苹果公司招募机器学习科学家,积极布局疾病早期检测

2021-04-04 秘丛丛 亿欧

近日,根据苹果发布的职位公告,它正在招募数据科学家开发机器学习算法,帮助提早发现某些疾病。

近日,根据苹果发布的职位公告,它正在招募数据科学家开发机器学习算法,帮助提早发现某些疾病。

被招募的团队成员将在美国的加利福尼亚州开展工作,并与软件工程师和临床医生合作,手机来自用户的临床金标准和观察数据”。该岗位要求创建用于清理和注释大规模数据的工具,以及分析大规模数据集以检测能够最好地捕获观察和结果之间所需关系的特征。最后,该岗位人员还将开发机器学习模型,其开发目标是在移动设备上运用这些模型。

苹果在招聘介绍中表示:“健康管理领域存在巨大的机会,苹果公司正在寻找杰出的数据专家,以帮助用户健康管理的需求。”

除了苹果,其他科技巨头也在积极布局医疗领域。不久前微软曾宣布,其于2020年初启动的AI for Health计划已经提供了180多笔赠款。微软计划在4年时间内为AI for Health项目提供4000万美元资金,并通过AI for Good计划把软件方面的经验运用到正在开发的人工智能技术中。

据了解,该项目关注三个重点领域包括:加快围绕疾病预防诊断和治疗的医学研究;提供关于死亡率和寿命的新洞察;加强对无法获得足够医疗服务的人群的沟通和面诊来改善卫生公平性。

尽管苹果没有提供机器学习将从何处获取数据或如何使用这些数据的相关信息,但苹果设备上的健康跟踪功能可能会为其提供数据。早在2019年,苹果宣布开展Apple Watch健康研究项目。此外,苹果还推出了新的睡眠跟踪功能和异常脉搏功能。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1518718, encodeId=89d91518e1830, content=<a href='/topic/show?id=79e18e15994' target=_blank style='color:#2F92EE;'>#苹果#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=36, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=87159, encryptionId=79e18e15994, topicName=苹果)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f67111173924, createdName=okhuali, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1548561, encodeId=13711548561df, content=<a href='/topic/show?id=6a4756229d9' target=_blank style='color:#2F92EE;'>#招募#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=36, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=56229, encryptionId=6a4756229d9, topicName=招募)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=038c14086626, createdName=ms1260584454294838, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1583292, encodeId=c1cf15832928f, content=<a href='/topic/show?id=f6e1611840d' target=_blank style='color:#2F92EE;'>#机器#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=29, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=61184, encryptionId=f6e1611840d, topicName=机器)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=13dc16973127, createdName=ms6279672939590805, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=)]
    2021-04-05 okhuali
  2. [GetPortalCommentsPageByObjectIdResponse(id=1518718, encodeId=89d91518e1830, content=<a href='/topic/show?id=79e18e15994' target=_blank style='color:#2F92EE;'>#苹果#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=36, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=87159, encryptionId=79e18e15994, topicName=苹果)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f67111173924, createdName=okhuali, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1548561, encodeId=13711548561df, content=<a href='/topic/show?id=6a4756229d9' target=_blank style='color:#2F92EE;'>#招募#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=36, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=56229, encryptionId=6a4756229d9, topicName=招募)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=038c14086626, createdName=ms1260584454294838, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1583292, encodeId=c1cf15832928f, content=<a href='/topic/show?id=f6e1611840d' target=_blank style='color:#2F92EE;'>#机器#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=29, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=61184, encryptionId=f6e1611840d, topicName=机器)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=13dc16973127, createdName=ms6279672939590805, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=)]
  3. [GetPortalCommentsPageByObjectIdResponse(id=1518718, encodeId=89d91518e1830, content=<a href='/topic/show?id=79e18e15994' target=_blank style='color:#2F92EE;'>#苹果#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=36, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=87159, encryptionId=79e18e15994, topicName=苹果)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=f67111173924, createdName=okhuali, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1548561, encodeId=13711548561df, content=<a href='/topic/show?id=6a4756229d9' target=_blank style='color:#2F92EE;'>#招募#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=36, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=56229, encryptionId=6a4756229d9, topicName=招募)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=038c14086626, createdName=ms1260584454294838, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1583292, encodeId=c1cf15832928f, content=<a href='/topic/show?id=f6e1611840d' target=_blank style='color:#2F92EE;'>#机器#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=29, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=61184, encryptionId=f6e1611840d, topicName=机器)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=13dc16973127, createdName=ms6279672939590805, createdTime=Mon Apr 05 16:24:18 CST 2021, time=2021-04-05, status=1, ipAttribution=)]

相关资讯

机器学习基础:缺失值的处理技巧(附Python代码)

在数据分析和建模中,经常会遇到变量值缺失的情况,这是非常常见的。为了保证数据指标的完整性以及可利用性,通常我们会采取特殊的方式对其进行处理。

Am J Otolaryngol:机器学习模型预测特发性突发感音神经性听力损失治疗后的听力恢复情况

特发性突发感音神经性听力损失(ISSHL)是一种急诊耳科疾病,其确定的预后因素仍不清楚。最近,有研究人员应用机器学习方法建立了一种新的ISSHL预后预测模型。

Nat Commun:机器学习助力药物再利用治疗阿尔茨海默病

最近,研究人员在Nature Medicine杂志发文,提出了DRIAD(Drug Repurposing In AD),这是一个机器学习框架,它量化了AD严重程度(Braak阶段)的病理和分子机制之

Euro Radio:静息状态的fMRI机器学习预测PRC皮层肿瘤患者的个体化手部运动

准确的脑功能区映射在术前规划中起着至关重要的作用,不仅有助于评估手术风险和疗效,还有助于避免手术引起的神经功能缺损。血氧水平依赖(BOLD)功能磁共振成像(fMRI)是一种无创成像技术,越来越多地应用

Eur J Heart Fail:可准确预测心衰患者死亡风险的机器学习风险评分

准确评估患者的死亡风险是许多治疗决策过程中的重要组成部分。

机器学习中处理缺失值的9种方法

数据科学就是关于数据的。它是任何数据科学或机器学习项目的关键。在大多数情况下,当我们从不同的资源收集数据或从某处下载数据时,几乎有95%的可能性我们的数据中包含缺失的值。我们不能对包含缺失值的数据进行