Robert Dr. Robert Toth, PhD./Founder and CEO of Theta Tech. AI
“Sağlık verilerine yönelik yüksek kaliteli yapay zeka sistemlerinin tasarlanması, hastalıkların daha erken tespit edilmesi ve daha akıllıca tedavi edilmesiyle dünya için son derece olumlu bir etki yaratacaktır. Yapay zeka dev veri kümeleri üzerinde eğitilebilir ve doktorlar için klinik karar desteği sağlayabilir. Geleceğin doktorları, hastaları tedavi etmelerine yardımcı olmak için yapay zeka refakatçileri kullanacak. Sağlık uygulamalarına yönelik bu tür sağlam makine öğrenimi sistemleri tasarlamak için algoritma geliştirmede en iyi uygulamalar ve iyi süreçler vardır. Bu, veri temizleme ve ön işlemenin yanı sıra akıllıca bir model seçmeyi ve performansı izlemeyi de içerir. Sağlık hizmetleri verileri genellikle özel formatlardadır ve mühendisler çeşitli veri türlerinin nasıl yükleneceğini bilmeli, aynı zamanda alan bilgilerini (doktorlardan alınan klinik bilgiler) herhangi bir algoritmanın tasarımına nasıl dahil edeceklerini de bilmelidir. Bu teknik dokümanda, sağlık hizmetleri veri kümeleri için klinik karar destek yapay zeka algoritmaları tasarlamaya yönelik 12 adımlı bir süreci ele alıyoruz.”
“İşte Sağlık Hizmetlerinde Yapay Zeka Geliştirilmesinin uygun 12 adımı”
Adım 1: Veri Yükleme
Adım 2: Veri Görselleştirme
Adım 3: Veri Temizleme
Adım 4: Veri Bölme
Adım 5: Veri Artırma
Adım 6: Veri Ön İşleme
Adım 7: Model Seçimi
Adım 8: Model Eğitimi
Adım 9: Model Değerlendirmesi
Adım 10: Model Optimizasyonu
Adım 11: Model Dağıtımı
Adım 12: Model İzleme
Editör Notu: Bu tanıtım, Dr, Robert Toth’un izniyle ve kendisinin yolladığı tanıtım notuyla hazırlanmıştır. Aşağıda Toth’ın yolladığı İngilizce metin yer almaktadır.
“Designing high quality artificial intelligence systems for healthcare data will have an enormously positive impact for the world, as diseases get detected earlier and treated smarter. AI can be trained on giant datasets and provide clinical decision support for doctors. Doctors of the future will be using AI companions to help them treat patients. To design such robust machine learning systems for healthcare applications, there are best practices and good processes in algorithm development. This includes data cleaning and preprocessing, as well as intelligently selecting a model and monitoring performance. Healthcare data is often in proprietary formats, and engineers must be familiar with how to load various types of data, but also know how to include their domain information (clinical knowledge from doctors) in the design of any algorithm. In this white paper, we explore a 12-step process for designing clinical decision support AI algorithms for healthcare datasets.”
“Here are the 12 steps to proper healthcare AI development:
Step 1: Data Loading
Step 2: Data Visualization
Step 3: Data Cleaning
Step 4: Data Splitting
Step 5: Data Augmenting
Step 6: Data Preprocessing
Step 7: Model Selection
Step 8: Model Training
Step 9: Model Evaluation
Step 10: Model Optimization
Step 11: Model Deployment
Step 12: Model Monitoring
https://thetatech.s3.amazonaws.com/Theta_Tech_AI_Accelerating_Healthcare_AI_Development.pdf