采访Raj Karnani,Healthcare Analytics Translator,Karnani Healthcare Analytics.

医疗保健今天比以往任何时候都变得更加重要。该行业一直以快速的步伐在数字上进行创新和生长,以推进远程医疗,患者监测的各个领域&参与,药物发现,以及许多其他人应对人口健康需求。

在以上,数据分析在理解商业洞察力和为未来做好准备方面发挥着非常关键的部分,并且最好告诉我们,而不是医疗保健分析领域的先驱。

我们有很高兴的AI智能之家 Raj Karnani.Karnani Healthcare Analytics. 我们感谢他参加 数据科学访谈系列 并分享几个AI智能之家,包括:

  • 他从医生到临床数据科学家的旅程
  • 医疗保健行业中数字化的增长
  • 医疗保健分析的关键发展
  • 弥合业务之间的差距和它
  • 向数据科学志愿者的建议

#纳入数据科学

虽然学习数学和编码肯定是重要的,但不要低估沟通的重要性。

Raj Karnani.

你是如何第一次进入数据科学的?旅程什么时候开始?

作为一个练习的医生,我注意到大多数疾病在又一次地呈现出相同的模式。将专家医师从新手分开是什么,能够快速准确地识别这些模式。当电子医疗记录(EMRS)出现时,我想知道这个工具是否有助于提高医生识别疾病模式的能力。遗憾的是,EMRS主要是为患者的计费而设计的,它们在执行分析方面具有显着的限制。正是在那一点上,我想知道是否可以重新设计EMR。经过更多的研究,我最终决定了数据分析课程,成为临床数据科学家。

您每天使用的主要技能是数据科学家的关键技能,以及您是如何发展的?

我每天使用许多技能作为临床数据科学家。这些包括关键思维,教学,项目管理,产品管理和沟通。我开发了许多这些技能,同时练习作为学术医师,在那里我的重点是教学医学生和居民医师,照顾和与患者进行交流,以及进行质量改进项目。

然后,随着最近的一些分析课程和实践进行分析项目,我能够彻底解决我的技能。虽然学习数学和编码肯定是重要的,但不要低估沟通的重要性。数据科学项目始终在团队中完成,团队成员必须在同一页面上。此外,您的数据项目的消费者很少熟悉数据科学的复杂性,因此您必须不断练习有效地沟通其水平的方法。

您目前作为专业数据科学家面临的最大挑战是什么?您如何解决它们?

我面临许多挑战,但最重要的是将我们在医疗保健中收集的不断增加的数据量进入可用和可操作的信息。为了作为一个职业,我们必须向我们的利益相关者展示价值。换句话说,通过用复杂的机器学习算法分析医疗数据,我们必须展示我们如何提高人口健康和降低成本。每个利益相关者都有独特的优先事项,这些优先事项不断变化,因此灵活并努力创造并显示价值总是具有挑战性的。


#data科学在工作场所

您工作的行业的域名知识是成为一个高度成功的数据科学家至关重要的,这是与其他人的最佳选择。

Raj Karnani.

您作为数据科学家的商业/行业的域名知识是多么重要,您是如何获得它的?

您工作的行业的域名知识是成为一个高度成功的数据科学家至关重要的,这是与其他人的最佳选择。在过渡到医疗保健数据科学之前,我在医疗行业的知识作为医生练习。但是,这对每个人来说都是不可能的。在数学或工程专业后,许多数据科学家在大学之后直接进入大学。在这些情况下,我建议在您的工作地点或在您的专业网络中找到人们,他们可以转向您对行业的问题。

换句话说,有一种可靠的方法来获得所需的行业知识。如果您在开始职业生涯时专注于数学,则难以升起数据科学排名。

数据科学今天正在渗透每个行业。它如何影响医疗保健行业的增长?

数据科学是医学中的下一个前沿。它没有渗透到其他行业的医学和医疗保健,但它将在未来5到10年内,它可能会导致大幅增长。作为一个行业的医学通常在采用新技术时落后于其他行业的15至20年。部分是由于一般的愿望医疗工作者在使用数据来指导决策。

沉重的淤泥数据,甚至在同一医院之间缺乏各种电子病历的互操作性,患者隐私问题都增加了这种困难。虽然医疗保健中的大多数现有数据科学都集中在实验室和生命体征等结构化数据上,但绝大多数信息包含在非结构化数据中,即书面笔记。

自然语言处理将是试图提取这一主要尚未开发的数据的大探索区域。

什么是您在过去12个月内纳入工作流程的最大数据科学组件是什么?

最大的数据科学组件对我来说并不是一个组成部分,这是能够仔细回馈和通过业务问题思考的能力,以便我们正在与一个将工作的解决方案,并将成为医生和护士的生活更好的。新工具和程序很棒,但它们将永远改变。如果您追逐工具,您将始终追逐下一个流行的事情。相反,追逐解决问题的技能。通常,您不需要复杂的数据科学组件来解决问题。使用简单的算法和/或诊断分析可以解决许多问题。


#business,它和弥合差距

找到你的激情和你想要改变的东西,然后成为一个数据科学家。

Raj Karnani.

您是否在业务之间看到了很大的差距?你需要什么步骤来弥合差距?

在医疗保健中,医生与它之间肯定存在差距,这是我试图作为分析翻译的差距。医生通常与电子医疗记录不满的一个重要原因是他们没有大量参与他们的设计和创造。

因此,电子医疗记录主要有助于为以恶化的工作流程为代价提供资料。医生需要大量参与其中的所有应用,包括数据科学和人工智能。这样做的最佳方法是让干部的医生在机器学习和AI中进行交叉训练,因此他们可以弥合业务(即医生)之间的差距和它。

您对今天想要进入数据科学的人会给哪些建议?遵循什么路线图成为数据翻译?

我对当今患有数据科学的人的建议是首先开发领域知识。换句话说,找到你的激情和你想要改变的东西,然后成为一个数据科学家。数据科学是三个方面的融合:数学,计算机科学和域知识。大多数数据科学家在数学和计算机科学方面都很好,但没有域名知识。在所有三个方面都很难善良,但如果您从域名知识开始,您将能够在获得数学和计算机科学的知识时将自己的头和肩部放在其他方面。

在大学里,我建议在一个关于数据科学(即数学,计算机科学,工程)的领域中的一个双重专业,另一个在兴趣领域(金融,制造,医疗等)。这样,您可以在开始职业生涯时自然地开发数据翻译技巧。

副主编

我是联合创始人&基于新加坡的数据科学和AI初创公司的CTO,以及一位机器学习爱好者,他喜欢与人们互动,了解有关人工智能如何塑造组织和人民的生活以及它如何用于优化业务运营。

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

about aditya.

我是联合创始人&基于新加坡的数据科学和AI初创公司的CTO,以及一位机器学习爱好者,他喜欢与人们互动,了解有关人工智能如何塑造组织和人民的生活以及它如何用于优化业务运营。

查看上午的所有帖子。 aditya.→