Advancing Health Care with AI: Humana’s Slawek Kierner Talks Synthetic Data and Real Lives
25:03 Share

Slawek Kierner，Humana公司企业数据和分析高级副总裁，自记事起就沉浸在数据的世界里。他对过程仿真的迷恋始于他第一台运行MATLAB和Sumulink的个人电脑，后来又让他在宝洁和诺基亚担任创新角色。他希望将数据用于崇高的目的，这驱使Slawek加入Humana，在那里他利用人工智能解决药物依从性和预测人群健康结果方面的问题。收听Slawek分享的故事，了解如何重现与真实人类无法区分的合成个人资料（帮助医生更好地预测患者入院和行为），以及他的团队如何创建一个内部机器学习平台，让数据科学家能够访问开源功能。所有这些都是为了帮助人类活得更长、更健康。在此处阅读剧集文字记录。在sloanreview.mit.edu/aipodcast了解更多关于我们节目的信息并关注我们。我和人工智能是我和人工智能是一个由麻省理工学院斯隆管理评论和波士顿咨询集团合作播出的播客，由Sam Ransbotham和Shervin Khodabandeh主持。它的工程师是David Lishansky，协调制作人是Allison Ryder和Sophie Rüdinger。嘉宾简介：Slawek Kierner是Humana公司数字健康和分析高级副总裁。他负责在整个企业中启用数据治理、分析平台、数据科学和人工智能集成，以促进创新解决方案，帮助Humana的社区、成员、护理团队和员工更轻松地采取行动，以获得更好的健康结果。Slawek之前曾担任微软业务应用程序集团首席数据和分析官，并领导宝洁欧洲业务的数字营销运营和信息系统。他还曾担任宝洁中欧地区的董事会成员和首席信息官。我们鼓励您对我们的节目进行评分和评论。您的评论可能会用于“我和人工智能”的材料。我们想知道您对“我和人工智能”的感受。请参加一个简短的两道题的调查。</context> <raw_text>0 今天，我们播放的是由我们的朋友Modern CTO Podcast制作的一集节目，他们最近很友好地邀请我作为嘉宾。我们讨论了生成式人工智能的兴起，技术成功的意义，以及领导者在指导技术实施工作时需要考虑的一些因素。在Apple Podcast、Spotify或您收听播客的任何地方都可以找到Modern CTO Podcast。

直接使用技术的人员和从事产品团队工作的人员之间可能存在相当大的差距。今天与Humana公司数字健康和分析高级副总裁Slavik Kerner的对话，说明了多元化的经验如何以新颖的方式结合起来，利用人工智能创造价值。您好，欢迎收听“我和人工智能”，这是一个关于人工智能和商业的播客。在每一集中，我们都会向您介绍一位正在利用人工智能进行创新的人。我是Sam Ransbotham，波士顿学院信息系统教授。

我还是麻省理工学院斯隆管理评论人工智能与商业战略大创意项目的客座编辑。

我是Shervin Kodavande，BCG的高级合伙人，我与人共同领导BCG在北美的AI业务。BCG和MIT SMR共同研究人工智能已有四年时间，采访了数百名从业人员，并对数千家公司进行了调查，了解构建、部署和扩展人工智能能力以及真正改变组织运营方式需要什么。

我们上次与沃尔玛的Prakhar Mahotra进行了精彩的讨论。Prakhar本人拥有令人着迷的背景，从Twitter和Uber等组织到他在沃尔玛目前的职位。这些组织之间存在相当大的差异。了解一些相似之处也很有趣。查看我们上一集以了解有趣的细节。那么今天，让我们开始一些新的内容。Shervin，我非常期待今天的节目。Slavic，感谢您抽出时间与我们交谈。我们的部分重点在于您，真的。你能……

介绍一下自己，告诉我们你目前的职位，然后我们再继续。我的名字是Slawek Kierner，我是Humana公司负责数据和分析的高级副总裁。Humana是一家财富60强公司。

非常专注于医疗保健，帮助我们的会员活得更长、更健康。我在消费技术和医疗保健行业拥有大约25年的数据和分析经验。而且，你知道，我一直对数据很感兴趣。我用第一笔钱买了一台个人电脑，并在上面安装了MATLAB和Simulink，我会创建各种模拟，让它们通宵运行，

