Ziad Obermeyer, universitair hoofddocent
6.0/ 10

Ziad Obermeyer, universitair hoofddocent

Ziad Obermeyer werkt op het snijvlak van machine learning en gezondheid. Zijn onderzoek richt zich op hoe machine learning artsen kan helpen betere beslissingen te nemen (zoals wie ze moeten testen op een hartaanval) en onderzoekers kan helpen nieuwe ontdekkingen te doen – door de wereld te ‘zien’ zoals algoritmen dat doen (zoals het vinden van nieuwe oorzaken van pijn die artsen over het hoofd zien). of het koppelen van individuele lichaamstemperatuurinstelpunten aan gezondheidsresultaten). Hij heeft ook laten zien hoe veelgebruikte algoritmen die miljoenen patiënten beïnvloeden, raciale vooroordelen automatiseren en vergroten. Dat werk heeft invloed gehad op hoeveel organisaties algoritmen bouwen en gebruiken, en op de manier waarop wetgevers en regelgevers AI verantwoordelijk houden.
persoonlijke Merk Aanwezigheid6 / 10
gezaghebbendheid6 / 10
Expertise8 / 10
Beïnvloeden6 / 10
Algemene beoordeling6 / 10

Aan de UC Berkeley School of Public Health bekleedt Ziad Obermeyer het Blue Cross of California Distinguished Associate Professorship in Health Policy and Management. Hij doet onderzoek op het snijvlak van gezondheidsbeleid, geneeskunde en machine learning. De meest prestigieuze onderscheiding van de National Institutes of Health voor uitmuntende jonge wetenschappers, de Early Independence-onderscheiding, werd hem toegekend toen hij assistent-professor was aan de Harvard Medical School. Hij is nog steeds een spoedarts in achtergestelde gebieden in de Verenigde Staten. Voordat hij aan zijn medische carrière begon, werkte hij bij McKinsey & Co. in New Jersey, Genève en Tokio als consultant voor farmaceutische en mondiale gezondheidszorgbedrijven.

  • MD – Harvard Medische School
  • MPhil – Cambridge
  • BA – Harvard College

2023

Het brede onderzoek van Obermeyer richt zich vooral op het verband tussen machinaal leren en gezondheid, inclusief grootschalige data-analyse en het ondersteunen van artsen bij hun besluitvorming. Volgens het laatste onderzoek van Obermeyer is er een verschil in kosten tussen zwarte en blanke patiënten met vergelijkbare eisen als gevolg van de ongelijke toegang van zwarte patiënten tot gezondheidszorg. Deze twee groepen patiënten worden gecategoriseerd als hebbende verschillende prioriteiten, en algoritmen kunnen dit verschil identificeren en een lagere prioriteit toekennen aan zwarte patiënten.

Obermeyer wilde dit bevooroordeelde proxy-mechanisme, bekend als ‘labelkeuzebias’, corrigeren om deze versterkte raciale ongelijkheid aan te pakken en de weg vrij te maken voor toegang tot meer egalitaire zorg. “We kunnen algoritmen ten goede laten werken door ze te hertrainen om minder bevooroordeelde proxy’s te voorspellen, wat de verschillen zal verkleinen in plaats van ze te vergroten en middelen opnieuw toe te wijzen aan degenen die ze nodig hebben”, schreef Obermeyer in een e-mail.


Laatste nieuws over Ziad Obermeyer


Nieuwste sociale berichten van Ziad Obermeyer

Hot Stories
Schrijf je in op onze nieuwsbrief.
Laatste Nieuws

Van Ripple tot The Big Green DAO: hoe cryptocurrency-projecten bijdragen aan liefdadigheid

Laten we initiatieven onderzoeken die het potentieel van digitale valuta voor goede doelen benutten.

Meer weten

AlphaFold 3, Med-Gemini en anderen: de manier waarop AI de gezondheidszorg transformeert in 2024

AI manifesteert zich op verschillende manieren in de gezondheidszorg, van het blootleggen van nieuwe genetische correlaties tot het versterken van robotchirurgische systemen...

Meer weten
Sluit u aan bij onze innovatieve technologiegemeenschap