Josh Miller, CEO ya Gradient Health - Rêzeya Hevpeyvînê

Josh Miller CEO ye Gradient Health, pargîdaniyek ku li ser vê ramanê hatî damezrandin ku pêdivî ye ku teşhîsên otomatîkî hebe da ku lênihêrîna tenduristî wekhev û ji her kesî re peyda bibe. Tenduristiya Gradient armanc dike ku bi daneyên ku organîzekirî, binavkirî û berdest in, tespîtkirina AI-ya otomatîkî bilez bike.

Ma hûn dikarin çîroka çêbûna li pişt Tenduristiya Gradient parve bikin?

Hev-avakarê min Ouwen û ez nû ji destpêka xweya yekem, FarmShots derketibûm, ku vîzyona komputerê bikar anî da ku alîkariya kêmkirina mîqdara dermanên ku di çandiniyê de têne bikar anîn kêm bike, û em li pêşbaziya xweya din digeriyan.

Em her gav ji xwestina ku em pirsgirêkek dijwar bibînin ku bi teknolojiyê re çareser bikin ku a) xwedî firsendê ye ku di cîhanê de gelek tiştan bike, û b) rê li ber karsaziyek zexm veke. Ouwen li ser pileya xwe ya bijîjkî dixebitî, û bi ezmûna me ya di dîtina komputerê de, wênekêşiya bijîjkî ji me re guncanek xwezayî bû. Ji ber bandora wêranker a penceşêra pêsîrê, me mamografiyê wekî serîlêdana yekem a potansiyel hilbijart. Ji ber vê yekê me got, "Baş e em ji ku dest pê bikin? Pêdiviya me bi daneyan heye. Ji me re hezar mamografi lazim in. Hûn wê pîvana daneyê ji ku digirin?” û bersiv "Tu cih" bû. Me tavilê fêm kir, bi rastî zehmet e ku meriv daneyan bibîne. Piştî mehan, ev bêhêvî ji me re bû pirsgirêkek felsefî, me fikirîn "kesê ku hewl dide ku di vê deverê de qenciyê bike, divê şer û têkoşîn neke ku daneyên ku ew hewce ne ji bo avakirina algorîtmayên rizgarkirinê". Û ji ber vê yekê me got "hey, dibe ku bi rastî pirsgirêka me çareser bibe".

Xetereyên heyî yên li sûkê bi daneyên nenas çi ne?

Ji bêhejmar lêkolîn û mînakên cîhana rastîn, em dizanin ku heke em algorîtmayek ava bikin, tenê daneyên ji perava rojava bikar bînin, û hûn wê bînin başûrê rojhilat, ew ê nexebite. Car û car em çîrokên AI-yê dibihîzin ku li nexweşxaneya bakur-rojhilatî ya ku ew lê hatî çêkirin pir dixebite, û dûv re gava ku ew li cîhek din bicîh dikin, rastbûn ji% 50 kêmtir dibe.

Ez bawer dikim ku armanca bingehîn a AI-ê, li ser astek exlaqî, ev e ku divê ew nakokiyên tenduristiyê kêm bike. Armanc ew e ku lênihêrîna bi kalîte ji her kesî re erzan û berdest be. Lê pirsgirêk ev e ku gava we ew li ser daneyên belengaz ava kiriye, hûn bi rastî nakokiyan zêde dikin. Ger em bihêlin ku ew tenê ji bo xortên spî yên ji peravê bixebite, em di mîsyona lênihêrîna tenduristiyê de têk diçin. Kesên ji paşerojên ku kêm têne temsîl kirin dê di encamê de, ne hindik, bêtir rastî cûdakariyê bibin.

Ma hûn dikarin nîqaş bikin ka Gradient Tenduristî çawa daneyan çavkaniyan dike?

