很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于使用人工智能统计人口数据的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对使用人工智能统计人口数据这篇文章感兴趣的小伙伴可以一起来看看

从理论上讲，配备了机器学习功能的临床医生可以将对一个患者有效的方法应用到另一个(另一个)和另一个(另一个)的护理上，依此类推。

理想情况下，随后的患者最终将接受针对他们的个性化服务，并受到越来越大的大数据的驱动。同时，治理员和付款人获得的护理规程变化更少，因此成本也更低。

换句话说：“人工智能的根本潜力在于，卫生系统不再需要在个性化和规模化之间做出选择。”

这就是本杰明·费尔斯(Benjamin Fels)的想法，他本来就对从AI爱好者的角度看技术感兴趣：他是西雅图医疗保健AI公司Macro-Eyes的首席执行官。

然而，Fels已经就医疗保健需要更好地利用数据撰写了平衡而周到的文章，以期在不可幸免的AI投资中获得最大回报。

英国《金融时报》于5月18日发表了该文章。

“可能出什么问题了?很大，”费尔斯写道。“医疗机器学习中的偏见是致命的。用于培训医疗保健模型的最容易获得的数据不能反映疾病的全球负担。同样，在临床试验中，参与者不能准确反映患者的多样性。”

Fels补充说，每当对不足的广泛数据进行算法训练时，机器学习中的偏见往往会给AI的潜力带来寒意。

他指出：“机器的真实性就是您所展示的。”“重新调整训练数据，算法将学习纠正以前的趋势。”

他建议，最好的人工智能使用海量数据集来不断提醒提供者组织，他们的患者是个人，而不是群体甚至子群体。

Fels承认，该技术实现这一目标的能力是违反直觉的。但是，如果正确部署，医疗保健AI“可以通过强调医疗服务提供者对患者的注意，来增强医学的人性化，”他说，“使患者与医疗服务提供者之间的互动变得更加重要。”