至顶网CIO与CTO频道 02月05日 编译:世卫组织CIO谈大数据在医疗保健领域的风险与机遇。在围绕数字医疗建立信任并推进相关工作方面,各大科技企业无疑是医疗保健行业最重要的合作伙伴。但是,合作的具体方式往往复杂而难以选择。
最近,我在第364期CxOTalk全球顶尖创新者对话当中见到了世卫组织CIO Bernardo mariano,就数字化转型与医疗保健议题展开了交流。
在这次对话中,数据所有权以及与之相关的道德考量因为双方最关注也最为有趣的议题之一。
相信大家都清楚,Facebook、谷歌以及亚马逊等众多科技企业正在不断收集、汇总、共享用户的个人数据,并借此为自己带来源源不断的收益。正是这种规模庞大数据聚合行为,以及由此给民众生活带来的广泛影响,已经在数据隐私、数据所有权乃至消费者法律保护等领域引发普遍质疑。
世界卫生组织在此类与医疗保健相关的工作当中,一直扮演着重要的领导者角色。根据Bernardo的介绍,鉴于世卫组织突出的地位以及强大的公众讨论组织能力,他们自然有必要积极跟进目前存在的种种不同观点。
以下为此次节目的编辑整理内容。如果大家希望观看完整的世卫组织CIO访谈视频,
世界卫生组织的核心职能,在于确保各个机构在实际执行层面遵守与健康数据相关的国际法规要求。欧盟已经出台专门保护隐私的GDPR,各个国家也拥有自己的隐私法规,旨在妥善保护公民个人数据。
例如,目前越来越多的国家开始出台相关法律,禁止云服务供应商将数据保存在云端。具体来讲,在不少国家的法律当中,与公民健康或者国家安全相关的数据不可被传输至国境以外。
随着种种诉求与观点的逐渐普及,再考虑到机器学习与人工智能等技术有望利用大数据资源带来某些关键性诊断或者治疗能力,我们当然希望在两者之间求取平衡,确保在数据的共享与传播中充分考虑到隐私与道德的重要性,最终借此帮助偏远地区应对疾病挑战、获取积极的医疗效果并实现全球利益。换言之,这是一场善与善之间的博弈,我们希望通过收集数据推动基础医疗保健体系转型,也同样希望这波转型浪潮不要以牺牲个人隐私为代价。
要达成这一目标,健康数据监管自然成为关键中的关键。这一点已经在我们的全球战略中得到体现,战略本身也于去年5月得到全球各成员国的批准。我们希望为全球194个成员国提供一套得到广泛认可的全球性数字健康战略,并通过其中的国际卫生数据法规确切解决前面提到的各项难题。
如果没有信任,我们永远不可能释放出数字医疗的全部潜能。是的,虽能取得一定成就,但永远无法翻出出全部潜能。信任源自对负面事件的有效控制,其中包括数据泄露以及我们已经熟知的种种安全威胁。
只有以人为本的方法(即在流程中各个阶段内充分考虑人的意义),才能建立起动态认同与信任体系。例如,在我看来欧盟目前在这方面处于领先地位,欧洲民众对数据的应用方向拥有充分的知情权,同时能够灵活决定何时参与或退出数据研究项目。是的,这种动态机制应当成为未来的新常态。
目前,大部分数据应用方式仍显简单粗暴,强迫民众全面接受。未来,我认为这种全面接受必须转化为动态接受,而技术与流程也应以此为基础保持充分的一致性。
这样的动态机制将成为信任的基础,只有每个人都坚信自己的数据安全可靠,才会放心接受研究方提出的使用要求。因此在我看来,这也是整个生态系统的未来发展方向。
为了建立起这样的动态系统,各平台供应方、技术以及相关流程必须配合起来,共同为此做出努力。这是建立制度信任的关键,也是重塑医疗保健行业的前提。
我们该如何使用来自其他国家的数据或者AI方案,又该如何在这一过程中保障相关性并遵循当地法律法规?数据本身永远是公平的,信任则是这一切的基础。没有数据,研究将无法提供我们需要的结果。
我们正在探索与各大技术巨头建立合作伙伴关系,说服他们提供数据供医疗保健行业进行研究;对数据进行个性化处理,将确保我们能够利用这些个性化信息支撑特定研究项目,最终获得与目标相匹配的洞察见解。
有些企业不愿分享自己的数据资产,生怕被他人所利用——没错,数据资产本身拥有巨大的货币化潜力。但是,也有不少科技巨头已经意识到,免费提供数据有望解决一系列关键性全球挑战,并在此期间为他们创造出新的业务渠道。
以地理位置数据为例。卫星发射入轨之后,我们在全球范围内即可享有GPS导航服务。这不仅带来新的洞察见解,同时也创造出新的商业形态。
如果研究人员无法获得个性化研究数据,那么新的商业模式恐怕根本无从谈起。通过与硅谷不少企业的讨论,从业者们显然已经意识到,只有开展合作并免费提供研究数据才能成就全社会福祉。相信这种小利与大义间的矛盾,将在未来变得不再是问题。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。