Можем ли да създадем свят без болести?

Възможно ли е да имаме свят без болести? Болест е дума, която повечето (ако не всички) хора се чувстват неудобно да чуят, когато те или някой, когото познават, има такава. за щастие Макс Уелинг, професор по машинно обучение в университета в Амстердам и член на Канадския институт за напреднали изследвания, и неговият екип от предприемачи създадоха система за анализ на данни за диагностика на заболявания при пациенти. Забавен факт: Той ръководи AMLAB (Amsterdam Machine Learning LAB) и е съдиректор на QUVA Lab (Qualcomm-UvA Lab). Тук ще видим как този прекрасен човек и неговият екип от предприемачи (Синтия Дуърк, Джефри Хинтън и Джудея Пърл) направиха някои невероятни пробиви, за да избавят света от болестите.

Притесненията на Макс Уелинг

Някои от фактите, които Уелинг изтъква по време на своята лекция на TEDx, насочват вниманието към факта, че има моменти, когато лекарят може да пропусне нещо по време на диагнозата на пациент. Например той казва, че „половината от медицинските процедури нямат надеждни научни доказателства“. Тази диагноза се прави предимно чрез тяхната собствена практика и знания, придобити в училище, докато Макс казва, че трябва да има някаква форма на аналитична прогноза за други възможни заболявания. По-нататък той обяснява, че някои пациенти могат да бъдат диагностицирани погрешно и да се върнат обратно в болницата, в което той уточнява, че те са 8 пъти по-склонни да умрат. Най-интригуващото е, че това е проблем, който винаги е съществувал. Причината е толкова проста, тъй като грешките са неизбежни, което за съжаление може да струва живота на някой или няколко души. Не само това, както казва Уелинг, има 230 милиона медицински процедури всяка година, струващи половин трилион долара. Като всяка индустрия, която се опитва да предостави услуга, за да помогне на другите, това струва пари; освен това това означава, че болниците и тези, които отговарят за финансирането на медицински центрове, трябва да се вслушват в иноваторите, които се опитват да продължат индустрията в по-добра посока. Въпреки това пестеливостта винаги е от полза.

Запазване на поверителността

Уелинг заяви, че той и екипът му са направили 3 пробива. Един от тях е компютър, който може да запази неприкосновеността на личния живот в болница; освен това компютрите могат също така да анализират множество данни, за да подобрят още повече диагнозата при пациенти, които са доста болни. Този софтуер е наименуван Машинно обучение. По същество компютърът изпраща заявка до болничната база данни, която отговаря на заявката, след което машинният обучаем ще промени отговора, като „добави малко шум към него“. За повече подробности, моля Натисни тук (Макс Уелинг го обяснява по-подробно между минути 5:20 – 6:06). С други думи, както обяснява Макс, компютърът иска да се „подобри“ чрез диагностика и „да изгради по-добър модел на данни“. Всичко това е благодарение на Синтия Dwork, който е изтъкнат учен от Microsoft Research. Тя се фокусира върху запазването на поверителността въз основа на математическа основа. За повече информация за нея и какво е направила, Натисни тук. Накратко, този първи пробив не само показва, че Макс иска да уважава личната информация на пациентите, но също така иска да предостави на болниците по-солидна основа за диагностика.

Дълбоко обучение

Вторият пробив беше разкрит от Джефри Хинтън. Ян Лекун, Йошуа Бенгио и Джефри са обяснили, че: „Дълбокото обучение открива сложна структура в големи набори от данни чрез използване на алгоритъма за обратно разпространение, за да посочи как една машина трябва да промени вътрешните си параметри, които се използват за изчисляване на представянето във всеки слой от представянето в предишния слой.“ Казано на лаик, това помага на машината да разбере по-добре себе си чрез своите сложни слоеве чрез най-дълбоките си параметри (за повече подробности, моля, прочетете останалата част от рецензията, написана от тримата господа).

Причинно-следствена връзка срещу корелация

Третият и последен пробив е по-скоро съвместна идея за по-нататъшно разграничаване на причинно-следствената връзка от корелацията. Макс смята, че инструментите на Judea Pearl могат да помогнат за разграничаването на тези две концепции и организирам се. По същество ролята на Judea е да помогне да се даде повече структура на данните, което може да се направи, ако досиетата на пациентите се прехвърлят цифрово в база данни. Работата на Пърл е доста сложна, така че ако искате да разберете допълнително какви са неговите „инструменти“. Натисни тук.

Желанието на Макс

Уелинг обобщи в края на своето TEDX разговор че иска да запази поверителността чрез машината за обучение. Второ, да се ангажират непълнолетни лица и учени с цел допълнително подобряване на диагностиката, за да се спестят пари и животи. И накрая, той иска да направи революция в здравеопазването чрез по-добро обслужване на болници, лекари и пациенти чрез технология, която може да помогне за съкращаване на посещенията в болницата и по-ефективно използване на парите. Това е красива визия за здравеопазването, защото той не само иска да уважава медицинската индустрия, но също така иска да помогне за спасяването на животи, като мисли за бюджетите на болниците и медицинските центрове.