機器學習已經被用來研究科學和醫(yī)學數(shù)據(jù)之間的關系以及一些現(xiàn)象

北京時間2月18日早間新聞，據(jù)英國《金融時報》報道，上周五，一群頂尖科學家和醫(yī)學統(tǒng)計學家警告稱，在一些生物醫(yī)學領域使用人工智能技術會得出一些不準確的結論。

“用機器學習技術分析大數(shù)據(jù)得出的很多研究結論都無法獲得我的信任?！泵绹R斯大學貝勒醫(yī)學院副教授吉納維拉艾倫在美國科學促進會年會上警告說。

機器學習已經被用來研究科學和醫(yī)學數(shù)據(jù)之間的關系以及一些現(xiàn)象，例如基因和疾病之間的關系。在精準醫(yī)學中，研究人員會尋找具有相似DNA的患者，這樣治療方案就可以針對特定的致病基因。

“許多技術都是用于預測的。”艾倫說，“但我從未返回‘我不知道’或‘我什么也沒發(fā)現(xiàn)’的結論，因為他們在設計過程中沒有考慮到這種情況?！?

她不愿意指出具體的案例，但她說，機器學習得出的癌癥數(shù)據(jù)的研究結論就是一個很好的例子。

“有很多案例不能重復?！卑瑐愓f，“一項研究中發(fā)現(xiàn)的集群與另一項研究中發(fā)現(xiàn)的集群有很大不同。為什么會這樣？因為現(xiàn)在的大多數(shù)機器學習技術都會說，‘我找到了一個小組?！袝r候，如果換一種說法更有幫助，你可以說，‘我覺得他們中的一些人真的分成了一個組，但我不確定其他人。"

一旦機器學習發(fā)現(xiàn)患者基因和疾病特征之間存在特定的關系，人類研究人員可能會為相應的發(fā)現(xiàn)提供合理的科學解釋。但這并不意味著這些發(fā)現(xiàn)是正確的。

艾倫說：“你總能找到一些基因被組合在一起的原因。”

科學家最近才開始意識到這個問題，這可能會導致醫(yī)學研究人員走上錯誤的道路，浪費資源來確認不可重復的結果。

艾倫和她的同事們正在努力改進統(tǒng)計技術和機器學習技術，讓人工智能可以批評自己的數(shù)據(jù)分析，并指出一些發(fā)現(xiàn)是真實的概率，而不是立即相關的。

“有一個想法是專門干擾數(shù)據(jù)，看看結果是否會保持不變。”她說。

標簽：