看看早上会有什么结果，并使用各种方法来可视化数据。那时我对过程仿真和自主控制系统以及自适应控制很着迷。这种迷恋让我在宝洁公司找到了一份工作。

好消息是，我可以继续我的热情。所以有很多创新的空间，可以将高级算法引入这些领域。这就是我开始的方式。那也是一个令人着迷的时代，因为你可以开始从你的算法、从你早期的基于人工智能的系统中获得反馈。

在这个时刻，我被诺基亚聘用。那时iPhone已经发布了，这是一个另一次令人着迷的转变。

正如你可能知道的那样，那部分业务被微软收购了。我把我所有的团队都调到了微软，当时我负责诺基亚的数据和分析工作，在微软待了一段时间，帮助运营微软零售和设备业务的一些相同业务，然后转到云和人工智能部门。

这让我来到了Humana。大约一年半前，我意识到，好吧，你知道，我在数据和分析方面积累了相当多的经验，并且可以从中赚钱。但是现在让我们尝试将其用于一些好的目的。这是我们在医疗保健领域可以做的事情，除了拥有大量数据外，

我们还有一个非常崇高的目标。我认为你几乎在每个行业和每个应用程序中都取得了成功。听起来你总是领先于即将发生的事情。我希望如此。我在寻找这些挑战。这没有意义，但我必须跟进。你在宝洁工作的时候是化学工程师吗？

顺便说一句，我和化学工程师合作得很密切。所以我的部分项目实际上是重新布线大型化工厂，并考虑宝洁公司在主要城市拥有的真正意义上的大型化工运营……

但是根据你的观点，我实际上有两个专业。一个是机电一体化，但在当时在我的世界里对人工智能很着迷。另一个是工商管理。我之所以提到这一点，是因为谢里丹和我过去都是化学工程师，认为我们在整件事中找到了一位同胞。因为我实际上对你的说法感兴趣，你提到模拟是你的起点。这也是我开始的地方，是

你不需要建造工厂。你可以模拟它，并真正展示数据中的一些机会。听起来你看到了一些相同的东西。

没错。你提到了模拟或因素。这正是我正在做的。这很有趣，因为我在学习早期对模拟的迷恋，我可以带到宝洁公司。所以一个因素与你在Humana的情况非常不同。这是一个完全不同的……化学物质不在乎它们在桶里停留一段时间，但病人会。你从过去的经验中学到的东西如何影响你现在的？

我认为，你知道，在供应链和化学过程中，实际上有一些东西确实适用于医疗保健。这很有趣。但让我列举几个。首先，过程和过程控制的整个基本设置我认为适用于化工厂。当你想到……

你知道，市场，你知道，它非常相似。你可以，你知道，应用如此多的营销，而且，你知道，如果你做得太多，当然你会浪费钱，不够不会给你带来结果。所以你会遇到类似的问题。我认为你在控制化学过程方面遇到的麻烦实际上也出现在医疗保健中。例如，你知道，如果化学控制有很多滞后，

所以从你施加一定的力或温度到你在过程输出上开始看到它的结果之间的时间，滞后越大，就越难以控制系统。

典型的恒温器问题。就是这样。当你想到医疗保健时，我们也有同样的情况。所以我们尝试了各种各样的治疗和方案来治疗我们的会员。所以考虑一下糖尿病或例如患有心脏病然后需要坚持服药的问题。现在，我们试图说服你这样做，但很多时候我们需要等待很长时间才能看到你的健康状况实际上有所改善，

同样，在这里我们有这些长期的滞后，这些滞后既是过程本身和临床领域的固有特性。但很多时候，它们也仅仅是由于数据互操作性差造成的。我认为你提出了一个非常有趣的观点，即存在

不同学科、不同行业、不同领域的原型问题，但一旦针对特定行业或公司进行定制，类似的方法会产生很多良好的结果。我对此感触很深。你列举了一些很好的例子。你是否觉得在不同行业工作过

不同行业和学科的原型问题。你是否觉得这对于像你这样领导一家公司的人工智能组织的人来说是一个重要的属性，只是来自不同的背景和不同的，在非常不同的学科中看到它？

是的，我认为这很有用。我的意思是，这对我来说很有用，当然，我非常尊重那些来自医疗保健行业的领导者。当然，他们有这样的背景，而我只能学习如何在医疗保健环境中真正运作。但是根据你的观点，我认为特别是在医疗保健领域，需要来自其他行业的人来带来知识，因为医疗保健领域似乎仍然落后一些。

