Կարո՞ղ ենք ստեղծել աշխարհ առանց հիվանդության:
Կարո՞ղ ենք ստեղծել աշխարհ առանց հիվանդության:
Հնարավո՞ր է հիվանդությունից զերծ աշխարհ ունենալ: Հիվանդությունը մի բառ է, որը մարդկանց մեծամասնությունը (եթե ոչ բոլորը) անհարմար է զգում լսել, երբ կա՛մ իրենք, կա՛մ նրանց ծանոթ որևէ մեկը: Բարեբախտաբար, Մաքս ՈւելինգԱմստերդամի համալսարանի մեքենայական ուսուցման պրոֆեսորը և Կանադական առաջադեմ հետազոտությունների ինստիտուտի անդամը և նրա ձեռներեցների թիմը ստեղծել են տվյալների վերլուծության համակարգ՝ հիվանդների համար հիվանդությունների ախտորոշման համար: Զվարճալի փաստ. նա ղեկավարում է AMLAB-ը (Amsterdam Machine Learning LAB) և համատեղ ղեկավարում է QUVA լաբորատորիան (Qualcomm-UvA Lab): Այստեղ մենք կտեսնենք, թե ինչպես է այս հրաշալի մարդը և նրա ձեռներեցների թիմը (Սինթիա Դուորք, Ջեֆրի Հինթոն և Ջուդա Փերլ) մի քանի անհավանական առաջընթացի հասնելու համար՝ աշխարհը հիվանդություններից ազատելու համար:
Մաքս Ուելինգի մտահոգությունները
Որոշ փաստեր, որոնք Ուելինգը նշում է իր TEDx ելույթի ժամանակ, ուշադրություն են դարձնում այն փաստին, որ կան դեպքեր, երբ բժիշկը կարող է ինչ-որ բան բաց թողնել հիվանդի ախտորոշման ժամանակ: Օրինակ՝ նա ասում է, որ «բժշկական պրոցեդուրաների կեսը չունի պահանջվող գիտական ապացույց»։ Այդ ախտորոշումն արվում է հիմնականում սեփական պրակտիկայի և դպրոցում ձեռք բերված գիտելիքների միջոցով, մինչդեռ Մաքսն ասում է, որ պետք է լինի վերլուծական կանխատեսման ինչ-որ ձև այլ հնարավոր հիվանդությունների նկատմամբ: Նա շարունակում է բացատրել, որ որոշ հիվանդներ կարող են սխալ ախտորոշվել և նորից հայտնվել հիվանդանոցում, որտեղ նա նշում է, որ նրանց մահվան հավանականությունը 8 անգամ ավելի մեծ է: Ամենահետաքրքիրն այն է, որ սա այն խնդիրն է, որը միշտ եղել է: Պատճառն այնքան պարզ է, որքան սխալները, որոնք, ցավոք, կարող են արժենալ ինչ-որ մեկին կամ մի քանի մարդու կյանք: Ոչ միայն դա, ինչպես ասում է Ուելինգը, ամեն տարի 230 միլիոն բժշկական միջամտություն է կատարվում՝ կես տրիլիոն դոլար արժողությամբ։ Ինչպես ցանկացած արդյունաբերություն, որը փորձում է ծառայություն մատուցել ուրիշներին օգնելու համար, այն արժե գումար. Ավելին, դա նշանակում է, որ հիվանդանոցները և բժշկական կենտրոնների ֆինանսավորման համար պատասխանատու անձինք պետք է լսեն նորարարներին, ովքեր փորձում են արդյունաբերությունն ավելի լավ ուղղությամբ առաջ տանել: Այնուամենայնիվ, խնայող լինելը միշտ էլ ձեռնտու է։
Գաղտնիության պահպանում
Ուելինգը հայտարարել է, որ ինքն ու իր թիմը 3 ճեղքում են գրանցել։ Դրանցից մեկը համակարգիչ է, որը կարող է պահպանել գաղտնիությունը հիվանդանոցում. Ավելին, համակարգիչները կարող են նաև վերլուծել բազմաթիվ տվյալներ՝ բավականին հիվանդ հիվանդների ախտորոշման հետագա բարելավման համար: Այս ծրագիրը կոչվում է Մեքենա սովորող. Ըստ էության, համակարգիչը հարցում է ուղարկում հիվանդանոցի տվյալների բազա, որը պատասխանում է հարցմանը, այնուհետև