如何将深度学习注入医疗服务

  • 0 replies
  • 600 views
*

sisiy

  • *****
  • 203
    • 查看个人资料
如何将深度学习注入医疗服务
« 于: 五月 03, 2019, 09:01:27 pm »
在一个大型的医疗组织中,即使工作流中的一个小的改进也可以转化为效率上的重大提高。这意味着医疗服务提供者的成本更低,而病人得到更好、更快的治疗。

联合健康集团是美国最大的医疗保健公司之一谷歌(google inc .)正转向基于gpu的人工智能来实现这些增强功能。上个月在GPU技术大会上的一次演讲中,该组织的两名人工智能开发人员分享了他们是如何将深度学习应用于各种应用程序的——从事先授权的医疗程序到指导电话呼叫。


“解决这些问题所需的数据集是巨大的,”联合健康集团(UnitedHealth Group)健康服务平台Optum的高级杰出工程师迪玛•雷克斯(Dima Rekesh)表示。“深度学习通过其解析大量数据的能力,特别适合解决其中一些难题。”

Rekesh说,人工智能可用的关键挑战是使错误率足够低。“当你开发一个模型时,你需要跨越一个精确度的门槛,达到你可以信任它的程度——达到对某人来说是愉快体验的程度,无论是呼叫中心的代表,还是研究模型预测的医学专业人士。”

他说,深度学习模式可以达到这个高度。

Optum首席数据科学家兼杰出工程师Julie Zhu表示:“人工智能解决方案实际上不仅影响我们公司的运营成本,还会影响患者服务。”“我们可以更早做出决定,提出更准确的治疗建议,更早发现疾病。”

Optum正在使用许多NVIDIA gpu,包括一个由V100 gpu组成的集群和NVIDIA DGX-1,来为其深度学习工作提供动力。

这个程序是人工智能批准的

医疗服务提供者通常需要事先获得患者保险计划的授权,或事先获得患者保险计划的批准,然后才能继续进行治疗或开具处方。目前,人工审批程序每年要花费Optum数百小时和数百万美元。

除了检查病人的保险计划是否包括治疗外,医疗保健提供者还必须从多个来源收集信息,以确认特定的病人是否需要进行手术或服用特定的药物。通过深度学习模型,大部分决策最终可以自动完成。

朱和她的同事正在开发能够实时进行预先授权的神经网络。人工智能目前正在生产中,并正在与手动过程进行基准测试。

该团队发现,在大量案例中,其深度学习模型的性能显著优于传统的机器学习模型。

“当你每年有100万病例时,影响真的很大,”朱说。联合健康集团为1.26亿个人和80%的美国医院提供服务。“即使准确率有很小的提高,也会产生巨大的影响。”

另一端是深度学习

每天有100多万人拨打联合健康集团的电话。与任何大型组织一样,打电话的人都会受到自动语音响应系统的欢迎——这是一个电话树界面,上面有“按1进入急诊科”或“按6进入放射科”之类的提示。

这个过程可以通过深度学习来简化。

通过在其呼叫系统中实现人工智能,UnitedHealth Group可以使用自然语言处理模型来了解呼叫者在寻找什么并自动应答,或者将其路由到正确的部门或服务代表。

Rekesh正致力于开发能够完成这些任务的神经网络,其目标是缩短通话时间,让病人和客户更快地联系起来。为此,他正在使用OpenSeq2Seq,这是一个由英伟达研究人员开发的用于NLP和语音识别的开源工具包。

“在NLP中,深度学习是唯一的选择,”他说。“其他的解决方案不够准确。”

深度学习模型也可以用来简化在电话中验证病人身份的过程。对于客户代表来说,人工智能支持的界面可以帮助他们在通话过程中查阅病人的记录,或者在代理的电脑屏幕上提供建议。

Optum计划在今年晚些时候部署其中一些深度学习模型。该组织还致力于神经网络工具的多疾病预测和医疗索赔欺诈检测。
« 最后编辑时间: 五月 03, 2019, 09:02:44 pm 作者 sisiy »