Local blog for Italian speaking developers
Ottimizzare i dati sanitari con il machine learning
28 marzo 2018
Pubblicato da Patrik Sundberg, Software Engineer e Eyal Oren, Product Manager, Google Brain Team
Negli ultimi 10 anni, i dati relativi all'assistenza sanitaria sono passati da prevalentemente cartacei a
quasi completamente digitalizzati
nelle cartelle cliniche elettroniche. Ma dare un senso a questi dati non è semplice, per diversi motivi. Innanzitutto, non esiste una rappresentazione comune dei dati tra i fornitori: ognuno struttura i propri dati in modo diverso. Secondo, anche i siti che utilizzano lo stesso fornitore possono differire in modo significativo, ad esempio, utilizzando codici diversi per lo stesso farmaco. Terzo, i dati possono essere presenti su svariate tabelle, alcune contenenti le visite, alcune i risultati di laboratorio e altre ancora i segni vitali.
Lo standard di
Fast Healthcare Interoperability Resources
(FHIR) punta a risolvere la maggior parte di queste problematiche: offre un modello di dati solido ma estensibile, basato su standard Web consolidati, che sta rapidamente diventando lo
standard de-facto
sia per quanto riguarda le singole cartelle che per l'
accesso ai dati in blocco
. Per abilitare il
machine learning su larga scala
, avevamo bisogno di apportare altri miglioramenti: implementazioni in vari linguaggi di programmazione, un modo efficiente per serializzare grandi quantità di dati su disco e una rappresentazione che consentisse l'analisi di grandi set di dati.
Oggi siamo lieti di offrire l'implementazione del
Protocol Buffer
open source
dello standard FHIR che risolve questi problemi. La versione corrente supporta Java, e il supporto per C ++, Go e Python seguiranno presto. Seguirà anche a breve il supporto per i profili oltre agli strumenti per convertire i dati legacy in FHIR.
FHIR come modello dei dati principali
Negli ultimi anni, durante la nostra
collaborazione
con centri medici accademici per applicare il machine learning alle cartelle mediche de-identificate, è risultato evidente che dovevamo risolvere la complessità dei dati sanitari senza esitazioni. Infatti, affinché il machine learning sia efficace per le cartelle mediche, dobbiamo possedere un quadro completo dell'anamnesi di ciascun paziente. E come bonus, vogliamo una rappresentazione dei dati che sia direttamente applicabile in un contesto clinico.
Anche se lo standard FHIR soddisfa la maggior parte delle nostre esigenze, rendendo la gestione dei dati sanitari molto più semplice rispetto alle strutture di dati "legacy" e abilitando il machine learning su larga scala indipendentemente dai fornitori, riteniamo che l'introduzione dei Protocol Buffer possa aiutare sia gli sviluppatori di applicazioni sia i ricercatori (machine learning) che adoperano FHIR.
Versione corrente dei Protocol Buffer
Ci siamo impegnati a rendere la rappresentazione dei Protocol Buffer adatta sia per l'accesso programmatico che per le query dei database. Uno degli esempi forniti mostra come caricare i dati FHIR in
BigQuery
Google Cloud e renderli disponibili per le query, e stiamo aggiungendo altri esempi caricati direttamente dall'esportazione dei dati in blocco. I nostri Protocol Buffer aderiscono allo standard FHIR (sono infatti generati automaticamente da esso) ma creano query più eleganti.
La versione corrente non include ancora il supporto per l'addestramento dei modelli
TensorFlow
ma non perderti gli aggiornamenti futuri. Miriamo a rendere il
nostro lavoro recente
il più open-source possibile per ottenere una ricerca più riproducibile e applicabile agli scenari del mondo reale. Stiamo anche lavorando a stretto contatto con i colleghi di Google Cloud su ulteriori
strumenti
per la gestione dei dati sanitari su larga scala.
Riconoscimenti
Abbiamo apprezzato le discussioni e gli utili feedback della community FHIR, tra cui quelli di
Grahame Grieve
,
Ewout Kramer
,
Josh Mandel
e di molti altri. Grazie ai nostri colleghi di
DeepMind
, al
Google Brain team
e ai nostri
collaboratori accademici
.