Bê guman, em bi her cûre pergalên tenduristiyê yên li çaraliyê cîhanê re hevkariyê dikin ku daneyên wan bi rengek din têne hilanîn, drav didin wan, û sûdê nadin kesî. Em daneyên wan di çavkaniyê de bi tevahî ji hev nas dikin û dûv re em bi baldarî ji lêkolîneran re organîze dikin.

Tenduristiya Gradient çawa piştrast dike ku dane bêalî û bi qasî ku pêkan cihêreng in?

Gelek rê hene. Mînakî, dema ku em daneyan berhev dikin, em piştrast dikin ku em gelek klînîkên civatê di nav xwe de vedihewînin, ku hûn bi gelemperî daneyên temsîlkartir hene, û her weha nexweşxaneyên mezintir. Em di heman demê de daneyên xwe ji hejmareke mezin ji malperên klînîkî vedigirin. Em hewl didin ku bi qasî ku mimkun be ji gelek nifûsên ku pêkan dibe gelek malperan bistînin. Ji ber vê yekê ne tenê xwedî hejmareke zêde malperan, lê xwedîkirina wan ji hêla erdnîgarî û sosyo-aborî ve cihêreng in. Ji ber ku ger hemî malperên we hemî ji nexweşxaneyên navenda bajêr bin, ew hîn jî ne daneyên nûner e, ne wusa?

Ji bo erêkirina van hemîyan, em statîstîkan li ser hemî van danehevan dimeşînin, û em wê ji bo xerîdar xweş dikin, da ku pê ewle bin ku ew daneyên ku di warê teknolojî û demografîk de cihêreng in digirin.

Çima ev asta kontrolkirina daneyê ew qas girîng e ku algorîtmayên AI-ya zexm dîzayn bikin?

Gelek guhêrbar hene ku dibe ku AI di cîhana rastîn de rû bi rû bimîne, û mebesta me ew e ku em pê ewle bikin ku algorîtma bi qasî ku dibe bihêz e. Ji bo hêsankirina tiştan, em di daneyên xwe de pênc guhêrbarên sereke difikirin. Guherbara yekem ku em li ser difikirin "çêkerê amûran" e. Eşkere ye, lê heke hûn algorîtmayek tenê bi karanîna daneyên ji skanerên GE-ê ava bikin, ew ê li ser Hitachi-yek baş nexebite, bêje.

Ligel xetên wekhev guherbara "modela amûrê" heye. Ev yek bi rastî ji perspektîfa newekheviya tenduristiyê pir balkêş e. Em dizanin ku nexweşxaneyên lêkolînê yên mezin, baş-fînansedar meyla xwedan guhertoyên herî dawî û herî mezin ên skeneran in. Û, heke ew tenê AI-ya xwe li ser modelên xwe yên 2022-an perwerde bikin, ew ê li ser modelek kevn a 2010-an jî nexebite. Van pergalên kevn bi rastî ew in ku li deverên kêm dewlemend û gundewar têne dîtin. Ji ber vê yekê, bi tenê karanîna daneyên ji modelên nûtir ew bi bêhemdî pêşbaziyên din li dijî mirovên ji van civakan destnîşan dikin.

Guherînên sereke yên din zayend, etnîsîte û temen in, û em bi rê ve diçin da ku pê ewle bin ku daneyên me bi hevsengiya wan hemîyan re hevseng in.

Hin astengiyên birêkûpêk ên ku pargîdaniyên MedTech bi wan re rû bi rû ne?

Em dest pê dikin ku FDA bi rastî di berhevokên databasê de lêkolînê dike. Me lêkolîner hatin cem me û gotin "FDA algorîtmaya me red kir ji ber ku 15% nifûsa Afro-Amerîkî wenda bû" (ji sedî teqrîben Afro-Amerîkiyên ku beşek ji nifûsa Dewletên Yekbûyî ne). Me di heman demê de bihîstiye ku pêşdebirek jê re gotiye ku ew hewce ne ku 1% Giravên Hawayê yên Pasîfîkê di daneyên perwerdehiya xwe de bicîh bikin.

