Regina Barzilay:乳腺癌如何让她转向医疗 AI|100 Women in AI

📌 One-Sentence Summary
Regina Barzilay 讲述乳腺癌如何改变研究方向,以及为什么数据准入、开放验证与机构转化和模型开发同样重要。
📝 Summary
Barzilay 回忆 NLP 从手写规则转向统计学习的经历,强调科学进步既让人乐观,也要求对预测保持谦逊。患乳腺癌后,她看到 AI 研究与医院实践之间的落差,转向临床 AI 和分子研究。她谈到失败的早期选题、被拒的资助申请、与本科生合作,以及为获取数据奔走约一年半。Mirai 的问题是:乳腺影像能否在肉眼可见的诊断之前,呈现未来癌症风险信号。按她的叙述,开放代码与跨国医院网络促进了回顾性验证,但论文发表无法自动解决安全要求、支付、指南和实际部署。她还介绍肺癌工具 Sybil,以及 ARPA-H ADAPT 中探索转移癌个体化治疗决策的合作。这些工作仍涉及临床不确定性和试验,不能保证患者获益。结尾回到发现的缓慢与协作性质,介绍把个人疾病转为研究议题的同行,并强调接纳失败、放下完美要求。医疗效果、审批和部署状态均为受访者的说法,未独立核实,也不构成医疗建议。
💡 Main Points
患者未被满足的需求可以改变研究方向
患病经历让她看到先进 AI 研究与医院流程之间的距离,因此离开熟悉的 NLP 方向,面对资金不足与陌生的临床问题。
数据准入和问题选择决定模型能否有用
营养研究想法受限于数据不足,临床影像也需长期协商才能获取。她将进展归功于学生和伙伴,而非个人突破。
论文发表只是临床采用链条中的一步
她将 Mirai 的推进联系到开放代码、多医院回顾性验证、监管、指南、支付和运营整合,描述了持续多年的转化过程。
预测应帮助人们在临床不确定性中决策
Sybil 与 ADAPT 被描述为研究和转化工作;个体化预测旨在为患者讨论和试验提供信息,不能消除不确定性或保证疗效。
科研坚持依赖协作,进展也并不均匀
她与同行的经历都包含资助、机构协调、反复失败和耐心,补足了个人天才励志故事容易省略的部分。
💬 Key Quotes
但你需要找到一个领域,那里有足够的数据,而且我能够推进的方法确实可以带来有意义的结果。
因为要改变一项指南,发表一篇论文是不够的。
唯一的问题是,你一直都在做不同的选择。
📊 Article Meta
AI Screening: 91
Featured: Yes
Source: 100 Women in AI
Author: 100 Women in AI
Category: 人工智能
Language: 英文
Read Time: 30 min
Word Count: 7470
Tags:
AI 与智能应用 , AI研究前沿 , AI 医疗健康 , 视频 , 临床 AI
Play Full Video
赞同,实践出真知。
不错不错,已加入书签。
实话,说的不明不白
内容翔实,正好需要,先收藏再看。
有没有更详细的教程,期待后续。
整理得太全面了,省了我不少时间。
有没有更详细的教程,期待后续。
收藏了,以后慢慢研究。
内容翔实,正好需要,先收藏再看。
整理得太全面了,省了我不少时间。
赞同,实践出真知。
这个比较实用,已转发给同事。