Kas suudame luua maailma ilma haigusteta?

Kas on võimalik saada haigustevaba maailma? Haigus on sõna enamikul (kui mitte kõigil) inimestel, kes tunnevad end ebamugavalt kuuldes, kui neil või kellelgi nende tuttaval on haigus. Õnneks Max Welling, Amsterdami ülikooli masinõppe professor ja Kanada arenenud uuringute instituudi liige ning tema ettevõtjate meeskond on loonud andmeanalüüsi süsteemi patsientide haiguste diagnoosimiseks. Lõbus fakt: ta juhib AMLAB-i (Amsterdami masinõppe LAB) ja kaasjuhib QUVA Labi (Qualcomm-UvA Lab). Siin näeme, kuidas see imeline mees ja tema ettevõtjate meeskond (Cynthia Dwork, Geoffrey Hinton ja Judea Pearl) tegid uskumatuid läbimurdeid, et vabastada maailm haigustest.

Max Wellingi mured

Mõned faktid, millele Welling oma TEDx-i kõne ajal tähelepanu juhib, juhivad tähelepanu tõsiasjale, et mõnikord võib arst patsiendi diagnoosimisel midagi kahe silma vahele jätta. Näiteks ütleb ta, et "pooltel meditsiinilistel protseduuridel pole nõutud teaduslikke tõendeid." Seda diagnoosi tehakse peamiselt nende endi praktika ja koolis omandatud teadmiste kaudu, samas kui Max ütleb, et teiste võimalike haiguste suhtes peaks olema mingisugune analüütiline prognoos. Ta jätkab selgitamist, et mõnel patsiendil võidakse valesti diagnoosida ja nad jõuavad tagasi haiglasse, milles ta täpsustab, et neil on 8 korda suurem tõenäosus surra. Kõige intrigeerivam on see, et see probleem on alati olemas olnud. Põhjus on niisama lihtne, et kindlasti tehakse vigu, mis võivad kahjuks kellegi või mitme inimese elu maksma minna. Vähe sellest, nagu Welling ütleb, tehakse igal aastal 230 miljonit meditsiinilist protseduuri, mis maksavad pool triljonit dollarit. Nagu iga tööstusharu, mis püüab pakkuda teenust teiste abistamiseks, maksab see raha; Lisaks sellele peavad haiglad ja meditsiinikeskuste rahastamise eest vastutavad isikud kuulama uuendajaid, kes püüavad tööstust paremas suunas edendada. Sellegipoolest tuleb kokkuhoidlik olemine alati kasuks.

Privaatsuse säilitamine

Welling märkis, et tema ja ta meeskond on teinud 3 läbimurret. Üks neist on arvuti, mis suudab haiglas privaatsust säilitada; Lisaks saavad arvutid analüüsida ka hulgaliselt andmeid, et veelgi parandada diagnoosimist üsna haigete patsientide puhul. See tarkvara kannab nime Masinõppija. Põhimõtteliselt saadab arvuti päringu haigla andmebaasi, mis vastab päringule, seejärel muudab masinõppija vastust, lisades sellele veidi müra. Lisateabe saamiseks palun kliki siia (Max Welling selgitab seda lähemalt minutite 5:20–6:06 vahel). Teisisõnu, nagu Max selgitab, tahab arvuti end diagnoosimise kaudu "parendada" ja "ehitada paremat andmemudelit". Kõik see on tänu Cynthia Dwork, kes on Microsoft Researchi silmapaistev teadlane. Ta keskendub privaatsuse säilitamisele matemaatilisel alusel. Lisateavet tema ja tema tehtu kohta leiate kliki siia. Lühidalt öeldes näitab see esimene läbimurre mitte ainult seda, et Max soovib austada patsientide isiklikku teavet, vaid soovib ka anda haiglatele diagnoosimiseks kindlama aluse.

Sügav õppimine

Teise läbimurde tõi päevavalgele Geoffrey Hinton. Yann Lecun, Yoshua Bengio ja Geoffrey on selgitanud, et: "Süvaõpe avastab suurtes andmekogumites keeruka struktuuri, kasutades tagasilevimise algoritmi, et näidata, kuidas masin peaks muutma oma sisemisi parameetreid, mida kasutatakse iga kihi esituse arvutamiseks eelmise kihi esituse põhjal." Võhiku terminites aitab see masinal end sügavaimate parameetrite kaudu oma keerukate kihtide kaudu paremini mõista (lisateabe saamiseks lugege ülejäänud arvustust, mille kolm härrasmeest kirjutasid).

Põhjuslikkus vs korrelatsioon

Kolmas ja viimane läbimurre on pigem koostööidee, et veelgi enam eristada põhjuslikkust korrelatsioonist. Max leiab, et Judea Pearli tööriistad aitavad neid kahte mõistet eristada ja end organiseerima. Põhimõtteliselt on Judea ülesanne aidata anda rohkem struktuuri, mida saab teha, kui patsiendi failid edastatakse digitaalselt andmebaasi. Pearli töö on üsna keeruline, nii et kui soovite paremini mõista, millised on tema "tööriistad". kliki siia.

Maxi soov

Welling võttis oma lõpus kokkuvõtte TEDX-i kõne et ta soovib masinõppija kaudu privaatsust säilitada. Teiseks kaasata andmeid alaealiste ja teadlaste jaoks, et diagnoosi veelgi parandada, et säästa raha ja elusid. Lõpuks soovib ta muuta tervishoiu revolutsiooniliseks, teenindades paremini haiglaid, arste ja patsiente tehnoloogia abil, mis võib aidata lühendada haiglakülastusi ja kasutada raha tõhusamalt. See on ilus nägemus tervishoiust, sest ta ei taha mitte ainult austada meditsiinitööstust, vaid ka aidata päästa elusid, mõeldes haiglate ja meditsiinikeskuste eelarvetele.