Bisakah kita menciptakan dunia tanpa penyakit?

Apakah mungkin memiliki dunia yang bebas penyakit? Penyakit adalah kata yang paling (jika tidak semua) orang merasa tidak nyaman mendengarnya ketika mereka atau seseorang yang mereka kenal memilikinya. Untung, Max Welling, seorang profesor pembelajaran mesin di Universitas Amsterdam dan anggota Institut Penelitian Lanjutan Kanada, dan tim pengusahanya telah menciptakan sistem analisis data untuk diagnosis penyakit bagi pasien. Fakta menyenangkan: Dia mengarahkan AMLAB (Amsterdam Machine Learning LAB) dan mengarahkan QUVA Lab (Qualcomm-UvA Lab). Di sini kita akan melihat bagaimana pria yang luar biasa ini dan tim pengusahanya (Cynthia Dwork, Geoffrey Hinton, dan Judea Pearl) membuat beberapa terobosan luar biasa untuk menghilangkan penyakit dari dunia.

Kekhawatiran Max Welling

Beberapa fakta yang dikemukakan Welling selama pembicaraan TEDx-nya memang menarik perhatian pada fakta bahwa ada kalanya seorang dokter mungkin melewatkan sesuatu selama diagnosis pasien. Misalnya, dia mengatakan bahwa "separuh dari prosedur medis tidak memiliki bukti ilmiah yang diminta." Diagnosis itu dilakukan terutama melalui praktik dan pengetahuan mereka sendiri yang diperoleh di sekolah, sedangkan Max mengatakan bahwa harus ada semacam prognosis analitis terhadap kemungkinan penyakit lain. Dia melanjutkan dengan menjelaskan bahwa beberapa pasien dapat salah didiagnosis dan berakhir kembali di rumah sakit, di mana dia menjelaskan bahwa mereka 8 kali lebih mungkin meninggal. Hal yang paling menarik adalah ini adalah masalah yang selalu ada. Alasannya sederhana karena kesalahan pasti akan terjadi yang sayangnya dapat merugikan seseorang atau beberapa orang. Tidak hanya itu, seperti yang dikatakan Welling, ada 230 juta prosedur medis setiap tahun dengan biaya setengah triliun dolar. Seperti industri mana pun yang mencoba menyediakan layanan untuk membantu orang lain, itu membutuhkan biaya; lebih jauh lagi, itu berarti rumah sakit dan mereka yang bertanggung jawab atas pusat pendanaan medis perlu mendengarkan para inovator yang mencoba memajukan industri ke arah yang lebih baik. Namun demikian, menjadi hemat selalu bermanfaat.

Menjaga Privasi

Welling menyatakan bahwa dia dan timnya telah melakukan 3 terobosan. Salah satunya adalah komputer yang dapat menjaga privasi di dalam rumah sakit; lebih jauh lagi, komputer juga dapat menganalisis sejumlah besar data untuk lebih meningkatkan diagnosis bagi pasien yang sakit parah. Perangkat lunak ini bernama Pembelajaran Mesin. Pada dasarnya, komputer mengirimkan kueri ke database rumah sakit, yang menjawab kueri tersebut, lalu pembelajar mesin akan mengubah jawabannya dengan "menambahkan beberapa kebisingan ke dalamnya". Untuk detail lebih lanjut silahkan klik disini (Max Welling menjelaskannya lebih dekat antara menit 5:20 – 6:06). Dengan kata lain, seperti yang dijelaskan Max, komputer ingin "memperbaiki dirinya sendiri" melalui diagnosis dan "membangun model data yang lebih baik". Semua ini berkat Cynthia Kerja, yang merupakan ilmuwan terkemuka dari Microsoft Research. Dia berfokus pada menjaga privasi berdasarkan landasan matematika. Untuk lebih banyak tentang dia dan apa yang telah dia lakukan, klik disini. Singkatnya, terobosan pertama ini tidak hanya menunjukkan bahwa Max ingin menghormati informasi pribadi pasien, tetapi juga ingin memberi rumah sakit dasar yang lebih kuat untuk diagnosis.

Belajar mendalam

Terobosan kedua terungkap oleh Geoffrey Hinton. Yann Lecun, Yoshua Bengio dan Geoffrey telah menjelaskan bahwa: “Pembelajaran mendalam menemukan struktur rumit dalam kumpulan data besar dengan menggunakan algoritme backpropagation untuk menunjukkan bagaimana mesin harus mengubah parameter internalnya yang digunakan untuk menghitung representasi di setiap lapisan dari representasi di lapisan sebelumnya.” Dalam istilah awam, ini membantu mesin memahami dirinya sendiri dengan lebih baik melalui lapisan kompleksnya melalui parameter terdalamnya (untuk detail lebih lanjut, harap baca ulasan selanjutnya yang ditulis oleh ketiga pria tersebut).

Kausalitas vs Korelasi

Terobosan ketiga dan terakhir lebih merupakan ide kolaboratif untuk lebih jauh membedakan kausalitas dari korelasi. Max merasa bahwa alat Judea Pearl dapat membantu membedakan kedua konsep ini dan terorganisir. Pada dasarnya peran Judea adalah untuk membantu memberi lebih banyak struktur pada data yang dapat dilakukan jika file pasien ditransfer secara digital ke dalam database. Pekerjaan Pearl cukup kompleks jadi jika Anda ingin lebih memahami apa "alat" nya klik disini.

Keinginan Max

Welling meringkas di bagian akhir bukunya Pembicaraan TEDX bahwa dia ingin menjaga privasi melalui pembelajaran mesin. Kedua, untuk melibatkan data di bawah umur dan ilmuwan untuk lebih meningkatkan diagnosis guna menghemat uang dan nyawa. Terakhir, dia ingin merevolusi perawatan kesehatan dengan melayani rumah sakit, dokter, dan pasien dengan lebih baik melalui teknologi yang dapat membantu mempersingkat kunjungan ke rumah sakit dan menggunakan uang secara lebih efisien. Ini adalah visi yang indah tentang perawatan kesehatan karena dia tidak hanya ingin menghormati industri medis, dia juga ingin membantu menyelamatkan nyawa sambil memikirkan anggaran rumah sakit dan pusat medis.