當機器遇上生命科學-蔡懷寬 教授
介紹GAN創始者~最近有來台灣
人工智慧教父楊立昆訪台 2019/09/24
https://news.tvbs.com.tw/world/1205871
資料與label 的影響
機器學習可以找到重要feature
藉由ML 找出DNA重要的Feature
EX:辨識東西
第一次 100% (非常可怕，因為ML真的學到需要的東西嗎?)
用別的測試資料 40%以下
修改data過後(切割成像要ML判斷的)->30%以下
的確有問題!!!
收集的資料要很小心!!!
不然學到的不是預設她要學的!
需要清楚的說ML要去哪裡~~
PS:蔡教授~以前在研究所就有接觸過~先聽過他的學生演講(目前在國際大廠做生物資訊)
在後來也邀請他來說生物資訊
恩~當時的想法就是~要出國念書~奈何本人英文太差@@
實力不足~外加沒摳摳~就擱置了Q_Q
第二堂課~人工智能與醫療數據渠道建立之經驗分享~郭錦輯 醫師
中國的策略~
台灣的機會
Data team(最重要!!)
AI team
Talents vs Data
數字中國(數智中國)
醫療的AI要從醫療端發動，不是技術人員發動
Data ->Information->Intelligent
AI 醫院~
絕對不是工具數量取向
數據的蒐集戰略~
自己的數據庫~
Pipeline(基礎設施)
Platform
挑戰~!!
醫院資料一團爛帳Q__Q
base on system
設計不是以大數據導向~~!!
Product 需要有製成!!!
醫院~資訊室最重要(因為要落地應用)
data 製成與淨水的過程一樣!!
真正的聰明人
都在做[笨功夫]
學校的資源~協助醫院的進步
Data 品質與Med Data 是一致的!
提升ICU的品質!!
系統整合是大數據的關鍵!!
Ontology!!!!
命名與歸類~~!!
先轉3個月~確認後，在進行全部轉換出來
如何將資料轉成格式化資料!!!
把非結構資料準成結構資料~!(AI才有可能!)
清data醫師責無旁貸~!
臨床資料要很精準!!
"自由"
收斂~~!!
如何將人員轉換成懂Data的人
每個人都要知道
WorkFlow的重要性!!!!!!
第三堂~人工智慧在生態學上的應用~沈聖峰
蛾的研究
了解因果關系
關聯性表象~!共通的原因~~
強AI還很遠~~!!!
The book of Why
問題 vs 資料 vs 技術
資料不夠好~清乾淨再試試!!
Label~需要再確認
看到看不到
並量化資料
Domain Knowledge
高海拔~低海拔!!
放下成見~
AI看到甚麼
與自己想看的一樣不一樣!
第四堂~以深度學習策略來傾聽生物序列 大數據所蘊藏的奧秘~林仲彥 教授
基因序列~~~(ATCG)
開發許多Web Tool
第五堂~如何結合專家知識與人工智慧於開發輔助診斷系統: 以睡眠生理訊號為例~郭至恩 教授
睡眠專家討論~~
AASM的介紹
特徵訊號的分析與萃取~~
(腦波)
取代不會使用AI的人(和電腦一樣~不會用就是會被淘汰?!?)
第六堂~AutoML在醫療影像之分析 - 讓醫師秒變AI工程師~王淳恆老師
介紹未開源 的工具!!
使人可以輕鬆使用AI
第七堂~醫療AI發展執行經驗~郭昶甫 醫師
落地應用才是重點!!
法規要可以通過，才可以用
醫療~器材在人體的使用，
重視病人的安全
WorkFlow 最佳化
更早讓醫師知道病人的狀況
AI在特殊的場域有它的價值!!
AI價值的來源在哪?
..........待續
0 意見