当然，从数据、数据转换和数据可用性来看，当然是从人工智能的使用来看，也是从平台的角度来看。你刚才提到了几个不同的例子。你能详细介绍一下你在Humana取得的一些具体成功吗？特别是关于人工智能，这是我们感兴趣的。你是否有一些你引以为豪的成功故事？

是的，有一些。所以我们当然正在测试和学习很多东西。我认为我真正感到自豪的关键进展是，我们创建了自己的内部机器学习平台，这有助于我们的数据科学家访问现代技术，访问所有开源功能。

拥有云访问权限，这样计算能力就不再受限于你数据中心拥有的资源。但本质上，你可以利用并运行任何现有的算法。我们开始看到好处，通过更好、更准确的模型来预测我们业务中的保留率。

这有助于我们预测住院入院情况，因此有望在我们的会员需要去急诊室或住院之前采取行动，并希望能够及早到达那里，以便我们能够帮助这个人保持更好的健康状况，并避免需要住院治疗。

在人工智能算法的使用和复杂性方面也取得了很大进展。我们必须克服缺乏适当的

云安全来处理PAI和PHI数据。因此，当我们构建这些功能并帮助我们的供应商构建这些功能时，我们必须生成高质量的测试数据，这些数据应该是差异隐私的。我们能够创建一个新的模型，一个基于合成数据的人工智能模型，其准确性与基于真实数据创建的模型相似。

使用生成式人工智能，我们创建了我们会员的高保真合成资料和人群，并可以使用这些资料将其输入到我们的平台中。我们开始学习如何使用它。我们培训了我们的数据科学家。我们有

Humana公司有200多名拥有博士学位的优秀数据科学家，他们已经可以访问并开始使用系统，这早于我们处理PHI和PAI数据的准备工作，而这同时也在进行中。但是，我们拥有合成数据创建能力这一事实实际上也帮助我们在许多其他方面取得了进展。

所以请确保我理解，你正在使用这个工具来帮助你的组织学习如何处理真实数据。所以你使用人工智能生成合成数据，然后让每个人在它成为真实患者之前进行练习和学习。没错。实际上，我真的很喜欢这个例子。你能描述一下为什么，你知道，我可能会，我认为我把它说得太简单了，为什么这是一个人工智能问题而不是一个统计抽样问题？是什么让AI在这里很合适？

这是一个好问题。我认为当人工智能变得更好时，这变成了一个AI问题。所以我不知道，你可能已经看到NVIDIA的一些工作，它创建了人们的合成面孔。

所以本质上，你使用深度学习来训练你的网络，本质上是学习一个人的脸是什么样的。当你要求它重新创建时，去除原始数据并控制过拟合，以确保没有重新创建任何训练图片。所以本质上，合成生成器生成的所有面孔都是虚构的，从未存在过。

这个领域很多年前就开始了，但最初这些面孔，它们总是长着两只眼睛，但眼睛可能在额头的中间。所以你会立刻看到它不是真的。但在过去两年中，它们已经有了很大的改进，现在当你看到这张合成面孔时，很难认出它不是人类。很容易被欺骗。

所以那里的相似之处在于，你正在执行相同的技巧，但使用的是数据而不是图像。没错。我们查看人类的记录，查看病史、健康史，而且实际上还查看了你的人口统计和健康数据的完整历史。我们通过这种方法重新创建相同的人群。所以完全是差分隐私的，质量非常高。当你看到这一点时，让医生查看合成病毒的健康史，

个人，医生无法分辨出它是虚构的，它看起来像真实的。是谁想出这个主意的？我不会想到这一点。所以这总是围绕桌子而坐的人的混合体，试图解决我们遇到的棘手问题。这是其中一部分。而且我们经常邀请我们的合作伙伴。特别是，这项技术来自与一家

与来自欧洲的合作伙伴的合作，有趣的是，他也在诺基亚与我共事。所以一个非常有才华的人创造了合成数据集能力和合成数据创建能力，并在欧洲取得了很大的成功，正如你可能知道的，欧洲当然更关心个人隐私

然后，我们现在正在与之密切合作的另一组合作伙伴是微软及其在该领域的差分隐私方面的进步。最后，我们经常与学术界联系，我们也有这些联系。这是一个很好的例子，说明了来自不同学科的真正技术主题，使用深度学习和图像，

你知道，识别在完全不同的行业中产生了切实的差异。我可以想象，也许20年前，15年前，临床医生和经营像Humana这样的公司的商业人士会说，好吧，这不一样。这不是真正的病人。都是合成的。我们不能相信它，等等，等等。我的问题是，

