亚洲嫩草AV永久无码精品无码,欧美日韩国产一中文字不卡,欧洲熟妇色XXXX欧美老妇多毛,翁与小莹浴室欢爱52章

你想知道 在每個行業(yè)中，公司都在投資資源以收集越來越多的數(shù)據(jù)。我們將傳感器放置在所有物體上僅僅是因為我們可以并且坦率地說，它并不是全部必需或有用的。----莫森?巴亞提（Mohsen Bayati）

在衛(wèi)生保健或企業(yè)中獲得更多信息并不一定會更好。

數(shù)十年來，心臟病和糖尿病等慢性病一直在上升。它們是當今美國導致死亡和殘疾的第一大原因，也是醫(yī)療保健費用無法控制的原因之一。

因此，在患病之前確定患有慢性病風險的人很有意義。至少，早期干預通常可以減慢疾病的發(fā)展速度并改善患者的生活質量，從而有可能節(jié)省數(shù)十億美元的醫(yī)療費用。

這就是為什么許多雇主（根據(jù)RAND報告的數(shù)據(jù)，約50％）贊助商為其員工制定健康計劃的原因。除體育館折扣外，這些計劃通常還包括以實驗室測試形式進行的健康風險評估，用于計算每個人常見疾病的危險因素。然后為處于危險中的人提供額外的預防保健和監(jiān)督。
斯坦福大學商學院運營，信息與技術副教授Mohsen Bayati說，不幸的是，預期的收益并不總是能實現(xiàn)。幾項研究發(fā)現(xiàn)，這樣的程序最終會花費比所節(jié)省的更多的錢。他說，一個可能的原因是風險評估本身并不十分準確。

巴亞蒂說：“如果您錯誤地將某人認定為高風險，即所謂的“誤報”，則您將為不必要的服務付費。“而且，如果您想念一個真正處于危險之中的人-一個假陰性，那么將來您仍然會受到巨額醫(yī)療費用的打擊。”

他說，一種解決方案是運行更復雜的測試小組。但這也會增加成本。“實驗室測試很昂貴。公司正在為很多員工做這件事，因此他們只考慮了相當少的一組標準生物標志物。然后，檢測能力不是很強。”

巴亞蒂說，相反，使這些預防計劃起作用的關鍵是改善生物標志物的選擇。但是，你是怎么做的？更嚴格地說：如何選擇最少的標記物，以最大程度地診斷各種疾??？

這是Bayati在最近的一篇論文中解決的難題，他與斯坦福大學的兩位同事合著了該書：前斯坦福大學研究助理，現(xiàn)任Netflix數(shù)據(jù)科學家的Sonia Bhaskar博士，以及統(tǒng)計學和電氣工程學教授Andrea Montanari。他們使用機器學習領域的一些技術柔術，開發(fā)了一種可用于任何目標疾病或計劃預算水平的方法。

當他們在大約75,000名患者的病歷上對其進行測試時，他們發(fā)現(xiàn)它可以預測出九種嚴重疾病，且出乎意料的準確性。“我們感到驚訝，”巴亞蒂說。與對生物標志物數(shù)量沒有限制的假想的凱迪拉克護理評估相比，它們的成本要低得多，但具有幾乎相同的預測能力。
在這個大數(shù)據(jù)時代，也許這里有一個一般的教訓。“你一定想知道，” Bayati沉思。“在每個行業(yè)中，公司都在投入資源來收集越來越多的數(shù)據(jù)。我們在所有事物上都安裝了傳感器，只是因為我們可以并且坦率地說，它并不是全部必要或有用?！?

太多的信息

傳統(tǒng)上，通過單獨找出每種疾病的最佳標記并將其添加到列表中來設計健康風險評估。Bayati說：“醫(yī)院通過先進的統(tǒng)計數(shù)據(jù)和現(xiàn)在的AI在如何識別生物標志物方面變得越來越復雜?！?“但是一次都病了?！?

他說，您可能可以通過這種方式建立有效的測試小組，但是這將需要太多的生物標記物。因此，在實踐中會做出妥協(xié)，而準確性會下降。相反，Bayati和他的同事在分析中增加了第二步：“我們說，讓我們從完整的清單開始，然后看看我們是否可以通過更好的方式簡化它，以最大程度地減少診斷能力的損失?！?

為此，他們借鑒了機器學習中使用的高維統(tǒng)計中的一些技術?！盎締栴}是，如果您有太多信息，如何將其縮小為最有用的較小信息集？您如何縮小數(shù)據(jù)集的尺寸？”

涉及數(shù)學，但基本上，解決“ TMI”問題的關鍵是共同優(yōu)化生物標志物的選擇。與其分別找到每種疾病的最佳選擇，不如先確定想要多少種生物標記物（研究人員確定30種），然后一次對所有疾病組合的所有可能組合最大化預測能力。

該模型之所以有效，是因為許多生物標記物發(fā)出了不止一種疾病的信號。例如，高血糖可能是糖尿病的征兆，但也可能是腎臟疾病，肝臟疾病或心臟病的征兆。堿性磷酸酶水平異常與心臟病，肝病和癌癥有關?！叭绻倪x擇過程沒有考慮到這些重疊部分，那么您將丟掉信息，” Bayati說。

目標無極限

Bayati和他的同事們概述的方法的強大之處在于，它可以被用來一次實現(xiàn)多個目標。在健康風險評估中，更重要的是：準確性或成本？兩者都可以。我們要預測阿爾茨海默氏病或動脈疾病嗎？是的。

“目標數(shù)量沒有限制，” Bayati說?！澳梢粤谐鲆獌?yōu)化的20、30、100個目標。然后您可以縮小需要收集的信息的范圍，因為在某些時候，添加目標不需要額外的數(shù)據(jù)?！?

如果它有助于兌現(xiàn)公司健康計劃的承諾，那么這對醫(yī)療保健來說意義重大。但是，這種方法也可以用于改善一系列業(yè)務和公共政策運營。巴亞蒂說，至關重要的是要明確目標。計算機可以進行分析，但是人類必須告訴他們要優(yōu)化什么。

他認為，這是邁出的一步，公司常常掩飾不住?！坝袝r候，似乎公司只是在急于積累數(shù)據(jù)并在以后提出問題。但是更多的信息并不一定會更好。重要的是知道要看什么。我們的論文是朝這個方向邁出的一步?！?