欢选择女性、老人和那些有其他医疗条件的人，孕妇基本是被完全忽视的。

隐私问题

人们对于在网络上分享自己的医疗数据可能比较犹豫，因为网络中可能潜伏着不怀好意的陌生人。通过把数据分布到所有用户中，可以对其加密，使其无法更改。此外，Neuron通过维护边缘设备而不是在云端或中心化服务器上的信息来满足HIPAA的要求。

未来机会

虽然医疗保健行业还不能在机器上创造出医生，但人工智能发挥作用的空间还有很大，而且Neuron有可能成为这一领域的领导者。

作者：John Patric Mullin | 编译者：Ina | 来源：Cointelegraph