你在Humana和你的先前职业生涯中必须经历了多少教育和知识共享，才能弥合技术方面可能的艺术与业务之间的差距，而业务的理解并不相同，你是否觉得仍然存在差距，以及你如何弥合差距并缩小差距

是的，存在差距。我认为技术和业务理解之间存在差距，技术和我们自己之间也存在差距。我们所有在这个特定领域的人都需要继续学习。每隔几年，事情就会发生变化，有时它们会完全改变我们。所以一部分，我认为第一个技能是如何继续学习？持续学习

这对我们所有人来说都是必要的，对我们这些需要激励团队也这样做的人来说也是必要的。因为即使你聘请了最近接受过培训的数据科学博士，他们也需要继续学习。他们需要有自己的工作台，在那里他们可以调整数据，并与其他人一起学习。然后是另一部分，这……

我在Humana公司带头的是与我们合作的大型科技公司中的产品团队建立更紧密的联系。所以我们正在努力确保我们与这些产品团队保持密切联系。我们关注他们的工作。我们参与客户咨询委员会，并通过这种方式帮助他们塑造他们的产品，并为我们自己感到兴奋，并希望推动加速采用

这些新的特性和功能本身。这就是你问题的一部分。那么，我们如何保持领先地位呢？然后，当然，我们肩负着巨大的责任，帮助我们的业务团队和我们在其工作的企业中的合作伙伴也了解可能的艺术，并帮助我们将这项技术知识转化为现实，这实际上会提升我们在内部以及对我们的会员和客户的体验。

我对你说的话的理解是，

招聘团队并将团队置于可能艺术的最前沿并激励他们是一部分。但组织也必须采取措施，通过你谈到的所有这些事情来弥合这些差距，以便有更多的合作和跨职能团队合作，更接近产品和

管理、分析、人工智能、客户之声，所有这些，以便这些想法甚至可以孵化并走向某个地方。对吗？是的，我完全同意。好吧，如果我们从Slavic那里得到了100%的同意，我认为这是一个结束的好时机。感谢您抽出时间与我们交谈，Slavic。Shervin，让我们快速回顾一下。听起来不错，Sam。Slavic提出了一些非常有趣的观点。他多次提到的一件事是

过去的经验如何导致他目前的职位。他过去有过很多不同的经历，但他找到了应用它们的方法。我认为这是一个相当令人着迷的观点。是的，我对此感触很深。他谈到了一些原型问题，例如化学工程、系统控制问题和系统中的滞后以及如何管理它。他将此比作营销问题，对吧？

然后更重要的是，比作管理数百万患者的护理问题，因为当他们为不同的会员提出不同的治疗方案时，在有效和无效之间会存在滞后。能够理解什么有效，什么无效，以及滞后时间是多少，我的意思是，这几乎是一件标准化的事情。

化学工程或控制系统，你知道，电气工程问题。他能够看到这些原型，并从学科、领域和行业跨越到健康保险，这非常非常重要。给了我一点希望，人类还会存在一段时间。有趣的是，在很多这样的例子中，

具体的行业细节显然是不同的，而且，你知道，你不能盲目地将它们从一个行业应用到另一个行业。我认为创造力和明智地判断什么适合，什么不适合也发挥着作用。这再次显得非常人性化。

是的，完全正确。另一件事，你知道，基于此的是信任的重要性，对吧？并且在AI解决方案中建立人类的信任，对吧？他谈到使用合成数据来对不同的治疗方法进行合成测试。然后他谈到了向临床医生展示合成数据实际上如何模拟

真实数据以及它如何做到这一点。所以我认为这也很重要。再次，建立信任，并在人类判断真正非常重要的领域建立信任。

我也喜欢它多么务实。你知道计算机会有问题。因此，你更愿意用生成的数据找出这些问题。我认为他的解决方案的创造性之处在于使用人工智能生成这种闻起来像真实数据一样的数据，但他们可以承受搞砸的风险。我喜欢这样的事情，一旦他说出来就完全说得通，但我自己永远不会想到。是的，这是一个很好的观点。是的。

这就是我们今天的时间，但下次加入我们，我们将与DHL的Gina Chung交谈。感谢收听“我和人工智能”。如果您喜欢这个节目，请花点时间给我们写评论。如果您向我们发送屏幕截图，我们将向您发送麻省理工学院SMR关于人工智能的最佳文章合集，在有限的时间内免费提供。将您的评论屏幕截图发送至[email protected]。