Бесплатный инструмент самообслуживания для сбора и анализа данных выпускает Penn Medicine

«Penn AI» теперь доступен для всех, от школьников до биомедицинских исследователей, на любом компьютере или ноутбуке. Медицинский институт биомедицинской информатики им. Пенна запустил бесплатную автоматизированную систему машинного обучения с открытым исходным кодом для анализа данных, предназначенную для любого пользователя, от ученика средней школы, желающего получить представление о статистике своей бейсбольной команды, до обученных исследователей, ищущих ассоциации между раком и факторами окружающей среды.

О инструменте Penn AI

«Penn AI», первый широко доступный инструмент в своем роде, стремится снизить барьер для входа в мир искусственного интеллекта , позволяя пользователям вводить свои собственные наборы данных или использовать несколько сотен шаблонов, которые доступны для загрузки в рамках разработки.

С удобной для пользователя панелью управления, легко запускаемой на ноутбуке, Penn AI также предназначен для обучения в процессе работы, в конечном счете, делая предложения по анализу на основе «опыта», который он получает от использования.

«Проблема с инструментами машинного обучения заключается в том, что люди, обучающиеся машинному обучению, строят их, поэтому их обычно используют только люди с высоким уровнем подготовки», - сказал Джейсон Мур, доктор философии, директор Института биомедицинской информатики и профессор биологической статистики. «Моей команде потребовалось три года, чтобы разработать эту систему, чтобы она была доступна любому, независимо от их подготовки или опыта.

Наша цель состояла в том, чтобы создать бесплатную и простую систему, которая все еще достаточно надежна, чтобы изменить подход к биомедицинским исследованиям, что, я думаю, мы достигли». Penn AI - это автоматизированная система машинного обучения, которая означает, что механизм искусственного интеллекта может самостоятельно выполнять различные анализы с различными переменными и методами, не требуя участия человека.

Машинное обучение без автоматизации требует, чтобы кто-то выбирал определенный метод и вручную настраивал каждый параметр, над которым работает механизм ИИ, часто требуя более глубокого знания данных для получения значимых результатов. Даже для людей с этим ноу-хау все еще есть какие-то догадки. Тем не менее, автоматизация может устранить большую часть этого, и поскольку Penn AI используется все больше и больше, она будет постоянно «изучать» лучшие методы анализа данных и будет предоставлять рекомендации для своих пользователей, основываясь на том, что они ищут.

Убрав некоторые из сложностей и добавив элемент автоматизации, Мур и его команда считают, что они также могут сделать его гораздо более распространенным в клинических условиях. «Я хочу, чтобы все осуществлялось клиническим искусственным интеллектом», - сказал Мур. «Я полагаю, что этот инструмент может сделать его таким, чтобы вскоре врач мог сказать: «Я хочу посмотреть на связь между полом, возрастом и различными заболеваниями пациентов», а затем попросить этот инструмент ответить на поставленные вопросы.»

Кроме того, делая анализ Penn AI с открытым исходным кодом, он позволяет врачам видеть механизмы, лежащие в основе каждого анализа, - как инструмент делает выводы. Другие доступные программы стоят дорого, не делают всего того, что может делать Penn AI, и, самое главное, не позволяют заглянуть в изначальный код. «Если вы собираетесь использовать машинное обучение для опроса пациентов, вы должны полностью ему доверять», - сказал Мур.

«Вы захотите понять, как оно работает. В данном случае это учитывается, что и формирует определенную веру среди врачей, что важно для участия пользователя». По словам Мура, «Penn Medicine» - это «среда, насыщенная данными», но каждая система здравоохранения смотрит на данную систему по-своему. Таким образом, Мур надеется, что AI Penn предоставит исследователям в любых местах возможность глубже вникнуть в то, какую информацию они собрали, и поделиться ею, разумеется, без идентификации.

Заключение

«Я думаю, что это действительно ускорит биомедицинские исследования», - сказал Мур. «Мы сможем сделать почти мгновенно то, на что требовались недели и месяцы - и тысячи или миллионы долларов».

Двигаясь вперед, Мур предполагает добавить более сложные функции, которые могли бы использовать более продвинутые пользователи. Например, он хотел бы добавить в машинные подходы технику, которая позволяет нескольким устройствам машинного обучения работать с одним и тем же набором данных одновременно для проектирования более надежного анализа.