這次的國際學者講座請到的是David Mendez博士，與我們分享健康和醫療保健的商業分析，主要是以機器學習(machine learning)為主軸，讓我們了解最新的醫療保健相關趨勢。

首先用一張吉娃娃和杯子蛋糕的梗圖切入主題，要怎麼讓機器區分他是狗或是蛋糕呢？主要的機器學習有三個關鍵要素，第一個是統計模型(statistical model)，透過深度學習(deep learning)、隨機森林(random forests)和Lasso算法等來建立一個足夠強大的模型。第二個是可以用來訓練演算法的數據(data to train algorithms)，數據本身是越大越好。最後是處理能力(processing power)。機器在一層一層中考慮它的顏色、輪廓、材質等等，藉由一次次的數據告訴它判斷的正確與否來讓它變得更加完善。

關於這項技術實際的案例，David博士舉了美國醫院常見的應用，充血性心臟衰竭(CHF)是一種兼具高盛行率及高復發率的疾病，而他們利用人工智能預測充血性心臟衰竭的患者是否會在30天內再次住院，運用心電圖、脈搏等等數據資料進行分析，在病情復發之前發現並提出預警，以此提供進一步的治療和門診醫療援助，可以幫助有針對性的治療，挽救更多生命避免憾事的發生。

然而這項新的技術要真的讓所有人都能接受仍有幾項障礙，首先是價值，因為可能有的算法沒有用，亦或是相關領域的專家並不需要這個服務就能夠知道最後的答案；接著是理解的部分，因為大多數人不會相信他們無法理解的東西，然而判斷的結果可能是難以解釋的；再來是醫療失職的問題，David博士舉了一個例子，如果你是醫生，你的演算法在凌晨 2 點時發現了一些東西但是你早已入睡，而未能預防傷害之結果，是否要算是你的過失？

最後，儘管到目前為止，機器學習僅能提供結果的概率，要做出最終決定還需人為的判斷。但在不斷增加數據可用性和計算能力持續的進步之下將迅速提高人工智能的準確性和採用率。在我們可預見的未來裡，不僅僅是健康和醫療保健的領域，人工智能和商業分析將成為許多行業更加進步的原動力！