A allwn ni greu byd heb afiechyd?

A yw'n bosibl cael byd heb afiechyd? Mae afiechyd yn air y mae'r rhan fwyaf (os nad pob un) o bobl yn teimlo'n anghyfforddus yn clywed pan fydd ganddynt hwy neu rywun y maent yn ei adnabod un. Yn ffodus, Max Welling, yn athro dysgu peiriant ym Mhrifysgol Amsterdam ac yn aelod o Sefydliad Ymchwil Uwch Canada, a'i dîm o entrepreneuriaid wedi creu system dadansoddi data ar gyfer diagnosis clefydau i gleifion. Ffaith hwyliog: Mae'n cyfarwyddo AMLAB (Amsterdam Machine Learning LAB) ac yn cyd-gyfarwyddo QUVA Lab (Qualcomm-UvA Lab). Yma cawn weld sut y gwnaeth y dyn rhyfeddol hwn a'i dîm o entrepreneuriaid (Cynthia Dwork, Geoffrey Hinton a Judea Pearl) ddatblygiadau anhygoel i gael gwared ar y byd o afiechyd.

Pryderon Max Welling

Mae rhai o'r ffeithiau y mae Welling yn eu nodi yn ystod ei sgwrs TEDx yn tynnu sylw at y ffaith bod yna adegau pan allai meddyg golli rhywbeth yn ystod diagnosis o glaf. Er enghraifft, dywed “nad oes gan hanner y gweithdrefnau meddygol unrhyw dystiolaeth wyddonol ofyn amdani.” Gwneir y diagnosis hwnnw'n bennaf drwy eu hymarfer a'u gwybodaeth a gafwyd yn yr ysgol, tra bod Max yn dweud y dylai fod rhyw fath o ragolygon dadansoddol tuag at glefydau posibl eraill. Mae'n mynd ymlaen i egluro y gall rhai cleifion gael diagnosis anghywir a dychwelyd yn yr ysbyty yn y pen draw, lle mae'n nodi eu bod 8 gwaith yn debycach o farw. Y peth mwyaf diddorol yw bod hwn yn fater sydd wedi bodoli erioed. Mae'r rheswm mor syml ag y mae camgymeriadau yn sicr o gael eu gwneud a allai, yn anffodus, gostio bywyd i rywun neu sawl person. Nid yn unig hynny, fel y dywed Welling, mae 230 miliwn o driniaethau meddygol bob blwyddyn sy'n costio hanner triliwn o ddoleri. Fel unrhyw ddiwydiant sy'n ceisio darparu gwasanaeth i helpu eraill, mae'n costio arian; ar ben hynny, mae hynny'n golygu bod angen i ysbytai a'r rhai sy'n gyfrifol am ariannu canolfannau meddygol wrando ar arloeswyr sy'n ceisio hyrwyddo'r diwydiant i gyfeiriad gwell. Serch hynny, mae bod yn gynnil bob amser yn fuddiol.

Cadw Preifatrwydd

Dywedodd Welling ei fod ef a'i dîm wedi gwneud 3 datblygiad arloesol. Un ohonynt yw cyfrifiadur sy'n gallu cadw preifatrwydd o fewn ysbyty; ar ben hynny, gall cyfrifiaduron hefyd ddadansoddi llu o ddata i wella diagnosis ymhellach ar gyfer cleifion sy'n eithaf sâl. Enwir y feddalwedd hon Dysgwr Peiriant. Yn y bôn, mae'r cyfrifiadur yn anfon ymholiad i gronfa ddata'r ysbyty, sy'n ateb yr ymholiad yna bydd y dysgwr peiriant yn newid yr ateb trwy "ychwanegu rhywfaint o sŵn ato." Am fanylion pellach os gwelwch yn dda cliciwch yma (Mae Max Welling yn ei esbonio’n agosach rhwng munudau 5:20 – 6:06). Mewn geiriau eraill, fel y mae Max yn ei esbonio, mae'r cyfrifiadur eisiau "gwell ei hun" trwy ddiagnosis ac "adeiladu model data gwell". Mae hyn i gyd diolch i Gwaith Cynthia, sy'n wyddonydd o fri o Microsoft Research. Mae hi'n canolbwyntio ar gadw preifatrwydd yn seiliedig ar sylfaen fathemategol. Am fwy amdani hi a'r hyn mae hi wedi'i wneud, cliciwch yma. Yn fyr, mae'r datblygiad cyntaf hwn nid yn unig yn dangos bod Max eisiau bod yn barchus o wybodaeth bersonol cleifion ond hefyd eisiau rhoi sylfaen fwy cadarn i ysbytai ar gyfer diagnosis.

Dysgu Dwfn

Dygwyd yr ail dori i'r golwg gan Sieffre Hinton. Yann Lecun, Yoshua Bengio a Sieffre wedi egluro: “Mae dysgu dwfn yn darganfod strwythur cymhleth mewn setiau data mawr trwy ddefnyddio’r algorithm ôl-gronni i ddangos sut y dylai peiriant newid ei baramedrau mewnol a ddefnyddir i gyfrifo’r cynrychioliad ym mhob haen o’r cynrychioliad yn yr haen flaenorol.” Yn nhermau lleygwr, mae'n helpu peiriant i ddeall ei hun yn well trwy ei haenau cymhleth trwy ei baramedrau dyfnaf (am fanylion pellach darllenwch weddill yr adolygiad a ysgrifennodd y tri gŵr bonheddig).

Achosiaeth yn erbyn Cydberthynas

Mae'r trydydd datblygiad a'r olaf yn fwy o syniad cydweithredol i wahaniaethu ymhellach rhwng achosiaeth a chydberthynas. Mae Max yn teimlo y gall offer Judea Pearl helpu i wahaniaethu rhwng y ddau gysyniad a mynd yn drefnus. Yn y bôn, rôl Judea yw helpu i roi mwy o strwythur i ddata y gellir ei wneud os caiff ffeiliau cleifion eu trosglwyddo'n ddigidol i gronfa ddata. Mae gwaith Pearl yn eithaf cymhleth felly os hoffech chi ddeall ymhellach beth yw ei “offer”. cliciwch yma.

Dymuniad Max

Crynhodd Welling ar ddiwedd ei Sgwrs TEDX ei fod eisiau cadw preifatrwydd trwy'r dysgwr peiriant. Yn ail, ymgysylltu â phlant dan oed data a gwyddonwyr er mwyn gwella diagnosis ymhellach er mwyn arbed arian a bywydau. Yn olaf, mae am chwyldroi gofal iechyd trwy wasanaethu ysbytai, meddygon a chleifion yn well trwy dechnoleg a all helpu i gwtogi ar ymweliadau ag ysbytai a defnyddio arian yn fwy effeithlon. Mae hon yn weledigaeth hardd ar ofal iechyd oherwydd nid yn unig y mae am barchu'r diwydiant meddygol, mae hefyd am helpu i achub bywydau wrth feddwl am gyllidebau ysbytai a chanolfannau meddygol.