В Youtube-ролике разбираю отчет Мэри Микер о будущем после COVID. Мэри - тот самый аналитик, который ежегодно пишет "интернет-тренды", почти официальные итоги и прогнозы года для отрасли. Если уж читать кого-то о постковиде, то только её.
Смотрите мой разбор и подписывайтесь на канал, не пропускайте интересное!
https://www.youtube.com/watch?v=dDdlrqAnlWQ
#youtube #аналитика #covid
Смотрите мой разбор и подписывайтесь на канал, не пропускайте интересное!
https://www.youtube.com/watch?v=dDdlrqAnlWQ
#youtube #аналитика #covid
Сегодняшний #стартапдня AI4COVID-19 – не стартап, а научное исследование. Но зато на сверхмодную тему, из названия всё понятно.
Авторы предлагают диагностировать коронавирус по кашлю. Каждая болезнь дыхательных путей повреждает их по-разному, в результате и звук кашля разный. Даже обыватели отличают “сухой” кашель от “мокрого”, врачи слышат больше разновидностей, ну а специализированную нейросеть можно идеально натренировать.
Идею в мире реализовали не менее двух команд, а скорее всего их было больше. Работающего и одобренного продукта нет пока ни у кого, в обзор я взял ту, у которой первой увидел подробную публикацию с числами. Для обучения эта группа использовала поразительно маленькое количество данных: всего 550 записей кашля, из которых 70 принадлежали носителям коронавируса, а остальные – людям здоровым или больным чем-то другим.
Результат для обычных записей со смартфона без сложного оборудования – 90% верного определения коронавируса у больных и 3-5% ложноположительных срабатываний на здоровых людях или обычном бронхите. Проиллюстрирую заявленные числа примером. Предположим, мы используем технологию для сверхбыстрого скрининга вместо нынешних бесконтактных термометров на входе в ресторан. Если в толпе коронавирусом болеет каждый сотый, то после тысячи проверок AI4COVID поймает 39 человек, из которых 9 будет действительно больными, а 30 – ложноположительных. Метку “здоров” получит один настоящий больной и 960 действительно здоровых. На мой вкус – просто супер даже на фоне мазков из носоглотки, с градусниками сравнивать неприлично.
Но пока это всё теория. Основная статья о AI4COVID вышла ещё в мае, с тех пор новостей о нем я не нашел. Вряд ли эта технология успеет повлиять на текущую эпидемию, но она демонстрирует два интересных тезиса:
- AI способен решать и такие задачи тоже;
- для практически полезной точности не требуется много данных.
И отдельно два забавных факта, которые к делу не относятся, но нельзя не упомянуть.
Исследование американское, университет Оклахомы. У него 9 авторов, одна фамилия русская, одна нормальная английская, семь имен – арабо-мусульманские. “Русскую” я гугланул, она из Украины оказалась, остальных – поленился.
В воронке United Investors недавно был точно такой, но стартап, а не исследование. Там лошадей тестировали, а не людей – ну и понятно, на другие диагнозы, а не COVID. Но остальное – практически один в один, как подглядывали друг у друга.
https://www.sciencedirect.com/science/article/pii/S2352914820303026
#здоровье #covid #сша #наука #ai
Авторы предлагают диагностировать коронавирус по кашлю. Каждая болезнь дыхательных путей повреждает их по-разному, в результате и звук кашля разный. Даже обыватели отличают “сухой” кашель от “мокрого”, врачи слышат больше разновидностей, ну а специализированную нейросеть можно идеально натренировать.
Идею в мире реализовали не менее двух команд, а скорее всего их было больше. Работающего и одобренного продукта нет пока ни у кого, в обзор я взял ту, у которой первой увидел подробную публикацию с числами. Для обучения эта группа использовала поразительно маленькое количество данных: всего 550 записей кашля, из которых 70 принадлежали носителям коронавируса, а остальные – людям здоровым или больным чем-то другим.
Результат для обычных записей со смартфона без сложного оборудования – 90% верного определения коронавируса у больных и 3-5% ложноположительных срабатываний на здоровых людях или обычном бронхите. Проиллюстрирую заявленные числа примером. Предположим, мы используем технологию для сверхбыстрого скрининга вместо нынешних бесконтактных термометров на входе в ресторан. Если в толпе коронавирусом болеет каждый сотый, то после тысячи проверок AI4COVID поймает 39 человек, из которых 9 будет действительно больными, а 30 – ложноположительных. Метку “здоров” получит один настоящий больной и 960 действительно здоровых. На мой вкус – просто супер даже на фоне мазков из носоглотки, с градусниками сравнивать неприлично.
Но пока это всё теория. Основная статья о AI4COVID вышла ещё в мае, с тех пор новостей о нем я не нашел. Вряд ли эта технология успеет повлиять на текущую эпидемию, но она демонстрирует два интересных тезиса:
- AI способен решать и такие задачи тоже;
- для практически полезной точности не требуется много данных.
И отдельно два забавных факта, которые к делу не относятся, но нельзя не упомянуть.
Исследование американское, университет Оклахомы. У него 9 авторов, одна фамилия русская, одна нормальная английская, семь имен – арабо-мусульманские. “Русскую” я гугланул, она из Украины оказалась, остальных – поленился.
В воронке United Investors недавно был точно такой, но стартап, а не исследование. Там лошадей тестировали, а не людей – ну и понятно, на другие диагнозы, а не COVID. Но остальное – практически один в один, как подглядывали друг у друга.
https://www.sciencedirect.com/science/article/pii/S2352914820303026
#здоровье #covid #сша #наука #ai