400 8877 001面對不同受眾，智慧醫(yī)療有著不同的內(nèi)涵
時間：2020-01-16 10:36:00 閱讀：4043 整理：廣州市場調(diào)查公司
大數(shù)據(jù)可謂是當(dāng)紅炸子雞，對于它的應(yīng)用場景，人們已經(jīng)做了充分的想象，很多也在逐步落地，比如智慧醫(yī)療。醫(yī)療行業(yè)正更多的融入人工智慧、傳感技術(shù)等高科技，使醫(yī)療服務(wù)走向真正意義的智能化。
面對不同受眾，智慧醫(yī)療有著不同的內(nèi)涵。對于公眾，意味著更便捷可及的醫(yī)療服務(wù);對于醫(yī)護人員，不僅可以提高診療速度，還可以讓診療更加精準(zhǔn)，通過大量的數(shù)據(jù)分析支持他們的診斷。這里就不得不提到專家系統(tǒng)，它應(yīng)該是一個典型的醫(yī)療應(yīng)用，是大數(shù)據(jù)和人工智能的緊密結(jié)合。
專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計算機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。簡言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。專家系統(tǒng)的發(fā)展已經(jīng)歷了3個階段，正向第四代過渡和發(fā)展。第一代專家系統(tǒng)(dendral、macsyma等)以高度專業(yè)化、求解專門問題的能力強為特點。但在體系結(jié)構(gòu)的完整性、可移植性、系統(tǒng)的透明性和靈活性等方面存在缺陷，求解問題的能力弱。第二代專家系統(tǒng)(mycin、casnet、prospector、hearsay等)屬單學(xué)科專業(yè)型、應(yīng)用型系統(tǒng)，其體系結(jié)構(gòu)較完整，移植性方面也有所改善，而且在系統(tǒng)的人機接口、解釋機制、知識獲取技術(shù)、不確定推理技術(shù)、增強專家系統(tǒng)的知識表示和推理方法的啟發(fā)性、通用性等方面都有所改進。第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略，并開始運用各種知識工程語言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和環(huán)境來研制大型綜合專家系統(tǒng)。在總結(jié)前三代專家系統(tǒng)的設(shè)計方法和實現(xiàn)技術(shù)的基礎(chǔ)上，已開始采用大型多專家協(xié)作系統(tǒng)、多種知識表示、綜合知識庫、自組織解題機制、多學(xué)科協(xié)同解題與并行推理、專家系統(tǒng)工具與環(huán)境、人工神經(jīng)網(wǎng)絡(luò)知識獲取及學(xué)習(xí)機制等最新人工智能技術(shù)來實現(xiàn)具有多知識庫、多主體的第四代專家系統(tǒng)。
筆者嘗試使用SmartMining敏捷挖掘桌面版來探索依托大數(shù)據(jù)如何構(gòu)建專家診病模型。之所以選擇SmartMining，是因為它“簡單而不失內(nèi)涵”。它的操作真的夠簡單，全程可視化，不用編程，這點對筆者的吸引力很大。當(dāng)然，喜歡R語言的朋友也可以在這里找到感覺，因為它集成了R，算法很豐富。而且SmartMining還很貼心的內(nèi)置了很多示例，讓用戶不費力就能進入數(shù)據(jù)挖掘的世界。
專家診病模型就是SmartMining自帶示例之一，是以決策樹算法為背景，通過可視化探索數(shù)據(jù)實現(xiàn)決策樹同樣的計算結(jié)果。配套的示例教程對整個過程的講解清晰且生動有趣，筆者跟隨教程進行了學(xué)習(xí)，從中大大受益。
從專家系統(tǒng)模型的知識點來說，有這么幾個需要提醒：
1、 數(shù)據(jù)質(zhì)量和完整性永遠(yuǎn)是數(shù)據(jù)挖掘工作中不可回避的基礎(chǔ)問題。沒有足夠的歷史數(shù)據(jù)量，或者數(shù)據(jù)質(zhì)量(本例中可理解為誤診)不可信，都會造成機器學(xué)習(xí)的失敗(這個道理就是“Gabage in,gabage out”)。因此、各種數(shù)據(jù)的探索、統(tǒng)計、處理工作是非常關(guān)鍵的!
2、 建模不是一次性的工作，需要反復(fù)的訓(xùn)練、評估和優(yōu)化。通常優(yōu)化模型有三種辦法：第一，增加新數(shù)據(jù)，以便引入更多重要的影響因素;第二，嘗試其他模型，以便找到更適合的模型;第三，優(yōu)化輸入，即基于已有數(shù)據(jù)派生更多重要的變量，或者過濾不重要的變量。這三者中，第一種最難以實現(xiàn)，一般企業(yè)的數(shù)據(jù)是有限的，企業(yè)內(nèi)部可用數(shù)據(jù)及外部可用網(wǎng)絡(luò)數(shù)據(jù)，在項目需求調(diào)研階段就應(yīng)該明確，而企業(yè)外部行業(yè)數(shù)據(jù)難以獲取。第二種最容易嘗試，所有可用模型可以快速嘗試一遍，這個是每個項目中都必做的，但卻不是最重要的方法。而第三種方法才是項目中最可行，也是最重要的辦法。
3、 無論何時，都要把商業(yè)應(yīng)用作為始終的目標(biāo)，不要出現(xiàn)“過擬合”、“追求漂亮”和“炫特技”，能用簡單圖形分析的，絕不用算法，能用成熟模型的，盡量不要自己去編程序!
關(guān)注公眾號：
華夏經(jīng)緯數(shù)據(jù)科技
更多調(diào)研資訊>>
本站文章內(nèi)容以及所涉數(shù)據(jù)、圖片等資料來源于網(wǎng)絡(luò)，轉(zhuǎn)載目的在于傳遞更多信息。版權(quán)歸作者所有，文章僅代表作者觀點，不代表華夏經(jīng)緯立場。 如涉及侵權(quán)，請聯(lián)系管理員刪除。在法律許可的范圍內(nèi)，華夏經(jīng)緯（廣州）數(shù)據(jù)科技股份有限公司享有最終解釋權(quán)。