Ji ber vê yekê, FDA dest pê dike ku fêm bike ku ev algorîtmayên ku tenê li nexweşxaneyek yekane hatine perwerde kirin, di cîhana rastîn de naxebitin. Rastî ev e, ku heke hûn nîşana CE & paqijkirina FDA-yê dixwazin, divê hûn bi danesek ku nifûsê temsîl dike werin. Rast e, êdî nayê pejirandin ku AI-yek li ser komek piçûk an ne-nûner perwerde bike.

Xetereya ji bo MedTechs ev e ku ew bi mîlyonan dolar veberhênan dikin ku teknolojiya xwe bigihînin cîhek ku ew difikirin ku ew ji bo paqijkirina birêkûpêk amade ne, û dûv re ger nikaribin wê bi rê ve bibin, ew ê çu carî berdêl an dahatê nestînin. Di dawiyê de, riya bazirganiyê û riya ku bandorek bikêrhatî li ser lênihêrîna tenduristî ya ku ew dixwazin hebe, ji wan re hewce dike ku bala xwe bidin beralîkirina daneyan.

Hin vebijarkên ji bo derbaskirina van astengan ji perspektîfek daneyê çi ne?

Di salên dawî de, rêbazên rêveberiya daneyê pêş ketine, û pêşdebirên AI-ê naha ji berê bêtir vebijarkên wan hene. Ji navbeynkar û hevkarên daneyê bigire heya fêrbûna federe û daneyên sentetîk, nêzîkatiyên nû ji van astengan re hene. Çi rêbaza ku ew hilbijêrin, em her gav pêşdebiran teşwîq dikin ku bifikirin ka daneyên wan bi rastî nûnerê nifûsa ku dê hilberê bikar bînin ne. Ev ji hêla herî dijwar a çavkaniya daneyan ve ye.

Çareseriyek ku Tenduristiya Gradient pêşkêşî dike Gradient Label e, ev çareserî çi ye û ew çawa bi pîvana daneya nîşankirinê çalak dike?

AI-ya wênekirina bijîjkî ne tenê daneyan, lê di heman demê de şîroveyên pispor jî hewce dike. Û em ji pargîdaniyan re dibin alîkar ku wan şîroveyên pispor bistînin, tevî radyologan.

Vîzyona we ji bo pêşeroja AI û daneyên di tenduristiyê de çi ye?

Jixwe bi hezaran amûrên AI-ê li wir hene ku ji serê tiliyên we heya tiliyên tiliyên we li her tiştî dinêrin, û ez difikirim ku ev ê berdewam bike. Ez difikirim ku di pirtûkek bijîjkî de ji bo her rewşê herî kêm 10 algorîtma hene. Her yek dê xwedan amûrên pirjimar, belkî pêşbazker be ku ji bijîjkan re bibe alîkar ku lênihêrîna çêtirîn peyda bikin.

Ez nafikirim ku em îhtîmala ku em bi dawî bibin Tricorderek şêwaza Star Trek-ê ku kesek dişoxilîne û ji serî heya lingê her pirsgirêkek mimkun çareser dike bibînin. Di şûna wê de, em ê ji bo her binketê serîlêdanên pispor hebin.

Tiştek din heye ku hûn dixwazin di derbarê Tenduristiya Gradient de parve bikin?

Ez ji bo pêşerojê bi heyecan im. Ez difikirim ku em ber bi cîhek ku lênihêrîna tenduristî erzan e, wekhev e û ji hemîyan re peyda dibe, û ez dilxweş im ku Gradient şansê ku di pêkanîna vê yekê de rolek bingehîn bilîze. Tevahiya tîmê li vir bi rastî bi vê mîsyonê bawer dike, û di nav wan de dilşewatiyek yekgirtî heye ku hûn li her pargîdanî nagirin. Û ez jê hez dikim!

Spas ji bo hevpeyivîna hêja, xwendevanên ku dixwazin bêtir fêr bibin divê biçin Gradient Health.