Flahy利用知识图谱支持AI驱动的医疗保健
AI正在帮助企业解读生物数据，用于药物发现和更个性化的护理。
医疗技术公司Flahy Inc.正在将这种方法应用于临床决策支持，汇集可能影响一个人预防或治疗下一步的信息，据Flahy创始人兼首席执行官Jagjit Singh（图右）介绍。
“我们需要处理的知识太多了，”他说，“知识层非常关键，因为它连接你的数据层和模型层，并告诉模型究竟哪些事实重要，以及某个具体数据点意味着什么。我们处理的是分布在庞大图谱中的大量生物学和临床信息上下文。这决定了……对于特定个体，从更好的治疗决策角度出发，应该走哪棵决策树或哪条路径。”
Singh与theCUBE主持人John Furrier（图左）在theCUBE + NYSE Wired: AI Luminaries访谈系列中进行了对话，该系列在SiliconANGLE Media的直播工作室theCUBE播出。他们讨论了知识图谱如何连接患者信息以支持个性化医疗决策。（*披露信息见下文。）
在AI驱动的医疗保健中使用知识图谱
据Singh介绍，Flahy团队花了数年时间构建基于图谱的信息数据库，并训练其模型识别数据点之间的关系。他通过一个假设患者来说明这种方法，该患者的基因突变和胆固醇标志物可能影响对一项新临床发现的解读。
“我在找这一个人，[他]有某种基因突变和这个特定的高胆固醇标志物。如果我有一个新的临床信号，这会改变这个人应该接受的治疗方式吗？这是一个非常不同的问题。从设计上，这就是一个图问题。”
据Singh介绍，Flahy与图技术公司合作，包括Neo4j Inc.。一个挑战是将可穿戴设备读数与其他健康信息一起纳入图谱，以便系统能够解读随时间发生的变化。
“我们创建了自己的专有引擎，”他说，“如果你看临床决策或我试图解决的问题，它始终是一个遍历问题。当涉及纵向数据时，你必须找到一种方法将其放入特定的图谱中。对我来说，这一直是一个挑战，我们正在有效尝试解决如何跨不同模态连接这些点。”
据Singh介绍，AI驱动的医疗保健需要清楚解释信息如何影响决策。据该公司介绍，Flahy的消费者产品FlahyLife结合生物学和健康信息，以指导预防、早期检测和治疗选择方面的下一步。
“我们正在与领先的临床实验室和医疗系统合作，努力部署我们的平台，以实现更好的临床决策并弥合护理差距，”Singh 说。“如果你能简单地连接图谱，你就能以正确的方式进行推理。你就能在正确的时间为正确的人提供正确的检测。”
完整的视频采访，这是 SiliconANGLE 和 theCUBE 对 theCUBE + NYSE Wired: AI Luminaries 采访系列报道的一部分：
（* 披露：theCUBE 是 theCUBE + NYSE Wired: AI Luminaries 采访系列的付费媒体合作伙伴。Neo4j 作为 theCUBE 活动报道的赞助商，以及其他赞助商均不对 theCUBE 或 SiliconANGLE 上的内容拥有编辑控制权。）
转载声明：本文为转载整理，原文版权归原作者及原站点所有。
原文来源：SiliconANGLE
原文作者：Devony Hof；如有侵权，请联系管理员删除。
