De Reële Revolutie van Medvice

De laatste jaren is het gebruik van AI (kunstmatige intelligentie) in medische toepassingen explosief toegenomen, omdat onderzoekers en innovators steeds meer manieren vinden om het gigantische potentieel van Machine Learning te verkennen, waarmee de patiëntenzorg en gezondheid in het algemeen verbeterd kunnen worden. Veel van deze toepassingen, hoe geavanceerd hun algoritmes dan ook zijn, zijn echter gedoemd tot een beperkt succes vanwege het gebruik van beperkte datasets. 

In de werkelijkheid zijn de medische datasets die momenteel worden gebruikt voor kunstmatige intelligentietoepassingen zeer gebrekkig. Datawetenschappers besteden tot wel 80% van hun tijd aan het verzamelen en voorbereiden van data voor gebruik, tijd die ook in toepassingen of analyse gestoken kan worden, geraadpleegd van https://hbr.org/2016/12/breaking-down-data-silos?autocomplete=waar. Medische gegevens worden vaak afgeleid uit schoolvoorbeelden van ziektes, terwijl die in de echte wereld veel complexer en minder lineair zijn, of gebaseerd op oude, rommelige en onnauwkeurige datasets. Ondanks de miljoenen dollars aan ontwikkeling en jaren van algoritme-trainen van IBM’s supercomputer Watson (mogelijk de bekendste AI ter wereld), die probeerde medische afkortingen, verkorte zinnen en afwisselende schrijfstijlen te lezen en interpreteren, worstelde de supercomputer om waardevolle informatie uit medische dossiers te halen. Het is dan ook nog steeds geen betrouwbare partner in medische diagnoses en behandelplannen, geraadpleegd van https://www.statnews.com/2017/09/05/watson-ibm-cancer. Uiteindelijk hebben de huidige medische databases gewoonweg geen gegevens die genoeg worden opgeschoond en geoptimaliseerd voor Machine Learning, en zijn ze vaak niet gebaseerd op gevalideerde gevallen. 

Terwijl lage kwaliteit datasets een belemmering vormen voor effectieve Machine Learning toepassingen in het algemeen, kunnen ze potentieel verwoestend zijn als het gaat om medische toepassingen. Deze beslissingen kunnen zeer ingrijpend en potentieel zelfs levensbedreigend zijn. Een medische AI die bevooroordeeld, onvolledig of gewoonweg onnauwkeurig is brengt risico’s met zich mee dat geen enkele patiënt of zorgverlener zou moeten accepteren. 

Medvice verandert dat allemaal en bouwt het van de grond af aan. Onze grensverleggende partnerschappen met patiënten en zorgverleners stellen ons in staat om een dataset te creëren die continu gecontroleerd, schoon en accuraat blijft. Het Medvice.Ai voorspellingsmodel is gebaseerd op gegevens uit de praktijk, van begin af aan geoptimaliseerd voor machine learning en ontwikkeld om te voldoen aan de zwaarste medische normen. In plaats van tijd te besteden aan het oppoetsen, valideren en bijhouden van gegevens, kan het team van Medvice zich richten op het verfijnen en verbeteren van de AI-besluitvorming, als mede de analyse en potentiële toepassingen. Deze volledig nieuwe datacapture- en validatiemethodologie van Medvice opent revolutionaire nieuwe deuren voor toepassingen van machine learning en AI-ondersteunde medische besluitvorming.


Deel dit artikel