5位专家详解：机器学习正用5种方式改变医学和科学

您可能已经意识到机器学习正被用于推荐新音乐供您聆听，或训练自动驾驶汽车识别街道上的人和物体。其他应用鲜为人知，尽管它们可以说会对社会产生更大的影响，比如机器学习为科学、医学和医疗保健的进步铺平了道路。

日前，埃隆·马斯克 (Elon Musk) 和马克·扎克伯格 (Mark Zuckerberg) 在 Twitter 上就我们的日常技术主要由人工智能 (AI) 提供支持的世界的潜在危险进行了广泛讨论。然而，人工智能社区中的许多人认为，这种世界末日的想法忽视了人工智能在当前状态下带来的好处。

在爱思唯尔，我们越来越多地使用机器学习来帮助研究人员、工程师和临床医生完成他们有价值的工作。它可以帮助他们找到资金，在他们需要时为他们提供正确的信息，并支持他们为患者提供的治疗。下面，我们的五位机器学习专家讨论了他们正在做的工作以及它如何改变科学和医学的工作方式。

另外，Coursera 和 fast.ai 提供优秀的 MOOCS（大规模开放在线课程）来帮助您入门。

01 它可以揭示对您的工作很重要的趋势 

Deep Kayal 是爱思唯尔内容和创新团队的一名机器学习工程师，该团队致力于从爱思唯尔各种产品的研究论文中自动提取数据。

“对我来说，自然语言（处理）是当今机器学习的前沿。文本很难处理，因为它不是连续的并且是主观的：词对不同的人意味着不同的东西。但这正是让它变得有趣的原因。

例如，我们构建了一个功能，可以根据论文的内容提取论文的主题，以便我们现在可以对哪些主题被引用最多进行大规模分析——因此可以被认为是趋势。这有助于研究人员决定他们应该将研究重点放在哪里，帮助资助机构决定将资金投资在哪里，并帮助出版商决定哪些期刊应该涵盖接下来的内容。

我们在爱思唯尔拥有的数据是许多有趣和智能事物的信息金矿。我们拥有这些数据并因此可以保证其质量这一事实，使我们与众不同。”

02 它可以提高科学的质量 

Helena Deus 博士是 Elsevier Labs 的高级技术研究员，她的研究领域在于创造新技术以改善知识的传播方式。

“我是生物学家，在爱思唯尔工作是为了将我们在生命科学和医疗保健领域的工作与机器学习联系起来。

我正在研究的模型之一将能够识别摘要中的句子是结果、方法、假设还是目标。这对于相互比较论文和理解科学的有效性很重要。

不可重复性是一个大问题，这对制药公司产生了巨大的影响，他们不能总是相信来自学术界的新研究，并且经常不得不重新进行研究。如果机器学习可以提高科学质量，这将对药品制造的价格和速度产生巨大影响。”

03 它可以告诉您应该阅读哪些研究 

Finne Boonen 是 Elsevier 大数据组的一名数据科学家，她目前为 Newsflo 解决方案工作，该服务通过跟踪媒体对研究的报道来衡量研究人员及其机构的影响。

“在爱思唯尔，我们可以利用科学文献的数据和元数据做很多事情。一个例子是将搜索与推荐相结合，这样研究人员就可以根据他们的研究兴趣获得他们接下来需要阅读的正确论文。

挑战在于确保我们推荐的内容包含足够的新信息，以避免研究人员被困在过滤气泡中。这对每个人来说都是一个问题——想想美国大选期间和之后关于假新闻的所有讨论。特别是对科学家来说，过滤气泡是非常危险的。您必须避免单单阅读知名研究人员的高被引论文，而忽略鲜为人知的学者的优秀工作。同时，某些领域的科学家需要了解某些具有开创性的文章。要解决这样的问题真的很有趣。”

04 它可以帮助您跟随赞助基金动向 

Georgios Tsatsaronis 博士是内容和创新团队的首席自然语言处理 (NLP) 科学家。 

“我们目前正在进行的最激动人心的项目之一，将使我们能够轻松地提取有关谁资助了一项特定研究的信息。这将使资助机构的工作变得更加轻松，他们可以轻松地找到他们想要赞助的研究成果，对于经常需要向资助机构报告的研究人员来说也是如此，这之前会花费他们很多时间。

我喜欢在爱思唯尔从事机器学习工作的原因是我们可以将理论与实践相结合。我们进行研究，拥有专利，甚至发表论文，然后我们可以利用这些新知识为产品开发新功能，从而真正帮助改进研究。”

05 它可以让您搜索图像并使用图片来诊断医疗状况 

Sujit Pal 是 Labs 小组的技术研究总监，他专注于搜索、自然语言处理、机器学习和分布式处理。

“我的一个项目是为 ClinicalKey 进行图像分类，允许用户搜索图像和文本——这改变了医疗专业人员的游戏规则。

自动化医疗技术面临的挑战是赌注非常高，因为生命是无价的。因此，我们必须达到 90% 甚至更高的准确度水平。

同时，在医疗保健领域，您还可以通过机器学习获得最大的收益。例如，现在计算机在通过查看视网膜图片来预测糖尿病视网膜病变（糖尿病引起的失明）方面与人类一样好，甚至略胜一筹。

越来越多的机器将扮演这种服务角色。但这并不意味着计算机将取代医生。它只是帮助他们节省日常工作的时间，然后他们可以将时间花在他们最擅长的事情上，无论是专业、诊断罕见疾病，还是只是与患者接触。”

“不要把它当作魔法——这只是数学”

仍然不相信机器学习的潜力？

 “不要相信我们的话，你自己去试试吧，”

——Helena建议道。

Coursera 和 fast.ai 提供优秀的 MOOCS（大规模开放在线课程）来帮助您入门。