乳腺癌早期检测的示例业务提案，包括定义业务目标、成功度量、数据收集、模型选择和最终部署模型。

业务目标

一个商业问题

在巴基斯坦，由于社会因素和放射科医生的可获得性，检测乳腺癌变得越来越困难，即使这样，这一过程也需要专注和时间，如果你正处于大流行期间，这是一种奢侈。放射科医生拍一张乳房X光片，然后用肉眼检测肿瘤或癌症，这有时可能很困难，如果你处于压力之下，错误率会相当高。

在1000名妇女中，大约有100名被召回进行额外的诊断成像，在这100名妇女中，有4到5名被诊断为乳腺癌(nih.gov)(见图1)。这些假阳性检查会导致可预防的伤害，包括患者焦虑、良性活检和不必要的干预或治疗。此外，高假阳性率大大增加了每年78亿美元的乳房X光检查费用(oup.com)。这些问题可以通过新兴的基于人工智能(AI)的计算机视觉技术来解决，这将降低假阳性预测率，提高放射科的效率。(nih.gov) (oup.com)

业务解决方案是通过使检测部分平滑来提高放射科医生的效率，以便他们能够专注于提供准确和快速的结果。

产品的业务案例

这款产品将提高患者的满意度，因为他们不必等待2天就能拿到报告，即使这样，报告也足够准确，他们不必再去做另一次乳房X光检查。这将直接或间接地通过客户满意度增加客户的信任，并增加医疗实验室和医院的收入。机器学习将减少处理图像的时间，并预测图像的良、恶性。哪些是肉眼很难察觉的呢？这款产品将帮助医生确定患者是否需要立即手术或需要化疗。

AI/ML模型

这可以通过使用深度学习计算机视觉(Deep Learning Computer Vision)来实现，我们将根据乳房、癌症患者和非癌症患者的X射线图像来训练我们的模型。机器学习模型的引入将改善各医院放射科的工作表现，这将直接改善不断工作的放射科医生的生活。

成功指标

成功的衡量标准将通过监测放射科收入的增长和客户满意度来衡量。客户包括放射科医生、患者和肿瘤学家。成功度量也可以通过放射科医生或肿瘤科医生给出的评级来衡量。我们希望提高癌症检测的准确性，减少观察乳房X光检查的时间，这将间接帮助肿瘤学家更快地做出决定，即使在大流行爆发的情况下也是如此。

数据

数据中的大小和潜在偏差

最初，我们将获得500张乳房X光照片，并将其贴上标签，要么是内部的，要么是聘请第三方的。我们将使用Appen来监控和改进图像标签。首先，我们将只选择两个类别。无论有没有癌症，我们都会使它们保持平衡，以避免有偏见的预测。Appen

数据将如何获取？

我们将收集医院的一些图像以及公开提供的数据集和睡觉，我们将购买这些数据或与不同的医院签署谅解备忘录，这样我们就可以很容易地从现实世界获得新的数据集，作为回报，我们将以折扣率提供服务。

数据标签

最初，我们将保持简单，只有两个类别，随着时间的推移，我们将添加到六个类别。我们还计划增加良性、恶性和未知三个子类别。部署和维护两类数据集将变得很容易，二进制任务的模型性能也会提高。这个简单的解决方案需要放射学家或肿瘤学家再次检查照片，以确定癌症的类型，然后确定它是良性的还是恶性的。

型号

将如何建立模型？

出于隐私和数据敏感性的考虑，我们希望将模型保持私有，并在内部进行培训，但由于资源不足，我们将被迫在初始阶段使用云服务。我们将在云上训练我们的模型，并在云上创建推理。这将帮助我们推出最低限度的可行产品，但在第二阶段，我们希望将模型和数据集从云迁移到本地。我们将在各种更高层的模型(如CNN和RNN)上训练数据集，然后对它们进行集成以获得最好的结果。这个过程是迭代的，而且随着时间的推移，我们将不断更新我们的模型。

ML指标

在癌症检测中，召回率和精确度是我们希望通过监测F1分数来改善并随后提高整体有效性的最重要的指标。精确度将用于营销目的，但对于车型性能，我们将坚持召回和F1得分。要了解有关指标的更多信息，请单击此处。here

最低可行产品(MVP)

用户界面

初始界面构建在云上，具有简单的界面。首先，它会要求你添加一张乳房X光照片的图像，然后它会对图像进行处理，几秒钟后，它会给你这个图像是否含有癌症的结果。它还会给出置信度分数和处理时间。

用户类型

界面将是最好的用户友好界面，它几乎与他们在医疗专业中习惯的UI相似。我们将在开始时保持简单，这样他们就不需要接受培训或查阅用户手册。

构建并发布产品

我们将从小规模开始训练两个类别的模型，并通过预处理和模型选择来提高我们的F1分数。起初，这将在Google云上完成，但随着时间的推移，整个过程将转移到本地基地。在每个结果的最后，UI会要求用户对我们的结果进行评级，以及我们获得结果的速度。这将帮助我们确定成功指标。总体而言，整个产品将在云服务上推出，用户要么可以连接数据库，要么可以单独上传图片。

MVP后-部署

从长远来看，改进产品

• 我们将监控模型性能指标，并尝试通过在新的一批映像上对其进行训练来改进。
• 我们将监控我们产品的成功指标和客户评论，为他们提供更好的界面和产品性能。
• 我们将增加更多种类的癌症，并进一步增加良性或恶性癌症。
• 我们将继续改进界面，这样只需点击几下就能得到医生想要的结果。
• 我们也会随着时间的推移提高图像处理的质量，给我们更好的结果。
• 主动学习将是这一产品的主要部分，因为我们将从患者那里获得新的数据。
• 我们将通过在循环中添加人类(如放射科医生或肿瘤学家)来提高未知类别的模型性能。

监测偏差

为了减轻偏见，我们将从不同的医院收集数据，并努力保持我们的数据库平衡。这将在主动学习的情况下完成，因此我们的产品可以准确地预测一种新的肿瘤类型。我们还将派一名人员在循环中监控我们产品的性能，很可能是内部肿瘤学家，他将监控未知类别并尝试标记数据以提高性能。

动机

在巴基斯坦，我们有多家人工智能领域的初创公司，特别是在XYLEXA等医疗领域，他们正在使用计算机视觉(如CADx)制造产品，这些产品可以93%的准确率检测乳腺癌。这些初创公司需要指导方针才能进入主流市场并开始销售产品。XYLEXA

其次，巴基斯坦面临着生物医学工作人员和认证放射科医生的短缺，这在大流行期间变得最严重。当找到合格的员工时，他们往往会因为“人才外流”而迷失方向。人才外流是指受过教育的工人从他们的发展中国家(nih.gov)移民。(nih.gov)

结论

人工智能正在迅速允许发展中国家解决卫生、能源、农业和金融服务等关键领域的紧迫挑战(worldbank.org)。特别是在巴基斯坦，医疗保健行业需要人工智能技术来提高诊断疾病的效率，并提供更快的结果，以便专家能够迅速采取行动拯救患者的生命。我们已经介绍了人工智能产品的商业计划样本，它为我们如何在任何公司引入新产品提供了一个清晰的视角。业务目标包括建议解决方案的业务收益、数据收集和AI模型选择。然后，我们讨论了成功度量和数据收集方法。最后，我们将重点放在模型选择、训练，然后将其部署为具有简单用户界面的最低可行产品。我们还提供了明确的方向，说明我们将如何为部署后版本维护和改进我们的AI应用程序。 (worldbank.org)

我希望这篇文章已经帮助你将人工智能应用的想法转化为现实。