Možemo li stvoriti svijet bez bolesti?

Da li je moguće imati svijet bez bolesti? Bolest je riječ koju većina (ako ne i svi) ljudi osjeća nelagodno kada je imaju oni ili neko koga poznaju. srećom, Max Welling, profesor mašinskog učenja na Univerzitetu u Amsterdamu i član Kanadskog instituta za napredna istraživanja, i njegov tim preduzetnika kreirali su sistem za analizu podataka za dijagnostiku bolesti za pacijente. Zanimljiva činjenica: On režira AMLAB (Amsterdam Machine Learning LAB) i ko-direktira QUVA Lab (Qualcomm-UvA Lab). Ovdje ćemo vidjeti kako su ovaj divni čovjek i njegov tim preduzetnika (Cynthia Dwork, Geoffrey Hinton i Judea Pearl) napravili neke nevjerovatne pomake da oslobode svijet od bolesti.

Zabrinutost Maxa Wellinga

Neke od činjenica koje Welling ističe tokom svog TEDx govora zaista skreću pažnju na činjenicu da postoje trenuci kada doktoru može nešto propustiti tokom dijagnoze pacijenta. Na primjer, on kaže da “polovina medicinskih procedura nema tražene naučne dokaze”. Ta dijagnoza se postavlja prvenstveno sopstvenom praksom i znanjem stečenim u školi, dok Maks kaže da bi trebalo postojati neka vrsta analitičke prognoze prema drugim mogućim bolestima. On dalje objašnjava da se nekim pacijentima može postaviti pogrešna dijagnoza i završiti nazad u bolnici, u kojoj precizira da je 8 puta veća vjerovatnoća da će umrijeti. Najintrigantnija stvar je da je ovo pitanje koje je oduvijek postojalo. Razlog je jednostavan jer se neminovno dešavaju greške koje bi, nažalost, nekoga ili nekoliko ljudi mogle koštati života. I ne samo to, kako kaže Welling, svake godine se obavi 230 miliona medicinskih procedura koje koštaju pola triliona dolara. Kao i svaka industrija koja pokušava da pruži uslugu da pomogne drugima, to košta novac; nadalje, to znači da bolnice i oni koji su zaduženi za finansiranje medicinskih centara moraju slušati inovatore koji pokušavaju unaprijediti industriju u boljem smjeru. Ipak, štedljivost je uvijek korisna.

Očuvanje privatnosti

Welling je izjavio da su on i njegov tim napravili 3 prodora. Jedan od njih je kompjuter koji može sačuvati privatnost u bolnici; osim toga, kompjuteri također mogu analizirati mnoštvo podataka kako bi dodatno poboljšali dijagnozu pacijenata koji su prilično bolesni. Ovaj softver je imenovan Machine Learner. U suštini, računar šalje upit bolničkoj bazi podataka, koja odgovara na upit, a zatim će učenik koji uči na mašini promijeniti odgovor tako što će mu „dodati malo buke“. Za više detalja molimo kliknite ovdje (Maks Veling to pobliže objašnjava između minuta 5:20 – 6:06). Drugim riječima, kako to Max objašnjava, kompjuter želi da se “poboljša” putem dijagnoze i “izgradi bolji model podataka”. Sve ovo je zahvaljujući Cynthia Dwork, koji je istaknuti naučnik iz Microsoft Research-a. Ona se fokusira na očuvanje privatnosti na matematičkim osnovama. Za više o njoj i onome što je uradila, kliknite ovdje. Ukratko, ovo prvo otkriće ne samo da pokazuje da Max želi da poštuje lične podatke pacijenata, već želi i da bolnicama pruži čvršću osnovu za dijagnozu.

Deep Learning

Drugi proboj je iznio na vidjelo Geoffrey Hinton. Yann Lecun, Yoshua Bengio i Geoffrey objasnili su da: „Duboko učenje otkriva zamršenu strukturu u velikim skupovima podataka koristeći algoritam povratnog širenja kako bi ukazalo kako mašina treba da promijeni svoje interne parametre koji se koriste za izračunavanje reprezentacije u svakom sloju od reprezentacije u prethodnom sloju. Laički rečeno, pomaže mašini da bolje razume sebe kroz svoje složene slojeve preko svojih najdubljih parametara (za više detalja pročitajte ostatak recenzije koju su napisala tri gospodina).

Uzročnost naspram korelacije

Treći i konačni proboj je više ideja saradnje za dalje razlikovanje uzročnosti od korelacije. Max smatra da alati Judea Pearl mogu pomoći u razlikovanju ova dva koncepta i organizuj se. U suštini, uloga Judeje je da pomogne u davanju više strukture podacima što se može uraditi ako se dosijei pacijenata digitalno prenesu u bazu podataka. Pearlov rad je prilično složen, pa ako želite dalje da shvatite šta su njegovi "alati". kliknite ovdje.

Max's Wish

Welling je sažeo na kraju svog TEDX Talk da želi da očuva privatnost kroz mašinsko učenje. Drugo, angažovati maloljetnike podataka i naučnike u cilju daljeg poboljšanja dijagnoze i uštede novca i života. Konačno, želi revolucionirati zdravstvenu zaštitu tako što će bolje opsluživati ​​bolnice, doktore i pacijente kroz tehnologiju koja može pomoći u skraćivanju bolničkih posjeta i efikasnijem korištenju novca. Ovo je prelijepa vizija zdravstvene zaštite, jer ne samo da želi da poštuje medicinsku industriju, već želi i da pomogne u spašavanju života dok razmišlja o budžetima bolnica i medicinskih centara.