人工智能综合产生数据以帮助治疗等疾病

数据驱动技术和“大数据”正在彻底改变许多行业。但是，在许多研究领域(包括健康和药物开发)，由于其敏感的性质和对个体的严格保护，因此可用的数据太少。当数据匮乏时，研究人员得出的结论和预测仍然不确定，而的爆发就是其中一种情况。

“当然，当一个人生病时，他们想获得尽可能最好的护理。那么，尽可能提供最好的个性化医疗保健方法就很重要，”学院教授兼芬兰研究中心主任塞缪尔·卡斯基(Samuel Kaski)说。人工智能FCAI。

然而，开发这样的个性化医疗保健方法需要大量数据，由于围绕大规模收集个人数据的道德和隐私问题，很难获得这些数据。卡斯基教授说：“例如，除非我能非常精确地决定保险公司将如何处理这些信息，否则我本人不愿向保险公司提供自己的基因组信息。”

为了解决这个问题，FCAI的研究人员开发了一种新的基于机器学习的方法，该方法可以综合生成研究数据。该方法可用于帮助开发更好的治疗方法和了解疾病，以及在其他应用中。研究人员最近发布了一种基于该方法的应用程序，该方法允许学者和公司在不损害参与研究的个人的隐私的情况下彼此共享数据。

许多行业都希望保护自己的数据，以便不向竞争对手透露商业秘密和发明。在药物开发中尤其如此，这需要大量的财务风险。如果制药公司可以在不公开自己的发明的情况下与其他公司和研究人员共享数据，那么每个人都会受益。

综合产生数据的能力解决了这些问题。在他们的先前研究中，FCAI研究人员目前正在同行评议中，他们发现合成数据可以得出与原始数据一样可靠的统计结论。它使研究人员可以进行无限数量的分析，同时确保原始实验参与者的隐私安全。

6月底发布的应用程序的工作方式如下：研究人员将原始数据集输入到应用程序中，应用程序从该数据集构建合成数据集。然后，他们可以安全的方式与其他研究人员和公司共享数据。

该应用程序以最快的速度发布，因此研究大流行的研究人员将尽早获得该应用程序。研究人员正在进一步改进该应用程序，以使其更易于使用和添加其他功能。“关于新的，我们还有很多未知的地方：例如，我们对这种病毒在体内的起因以及真正的危险因素尚不十分了解。当研究人员获得综合数据后，我们便开始了解这些情况会更好。”

FCAI研究人员目前正在研究一个项目，在该项目中，他们使用合成数据来构建基于某些生物标记物的模型，该模型可以预测测试对象的测试是阳性还是阴性。生物标志物可以是例如指示疾病的某些类型的分子，细胞或激素。

“执行此操作的原始数据集已公开提供。现在，我们正尝试在合成数据的帮助下重现原始研究的结果，并根据原始研究中获得的合成数据建立预测模型， ”阿尔托大学博士研究员JoonasJälkö解释说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！