Etichette
Android
Firebase
machine learning
Google Cloud Platform
GDL
Eventi
Google Developers Live
Google Play
TensorFlow
App
Chrome
Cloud
api
GDLItalia
GDE
GDG
Google Assistant
iOS
Kotlin
Actions on Google
Deep Learning
AppEngine
AMP
BigQuery
Cloud Functions
Flutter
Android Studio
Google Developers Expert
Università
Google AppEngine
JavaScript
AI
Android Wear
GAE
Google Play Store
HTML5
Maps
security
Android App Development
AngularJS
IoT
Kubernetes
Annunci
Cloud Firestore
Cloud Machine Learning
Google I/O
Polymer
Android Things
Community
DevTools
Google App Engine
intelligenza artificiale
Entrepreneurship
Firebase Analytics
GSoC
Games
Google Cast
ML
open source
Crashlytics
Dart
Diversity
Drive
Google Data Studio
Google Play Games
TensorFlow Lite
Android Developers
Android O
Cloud Spanner
Cloud TPU
Compute Engine
DevFest
Google Compute Engine
Google Developers
Material Design
Mobile
PWA
Python
Startup
AIY Project
ARCore
Android Jetpack
AndroidDev
Androidq
Apps Script
Artificial Intelligence
Augmented Reality
Firebase Cloud Messaging
Google Cloud
Google Maps
Gsuite
IO19
ML kit
Research
VR
coding
unity
#io19
AR
Android Dev Summit
Android Developer
Android Q
Cardboard
Cloud AI
Coral
Developers
Dialogflow
Firebase Realtime Database
Gmail
Google AI
Google Cloud Messaging
Google ContainerEngine
Google Play Console
Kotlin Coroutines
NLP
Programming
Responsive Design
TensorFlowjs
Testing
WTM
Women
beacons
cloud storage
developer
node JS
student programs
women techmakers
API Cloud Vision
Add-ons
Android P
AndroidDevStory
Animation
AutoML
Brillo
Classroom
DSC
Database
Developer Student Clubs
Edge TPU
Fabric
Featured
Flutter Web
G Suite
GWT
GoLang
Google
Google Brain
Google Cloud Next
Google Container Engine
Google Developer Groups
Google I/O Extended
Graph
Hosting
Instant Apps
Keras
Livedata
Mobile Sites
Prediction
Privacy
Project Tango
SDK
Stackdriver
Tales
UI
Udacity
Virtual Reality
Web
Web Development
YouTube
analytics
android security
api.ai
courses
google io
indies
natural language processing
reti neurali
sign-in
young developers
2d Animation
3d
AIY
ARkit
Adversarial Learning
Alpha
Android App
Android App Developmen
Android App bundle
Android Architecture
Android Architecture Components
Android Auto
Android Automotive OS
Android Dev Summit Android Developer
Android Developer Challenge
Android Developers GooglePlayAwards
Android Development
Android Go
Android Instant App
Android Pie
Android Q Scoped Storage
Android Q audio
Android Styles
Android audio playback capture
Android codelabs
AndroidTV
AndroidX
Angular
Aogdevs
Api Design
App Development
App Distribution
Apps
Architecture
Architecture Components
Arduino
Best Practices
Betatesting
Bugs
C++
Certification
Cloud Anchors
Cloud Next
Cloud Run
Cloud Service Platform
Cloud Shell
Cloud Study Jam
Coached Conversational Preference Elicitation
Commerce
Community Connector
Computer Science
Consistency
Containers
Converge
Conversation Design
Crash Reporting
DLS Design
Dagger
Data Science
Databases
Dependency Injection
Design
Developer Communities
Developer Community
Developer Culture
Developer Story
Developing Media Apps
Development
Eager
Edge TPU Dev Board
Education
Emulatore Android
Error Message
Eslint
Europe
Firebase Extensions
Firebase Summit 2019
Firebasehosting
Flutter 1.5
Flutter at IO
FlutterDark
GCE
GDD
Game Development
Gboard
Gesture Navigation
Glass
Go
Google AI Quantum
Google App Script
Google Cloud Functions
Google Cloud billing
Google Coral
Google Developer Days
Google Home Hub
Google IOS Android
Google Identity Platform
Google Launchpad
Google Lens
Google Now
Google Photos
Google Play Devs
Google Play Indie Games Festival
Google Play Instant
Google Plus
Google codelabs
Google+
GoogleDevWeekly
GoogleLaunchpad
GooglePlay
Graphics
Healthcare
I/O
IO
IO19 Flutter
In-app Billing
Indie Games
Indie Games Festival
Indie games showcase
Indie showcase
Ingress
Instant Games
Issues
Java
Jetpack
Knative
Kotlin Beginners
Kotlin Everywhere
Kotlin codelabs
Lighthouse
Live Caption
Live Streaming
Localization
Location
M-Theory
Mondaygram
Monetization
NYT
NativeScript
Navigation
Neural Graph Learning
Neural Structured
Nodejs
OS
OS Updates
Olivex
One Time Codes
Online Education
PHA
Performance Monitoring
Policy
Posenet
Project Mainline
Project Treble
Quantum Computing Theory
Reactive Programming
Regression
Remote Config
Resonance Audio
Room
Scoped Storage
Semantics
Semi Supervised Learning
Serverless
Sms Retriever Api
Sms Verification
Speech Recognition
Swift
Tensorflow Core
Tensorflow Hub
Test Lab
Text
Tokenizer
Tpu
Transformers
UX
UX Design
UX Research
Universal Sentence Encoder
Unsupervised Data Augmentation
Unsupervised Learning
User Experience
Viewmodel
Voice
WWW
Wear OS
WebAssembly
Widget
Women in Tech
WomenTechmakers
android kotlin
app stability
assistant
audio recording
augmented faces
authsub
best practices and updates
billing
botnet
business
c++ games
cancer
chatbot
chrome privacy
codelab
codelabs
competition
daydream
designer
dominio .dev
error handling
event
firebase games
firebase gdc
firebase hosting
firebase unity
game center authentication
game testing
games authentication
gdc
google summer of code
googledevelopers
grow
hashcode
indie
indie developers
internship
kids
machine intelligence
machine learning accelerator
maker
multi-platform
nearby
oauth
openid
performance
persistent AR
privacy sandbox
prizes
prototype
purchase flows
queries
realtime
responsible AI
security rules
showcase
solutions challenge
startup africa roadtrip
startup times
students
summer of code
unity crashlytics
verify apps
win
Archivio Blog
2020
feb
gen
2019
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2018
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2017
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2016
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2015
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2014
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
2013
dic
nov
ott
set
ago
lug
giu
mag
apr
mar
feb
gen
Feed
Follow @GoogleDevsItaly