Kan vi skabe en verden uden sygdom?

Er det muligt at have en sygdomsfri verden? Sygdom er et ord, som de fleste (hvis ikke alle) føler sig utilpas ved at høre, når enten de eller en, de kender, har en. Heldigvis, Max Welling, professor i maskinlæring ved University of Amsterdam og medlem af Canadian Institute of Advanced Research, og hans team af iværksættere har skabt et dataanalysesystem til diagnosticering af sygdomme for patienter. Fun fact: Han leder AMLAB (Amsterdam Machine Learning LAB) og medleder QUVA Lab (Qualcomm-UvA Lab). Her skal vi se, hvordan denne vidunderlige mand og hans team af iværksættere (Cynthia Dwork, Geoffrey Hinton og Judea Pearl) lavede nogle utrolige gennembrud for at befri verden for sygdomme.

Max Wellings bekymringer

Nogle af de fakta, som Welling påpeger under sin TEDx-tale, gør opmærksom på, at der er tidspunkter, hvor en læge måske går glip af noget under en diagnose af en patient. For eksempel siger han, at "halvdelen af ​​medicinske procedurer ikke har nogen opfordret videnskabelig dokumentation." Den diagnose stilles primært gennem deres egen praksis og viden erhvervet i skolen, hvorimod Max siger, at der skal være en form for analytisk prognose mod andre mulige sygdomme. Han fortsætter med at forklare, at nogle patienter kan blive fejldiagnosticeret og ende tilbage på hospitalet, hvor han angiver, at de er 8 gange mere tilbøjelige til at dø. Det mest spændende er, at dette er et problem, der altid har eksisteret. Årsagen er så simpel, at der helt sikkert vil blive begået fejl, som desværre kan koste en eller flere mennesker livet. Ikke nok med det, som Welling siger, er der 230 millioner medicinske procedurer hvert år, der koster en halv billion dollars. Som enhver industri, der forsøger at levere en service for at hjælpe andre, koster det penge; desuden betyder det, at hospitaler og dem, der er ansvarlige for finansiering af medicinske centre, skal lytte til innovatører, der forsøger at fremme industrien i en bedre retning. Ikke desto mindre er det altid en fordel at være sparsommelig.

Bevarelse af privatlivets fred

Welling udtalte, at han og hans team har lavet 3 gennembrud. En af dem er en computer, der kan bevare privatlivets fred på et hospital; desuden kan computere også analysere et væld af data for yderligere at forbedre diagnosen for patienter, der er ret syge. Denne software er navngivet Maskinlærer. I det væsentlige sender computeren en forespørgsel til hospitalets database, som besvarer forespørgslen, hvorefter maskineleven vil ændre svaret ved at "føje noget støj til det." For yderligere detaljer venligst Klik her (Max Welling forklarer det nærmere mellem minutter 5:20 – 6:06). Med andre ord, som Max forklarer det, vil computeren "bedre sig selv" via diagnose og "bygge en bedre model af data". Alt dette er takket være Cynthia Dwork, som er en fremtrædende videnskabsmand fra Microsoft Research. Hun fokuserer på at bevare privatlivets fred baseret på et matematisk grundlag. For mere om hende og hvad hun har gjort, Klik her. Kort sagt viser dette første gennembrud ikke kun, at Max ønsker at være respektfuld over for patienternes personlige oplysninger, men også ønsker at give hospitalerne et mere solidt grundlag for diagnosticering.

Deep Learning

Det andet gennembrud blev bragt for dagen af Geoffrey Hinton. Yann Lecun, Yoshua Bengio og Geoffrey har forklaret, at: "Deep learning opdager indviklet struktur i store datasæt ved at bruge backpropagation-algoritmen til at indikere, hvordan en maskine skal ændre sine interne parametre, der bruges til at beregne repræsentationen i hvert lag fra repræsentationen i det forrige lag." I lægmandstermer hjælper det en maskine med at forstå sig selv bedre gennem sine komplekse lag via dens dybeste parametre (for yderligere detaljer, læs venligst resten af ​​anmeldelsen, de tre herrer skrev).

Kausalitet vs korrelation

Det tredje og sidste gennembrud er mere en samarbejdsidé for yderligere at differentiere kausalitet fra korrelation. Max føler, at Judea Pearls værktøjer kan hjælpe med at skelne mellem disse to begreber og blive organiseret. Grundlæggende er Judæas rolle at hjælpe med at give mere struktur til data, som kan gøres, hvis patientfiler overføres digitalt til en database. Pearls arbejde er ret komplekst, så hvis du gerne vil vide mere, hvad hans "værktøjer" er Klik her.

Max' ønske

Welling opsummerede i slutningen af ​​sit TEDX Talk at han ønsker at bevare privatlivet gennem maskinlæreren. For det andet at engagere mindreårige og videnskabsmænd med henblik på at forbedre diagnosen yderligere for at spare penge og liv. Til sidst vil han revolutionere sundhedsvæsenet ved bedre at betjene hospitaler, læger og patienter gennem teknologi, der kan hjælpe med at forkorte hospitalsbesøg og bruge penge mere effektivt. Dette er en smuk vision om sundhedspleje, fordi han ikke kun ønsker at være respektfuld over for den medicinske industri, han vil også hjælpe med at redde liv, mens han tænker på hospitalernes og medicinske centres budgetter.