Dokážeme vytvořit svět bez nemocí?

Je možné mít svět bez nemocí? Nemoc je slovo, které většina (ne-li všichni) lidé neslyší, když je mají oni nebo někdo, koho znají. Naštěstí, Max Welling, profesor strojového učení na Amsterdamské univerzitě a člen Kanadského institutu pokročilého výzkumu a jeho tým podnikatelů vytvořili systém analýzy dat pro diagnostiku nemocí pro pacienty. Zajímavost: Řídí AMLAB (Amsterdam Machine Learning LAB) a spoluřídí QUVA Lab (Qualcomm-UvA Lab). Zde uvidíme, jak tento úžasný muž a jeho tým podnikatelů (Cynthia Dwork, Geoffrey Hinton a Judea Pearl) učinili neuvěřitelné průlomy, aby svět zbavili nemocí.

Obavy Maxe Wellinga

Některá fakta, na která Welling poukazuje během své přednášky na TEDx, upozorňují na skutečnost, že jsou chvíle, kdy lékař může při diagnóze pacienta něco přehlédnout. Například říká, že „polovina lékařských postupů nemá žádné vědecké důkazy“. Tato diagnóza se provádí především vlastní praxí a znalostmi získanými ve škole, zatímco Max říká, že by měla existovat nějaká forma analytické prognózy k dalším možným onemocněním. Dále vysvětluje, že někteří pacienti mohou být špatně diagnostikováni a skončit zpět v nemocnici, ve které upřesňuje, že je 8krát pravděpodobnější, že zemřou. Nejzajímavější na tom je, že jde o problém, který vždy existoval. Důvod je tak jednoduchý, že se nutně musí udělat chyby, které bohužel mohou stát někoho nebo několik lidí život. Nejen to, jak říká Welling, existuje 230 milionů lékařských procedur ročně, které stojí půl bilionu dolarů. Jako každé odvětví, které se snaží poskytovat službu na pomoc ostatním, to stojí peníze; navíc to znamená, že nemocnice a osoby odpovědné za financování zdravotnických středisek musí naslouchat inovátorům, kteří se snaží posunout průmysl lepším směrem. Nicméně být šetrný je vždy prospěšný.

Zachování soukromí

Welling uvedl, že on a jeho tým udělali 3 průlomy. Jedním z nich je počítač, který dokáže zachovat soukromí v nemocnici; Kromě toho mohou počítače také analyzovat množství dat, aby dále zlepšily diagnostiku pacientů, kteří jsou velmi nemocní. Tento software je pojmenován Machine Learner. Počítač v podstatě odešle dotaz do nemocniční databáze, která na dotaz odpoví, poté strojový žák odpověď změní „přidáním nějakého šumu“. Pro další podrobnosti prosím klikněte zde (Max Welling to vysvětluje blíže mezi minutami 5:20 – 6:06). Jinými slovy, jak to vysvětluje Max, počítač se chce „zlepšit“ pomocí diagnostiky a „sestavit lepší model dat“. To vše je díky Cynthia Dworková, který je významným vědcem z Microsoft Research. Zaměřuje se na ochranu soukromí na matematickém základě. Pro více informací o ní a o tom, co udělala, klikněte zde. Stručně řečeno, tento první průlom nejen ukazuje, že Max chce respektovat osobní údaje pacientů, ale chce také poskytnout nemocnicím pevnější základ pro diagnostiku.

Hluboké učení

Druhý průlom vynesl na světlo světa Geoffrey Hinton. Yann Lecun, Yoshua Bengio a Geoffrey vysvětlili, že: „Hluboké učení objevuje složitou strukturu ve velkých souborech dat pomocí algoritmu zpětného šíření, aby ukázal, jak by měl stroj změnit své vnitřní parametry, které se používají k výpočtu reprezentace v každé vrstvě ze znázornění v předchozí vrstvě. Laicky řečeno, pomáhá stroji lépe porozumět sám sobě prostřednictvím jeho složitých vrstev prostřednictvím jeho nejhlubších parametrů (pro další podrobnosti si přečtěte zbytek recenze, kterou napsali tři pánové).

Kauzalita vs korelace

Třetí a poslední průlom je spíše společným nápadem k dalšímu odlišení kauzality od korelace. Max cítí, že nástroje Judea Pearl mohou pomoci rozlišit tyto dva koncepty a zorganizujte se. Úkolem Judea je v zásadě pomoci dát datům větší strukturu, což lze provést, pokud jsou soubory pacientů digitálně převedeny do databáze. Pearlova práce je poměrně složitá, takže pokud byste chtěli dále porozumět tomu, jaké jsou jeho „nástroje“. klikněte zde.

Maxovo přání

Welling shrnul na konci svého TEDX Talk že chce zachovat soukromí prostřednictvím strojového učení. Za druhé, zapojit nezletilé a vědce za účelem dalšího zlepšování diagnostiky a šetřit peníze a životy. V neposlední řadě chce změnit zdravotní péči tím, že bude lépe sloužit nemocnicím, lékařům a pacientům prostřednictvím technologie, která může pomoci zkrátit návštěvy nemocnic a efektivněji využívat peníze. To je krásná vize zdravotní péče, protože chce nejen respektovat lékařský průmysl, ale také pomáhat zachraňovat životy a přitom myslet na rozpočty nemocnic a lékařských středisek.