抛砖引玉地谈一谈AI in Healthcare【欢迎大家来讨论】

等h1b transfer的时候回顾总结自己过去工作的经历，想来分享下自己在healthcare行业做data的一些感受，给transfer攒人品的同时，也欢迎大家来讨论，自己工作时间不长，难免有理解不到位的地方，还请谅解。

【怎么选择healthcare的】
当时对healthcare很感兴趣，觉得如果把机器学习应用在医疗行业，为人类谋福祉，是一件很有意义的事情。毕业的时候又正好被现在的老板看中，就加入了现在的公司做ds，可能看中我做过一个医疗相关的毕业设。

【主要做的项目】
我们公司其实主营业务是类似salesforce的CRM系统，只不过是应用于医疗系统。现在的医院都会主动联系病人，推荐做一些检查，之前可能使用简单的filter，比如身高，体重，年龄，性别等。那么机器学习可以帮助的是，在大量的EMR记录中分析并找出high risk population，做到精准的接触，提高转化率。我做的就主要是建立这一个模型的pipeline。

【最大的体会：需要强大的沟通能力和行业知识】
junior这一点可能还体会不到，但是senior需要和客户开会,解释模型。我旁听过一个会，在场的医生看了feature importance之后，就问为什么bmi不排在最上面，这种问题真的太难回答了。ML本来就是个黑盒，又如何解释为什么这个feature没被选中。不过这也分人，有些医生相信AI，就不会问太多尖锐的问题，一些医生不相信，就会处处刁难。当然，这也是可以理解，我自己目前不相信AI可以完全取代医生的判断。

沟通能力一部分也是“忽悠”，我真的很佩服一些senior的同事，被医生质疑了，或者有个错误，还是十分淡定地解释完，自信的气质和谈吐是我需要学习的。有时候我感觉沟通的时候人家不懂技术，但是更看重你的理解和说话方式，通过这个判断要不要相信你。

模型的contribution占比很小，更重要的是如何把客户关心的问题转化成ML问题。当时covid-19爆发，我们想抓住机会为客户做点预测/分析的项目，这些都需要自己想，然后去分析数据，还是十分有挑战的。不仅需要我脑洞大开，还需要有一定的理解。而且这种问题一般是没有正确答案的，需要自己解释自己的方法，并让别人相信。

客户第一。还是covid-19的例子，我们想出了一些点子，但是客户好像也不太care，所以最终没有做起来。所以就算再fancy的模型和项目，医院不买账，经费不到位，一切都是0.而且项目的落地医院内部也是审核重重，进度非常慢。有时候自己辛苦做的模型，最后发现医院并没有采用，也经常发生。

【老生常谈的话题：data】
医疗系统的data是非常非常messy的，我们做数据处理就很久，也需要对EMR系统一定的了解，做feature engineering的时候也得非常小心，中间发现不止一次的错误，不停迭代，优化。有时候客户看了我们做的dashboard，可能对其中的指标也会有质疑，这时候就得分析。

没有数据，就不会有模型。有些客户想要预测功能，但是他们系统提供的数据有问题，那么什么都做不了。


【其他的一些体会】
1. 责任重大
做模型的时候真的是紧张，可能因为很大的责任感，所以很多东西都要反复检查，一开始deploy一个模型都要很久，还会发现pipeline中的一些bug，这样还怎么为病人负责，毕竟模型要是有问题，那可能就会耽误一些病人的就医。刚开始那一会儿很害怕客户反映问题，然后发现自己犯错，后来慢慢就好了。我觉得对整个流程的质量控制是很重要的，如果控制的好，那我们也不会很忧虑。

2. 美国的医疗体系很复杂
按老板的话说他们美国人自己也搞不太清楚，一直在学习。一开始开会的时候他们说一些专业术语我都听不太懂，通过问问题，后来会慢慢理解一些。自己也试图看一些文章，但是一直觉得不入门。但是工作几年了，会上他们讨论东西我还是插不上嘴，也听不懂，更没想法，可能因为我做的是偏engineer的活，所以在背景知识这方面一直没什么进步

