是预测就够了吗？

这个问题在活泼、辩论式讨论会以及事件月25的承诺和机器学习的危险的标题。通过对健康研究和政策的部门组织，有200数据管理员和科学家出席了活动听一个跨学科的演讲嘉宾阵容目前最好的赞成和反对各种机器学习策略。

视频这半天的活动可以被视为在这里。

专家知识的价值
米格尔赫尔南，MD，博士，哈佛公共卫生学院流行病学及生物统计学T.H. Chan教授，主张与专家知识的配对算法。“因果关系的问题，我们需要的数据和一个很好的算法，但我们还需要专家的知识，”赫尔南说。

Nigam Shah，学士，博士，生物医学数据科学副教授，描述一个项目在医学称为“绿色按钮，“使斯坦福医生提出临床问题的生物信息，然后得到一个快速和肮脏的回答在几秒钟的时间，从150万患者记录中。他断言，只有极少数的这些临床问题可以与医疗指南或随机临床试验回答，所以卫生保健提供者不应该让完美成为好的敌人；相反，医生应该被允许将他们的专业知识对这类数据的证据做出最佳的临床决策。

研讨会的特色故事研究者引入歧途，数据有偏差，严重误导的因果推论，“黑盒子”的算法，这样称呼是因为他们的决策过程是不可预测的外界的观察家。表现为“数据科学是科学的第二次机会得到因果推理正确：一个数据科学的任务和意义分类，“避免歧视通过因果推理”和“因果推理的学习目标，“信息咨询服务病人在床边使用聚合数据”和“离线政策评估算法的决定。”

米迦勒Baiocchi，博士，一位统计学家和医学院医学助理教授，发表满腹牢骚的参加者不让算法学习抹杀我们所知道的关于如何实践好科学：“作为一个统计学家，意味着我们对科学方法的捍卫者。我们是，经过几代人，曾编纂它，数学化和量化它。我们引导内容专家门帮他们找到新的知识带回来。”

（注：转载时请注明复诊网）