进一步推进人工智能与医疗大数据之前需要考虑的3个关键点

小编发现不少朋友对于 进一步推进人工智能与医疗大数据之前需要考虑的3个关键点 这方面的信息都比较感兴趣，小编就针对 进一步推进人工智能与医疗大数据之前需要考虑的3个关键点 整理了一些相关方面的信息 在这里分享给大家。

由14名欧洲AI专家组成的多学科工作组为使用该技术分析医疗保健中的大数据的任何人提出了一套广泛的指导原则。

尽管该小组的“考虑要点”专门针对风湿性和肌肉骨骼疾病，但这些建议很容易转化为其他医学专业以及世界其他地区。

该小组的论文于6月22日在线发表在《风湿病年鉴》上。

Sorbonne大学的医学博士Laure Gossec和欧洲抗风湿病联盟的13位同事在回顾了文献并分析了各自领域和其他医学领域大数据使用的现状之后，提出了他们的名单。

在分配了证据水平和建议强度，然后计算出平均同意水平之后，工作组成员得出了三项总体原则和十点要考虑的问题。

这些原则是道德方面，大数据改变医疗保健交付的潜力以及首先处理大数据的最终目标。

关于后者，作者评论说，他们的领域必须不断地瞄准“对风湿性和肌肉骨骼疾病患者有益”。

以下是他们的10个更细粒度点中的三个的开幕词。

1. 随着大数据量的增加，对数据统一的需求变得越来越明显，并且有可能通过应用全球标准来使用不同的数据源。

这组作者写道：“至关重要的是确保可以使用现有和将来的数据集，尤其是将其汇总用于大数据方法。” “为此，必须对它们进行协调/调整以促进数据的互操作性。”

2. 尽管跨学科合作对所有研究项目都是有益且必不可少的，但在大数据项目中，专业知识分散在不同利益相关者之间显得尤为重要。

作者写道：“工作组坚持在分析阶段，例如在AI方法需要适当专业知识的情况下，以及在大数据项目的各个阶段，适当的利益相关者之间进行协作的重要性，”作者写道。“跨学科的合作应该在项目的不同时间进行干预，以确保能够选择最合适的设计，同时确保数据收集和分析类型适合目的。”

3. 在大数据领域对临床，生物学或影像学研究人员，医疗保健专业人员和计算生物学家/数据科学家进行跨学科培训非常重要，并且与大数据领域合作的需求密切相关。

机器学习方法“变得无处不在，对科学发现具有重要意义;然而，医疗保健专业人员并不完全了解这些方法的正确使用，而数据科学家可能缺乏设计研究和解释研究结果的临床知识。” “鉴于目前在风湿和肌肉骨骼疾病领域相对缺乏与大数据相关的专业知识，并且鉴于该领域的快速变化，某些组织应设立或促进培训课程。”

在讨论中，Gossec等人。指出，他们的指南包括一个非正式的工具集，可帮助设定有关AI和医疗保健中大数据的未来讨论的参数，并且很可能会被其他医学学科应用。

他们写道：“我们希望考虑这些要点，将激发政府和研究组织，医疗保健提供者，研究人员和患者加强对利益相关者的相关培训。”他补充说，这项工作还可能有助于为以下方面制定基准和指南可重复的研究。