3. 兴趣很重要？
我一直开始进入公司是真的踌躇满志，但是发现healthcare in ai美丽的愿景下其实是很复杂的知识网络，和进不去的壁垒，慢慢就丧失兴趣了。自己也不太自信，参加由客户的会的时候真的非常怕犯错，怕被别人质疑，所以我宁愿做一个背后支持的技术人员。相比于我一个同事，对healthcare是真的有兴趣，自己会看paper，追踪行业热点，十分佩服。我好像更想学习一些技术，而非healthcare相关的知识。

4. 最好有senior带
我觉得我在senior那里学到的行业知识寥寥无几，只学到了技术，可能也是一直没有入门的原因。我一直很好奇在healthcare行业做的ds是如何cold start的，我作为ng加入组的时候，也没有专门的同事来指导我，直接上手写代码，不太需要理解context，因为问题已经被转化成ML问题了。

5.再谈谈行业背景
之前找一些healthcare行业的朋友聊过，大家都觉得context是很重要的，可能哪个行业都一样，只是healthcare是一个壁垒比较高的地方，但是如果愿意沉下心好好积累，过几年这个经验是很宝贵的。


先说到这里，我觉得过去的几年也是让我认识到自己到底喜欢什么，也是慢慢从ds转成engineer的过程。虽然大概率要和healthcare告别了，但是我还是很看好这个行业，只能说现实没有想象的美吧。ML再怎么说也是辅助工具，要把ML让更多的医院和医生接受，还是一个漫长的过程。

除了我们做EMR，我知道还有公司是研究病例做文本分析，计算机视觉做拍片辅助诊断，语音助手，智能排班等等，不知道这些体验是怎么样的。欢迎大家来补充。


补充内容 (2021-06-26 06:32 +8:00):
竟然被人踩了，收获第一个踩，啥情况

之前做这些黑盒子方法处理什么心理疾病临床数据，做药物推荐，做癌症分析，碰到的问题最主要就是三个（1）黑盒子0解释能力（2）样本外不work（3）伦理问题。

有时候别说说服医生了，自己都说服不了自己...

目前看起来全都是死路，可能要超出目前人类思维层次才有办法解决。

前Cerner
虽然数据很多 用户体验不怎样 大部分医生都觉得我上了医学院你这个suggestion算个什么
以前同事的一贯意见是 不要在clinical decision support浪费时间 还不如做好rev cycle省点时间和人力 要不然主攻放射线科来协助读图

刚毕业的ng总觉得搞模型 搞研发 比销售给公司带来的利益多

不错👍 关注

有没有人又是md又是ml的phd 也许这种背景比较可以兼顾两个领域？

CIA_Kevin 发表于 2021-6-26 00:57
前Cerner
虽然数据很多 用户体验不怎样 大部分医生都觉得我上了医学院你这个suggestion算个什么
以前同事 ...

说的可太对了，所以你现在还在healthcare领域吗，还是转了

DreamBoy 发表于 2021-6-26 05:02
有没有人又是md又是ml的phd 也许这种背景比较可以兼顾两个领域？

有可能，又懂med又懂ml，哇，那真的是人才中的人才了。

DreamBoy 发表于 2021-06-25 14:02:48
有没有人又是md又是ml的phd 也许这种背景比较可以兼顾两个领域？

很多学校有md/phd双学位项目，似乎毕业后开startup搞device什么的比较多。市场大fda门槛低

看过一个纪录片the bleeding edge，在medical这里似乎sales，和医生的relationship更重要。

这个写的太好了！最近也在思考这个问题。AI近几年在医疗领域应用的越来越多了 文章发表也越来越多。不知道国内的医学本科（内外妇儿都学过）算不算有一定的医学背景？博士是公共卫生领域，做过一些流行病和统计的研究。请问要想转到您说的这个领域需要怎么准备？总体来说个人背景就是既学过医学也学过统计，但都不太专业。