地区:西雅图
洛杉矶 更多城市
通行证 注册 | 登录
机器可比人工检查更准确识别不安全餐厅
[ 编辑:美国华人圈 | 时间:2018-11-08 09:29:24 | 浏览:98次 ]
分享到:

一项新出炉的研究显示,与消费者投诉和日常检查相比,采用谷歌数据的一项机器学习新技术能更准确敌识别潜在不安全餐厅。

据报道,哈佛陈氏公共卫生学院的研究人员与谷歌合作,在一个名为FINDER的系统中开发出了搜索和定位数据。

在这项近日发表在《NPJ数字医学》杂志上研究中,研究人员指出,他们的新技术方法可比基于消费者投诉或人工例行检查来确定疫情的做法更快地发现卫生问题。

机器学习技术检查餐厅安全更准确

该研究报告作者、哈佛全球卫生研究所主任阿西施·杰哈(Ashish Jha)博士在一份新闻稿中表示,“食源性疾病很常见,且给公共卫生带来了巨额费用,每年都有成千上万的美国人因此住进急诊室,而这项由谷歌主导开发的新技术可帮助餐馆和地方卫生部门在问题变得更严重前更快地发现问题。”

谷歌研究人员还联手哈佛大学在芝加哥和拉斯维加斯针对这项新开发的机器学习技术进行了测试。

在这两个城市,卫生部门都收到了一份餐馆名单,该名单被机器学习技术确定为潜在的食源性疾病来源,卫生官员随后也检查了这些餐厅。结果显示,机器学习技术判断出的不安全餐厅准确率是基于传统投诉和检查手段的1.68倍。

比如在芝加哥,该技术模型在2016年11月至2017年3月间进行了71次检查,不安全核实率为52.1%,而在基于投诉的检查系统中,不安全核实率仅为39.4%。

研究人员指出,虽然芝加哥已采用了社交媒体挖掘技术,但这个新模型在查找食品安全违规行为方面则更加精确。

谷歌高级研究科学家叶夫根·加布里洛维奇(Evgeniy Gabrilovich)对此表示,“在这项研究中,我们仅触及了机器学习流行病学领域可能出现的问题的表面,我把这一研究比作现代流行病学之父约翰·斯诺博士所从事的工作,他于1854年在伦敦市中心挨家挨户地询问人们从哪里取水来寻找霍乱爆发的来源。”

他指出,现代人们可以使用在线数据近乎实时地进行流行病学观察,因此有望及时、并以低成本来大幅改善公共卫生状况。

上一篇:研究:淋浴喷头恐导致肺部细菌感染
下一篇:CDC:阿片药物滥用助长丙型肝炎传播
发布评论
称呼:
内容:
用户评价
生命健康更多>>
  • 特朗普拟提高健保个人负担额 年增200元

    川普政府打算修改‘可负担健保法’(Affordable Care Act,即欧记健保)规定的保户保费,若保户有雇主代为投保,每年个人负担额最多增加200元至8200元,家庭负担额增加400元;共和党人认为,预计2020年实施的这项新规可减少不断增加的补助,民主党人则认为是致力破坏欧记健保的新招。  联邦医疗保险及医疗补助计划服务中心(Centers for Medicare and Medicaid Services,CMS)17日..

    浏览量:86次发布时间:2019-01-20
  • ·投入健康项目100亿!比尔·盖茨:这是我最好的投资
  • ·吹捧美国医保 这位保守派参议员却选择赴加国开刀
  • ·美国流感疯狂来袭!超700万人感染,数十人死亡
  • ·降压药含致癌物 美国FDA检查浙江华海药厂
  • ·基于宗教原因不为员工提供避孕服务?联邦法官说NO!
  • ·增加骨密度?服用维生素D 对70岁以上老人无益处
  • ·新城疫病毒扩散至加州商业禽类
  • ·美报告:美国阿片类药物过量致死几率首次高于车祸
  • 相关栏目