մեքենա սովորողը կփոխի պատասխանը՝ «ավելացնելով որոշակի աղմուկ»: Լրացուցիչ մանրամասների համար խնդրում ենք Սեղմեք այստեղ (Մաքս Ուելինգը դա ավելի մանրամասն է բացատրում 5:20 – 6:06 րոպեների միջև): Այլ կերպ ասած, ինչպես բացատրում է Մաքսը, համակարգիչը ցանկանում է «լավացնել ինքն իրեն» ախտորոշման միջոցով և «կառուցել տվյալների ավելի լավ մոդել»: Այս ամենը շնորհիվ Սինթիա Դորք, ով Microsoft Research-ի վաստակաշատ գիտնական է։ Նա կենտրոնանում է գաղտնիության պահպանման վրա՝ հիմնված մաթեմատիկական հիմքի վրա: Նրա և նրա արածի մասին ավելին իմանալու համար, Սեղմեք այստեղ. Մի խոսքով, այս առաջին բեկումը ոչ միայն ցույց է տալիս, որ Մաքսը ցանկանում է հարգալից լինել հիվանդների անձնական տվյալների նկատմամբ, այլ նաև ցանկանում է հիվանդանոցներին ապահովել ախտորոշման ավելի ամուր հիմքերով:
Խորը ուսուցում
Երկրորդ բեկումը բացահայտվեց Offեֆրի Հինթոն. Յան Լեկուն, Յոշուա Բենջիո և Ջեֆրի «Խորը ուսուցումը բացահայտում է բարդ կառուցվածքը տվյալների մեծ հավաքածուներում՝ օգտագործելով հետտարածման ալգորիթմը՝ ցույց տալու համար, թե ինչպես է մեքենան պետք փոխի իր ներքին պարամետրերը, որոնք օգտագործվում են յուրաքանչյուր շերտում ներկայացվածը նախորդ շերտի ներկայացումից հաշվարկելու համար»: Սովորական լեզվով ասած, այն օգնում է մեքենային ավելի լավ հասկանալ իրեն իր բարդ շերտերի միջոցով՝ իր ամենախոր պարամետրերի միջոցով (հավելյալ մանրամասների համար խնդրում ենք կարդալ երեք պարոնների գրած ակնարկի մնացած մասը):
Պատճառականություն ընդդեմ հարաբերակցության
Երրորդ և վերջին բեկումը ավելի շատ համագործակցային գաղափար է՝ պատճառահետեւանքային կապը հարաբերակցությունից հետագա տարբերակելու համար: Մաքսը զգում է, որ Judea Pearl-ի գործիքները կարող են օգնել տարբերակել այս երկու հասկացությունները և կազմակերպվել. Ըստ էության, Հուդայի դերն այն է, որ օգնի ավելի շատ կառուցվածք տալ տվյալներին, որը կարող է իրականացվել, եթե հիվանդի ֆայլերը թվային կերպով փոխանցվեն տվյալների բազա: Pearl-ի աշխատանքը բավականին բարդ է, այնպես որ, եթե ցանկանում եք ավելի լավ հասկանալ, թե որոնք են նրա «գործիքները»: Սեղմեք այստեղ.
Մաքսի ցանկությունը
Ուելինգը ամփոփեց իր վերջում TEDX զրույց որ նա ցանկանում է պահպանել գաղտնիությունը մեքենա սովորողի միջոցով: Երկրորդ՝ ներգրավել տվյալների անչափահասներին և գիտնականներին՝ ախտորոշման հետագա բարելավման համար՝ փող և կյանքեր խնայելու համար: Ի վերջո, նա ցանկանում է հեղափոխել առողջապահությունը՝ ավելի լավ ծառայելով հիվանդանոցներին, բժիշկներին և հիվանդներին տեխնոլոգիայի միջոցով, որը կարող է օգնել կրճատել հիվանդանոց այցելությունները և ավելի արդյունավետ օգտագործել գումարը: Սա առողջապահական խնամքի գեղեցիկ տեսլական է, քանի որ նա ոչ միայն ցանկանում է հարգալից լինել բժշկական արդյունաբերության նկատմամբ, այլ նաև ցանկանում է օգնել փրկել կյանքեր՝ մտածելով հիվանդանոցների և բժշկական կենտրոնների բյուջեների մասին:
