Интерактивное машинное обучение для медицинской информатики: когда необходим человек в контуре обучения?

Машинное обучение (ML) является наиболее быстро развивающейся областью компьютерных наук, а медицинская информатика относится к числу наиболее сложных задач. Цель машинного обучения состоит в разработке алгоритмов, способных обучаться и совершенствоваться с течением времени и использоваться для прогнозирования. Большинство исследователей в области ML сосредоточены на автоматическом машинном обучении (aML), в котором уже достигнут значительный прогресс, например в распознавании речи, рекомендательных системах и автономных транспортных средствах. Автоматические подходы в значительной степени выигрывают от использования больших данных с множеством обучающих выборок. Однако в сфере здравоохранения иногда приходится работать с небольшим количеством наборов данных или редкими событиями, при которых подходы aML страдают от недостатка обучающих выборок. В таких случаях может помочь интерактивное машинное обучение (iML), корни которого лежат в обучении с подкреплением, обучении на основе предпочтений и активном обучении. Термин iML пока не получил широкого распространения, поэтому мы определяем его как «алгоритмы, способные взаимодействовать с агентами и оптимизировать свое поведение в процессе обучения посредством этих взаимодействий, причем агентами могут быть и люди». Такой «человек в контуре обучения» может быть полезен при решении вычислительно сложных задач, например кластеризации подпространств, сворачивания белков или k-анонимизации медицинских данных, где экспертные знания человека помогают сократить экспоненциальное пространство поиска посредством эвристического отбора выборок. Таким образом, задача, которая в противном случае была бы NP-трудной, может существенно упроститься благодаря вкладу и помощи человека-агента, участвующего в процессе обучения.