Possiamo creare un mondo senza malattie?

È possibile avere un mondo libero dalle malattie? Malattia è una parola che la maggior parte (se non tutte) delle persone si sente a disagio nel sentire quando loro o qualcuno che conoscono ne è affetto. Fortunatamente, Max Welling, professore di apprendimento automatico all'Università di Amsterdam e membro del Canadian Institute of Advanced Research, e il suo team di imprenditori hanno creato un sistema di analisi dei dati per la diagnosi delle malattie per i pazienti. Curiosità: dirige AMLAB (Amsterdam Machine Learning LAB) e co-dirige QUVA Lab (Qualcomm-UvA Lab). Qui vedremo come questo uomo meraviglioso e il suo team di imprenditori (Cynthia Dwork, Geoffrey Hinton e Judea Pearl) hanno fatto delle scoperte incredibili per liberare il mondo dalle malattie.

Le preoccupazioni di Max Welling

Alcuni dei fatti sottolineati da Welling durante il suo discorso al TEDx portano l'attenzione sul fatto che ci sono momenti in cui un medico potrebbe perdere qualcosa durante la diagnosi di un paziente. Ad esempio, afferma che "la metà delle procedure mediche non richiede prove scientifiche". Quella diagnosi viene fatta principalmente attraverso la propria pratica e le conoscenze acquisite a scuola, mentre Max dice che dovrebbe esserci una qualche forma di prognosi analitica verso altre possibili malattie. Poi spiega che alcuni pazienti possono ricevere una diagnosi errata e finire di nuovo in ospedale, specificando che hanno 8 volte più probabilità di morire. La cosa più intrigante è che questo è un problema che è sempre esistito. Il motivo è semplice: è probabile che vengano commessi errori che purtroppo potrebbero costare la vita a qualcuno o più persone. Non solo, come dice Welling, ogni anno vengono effettuate 230 milioni di procedure mediche che costano mezzo trilione di dollari. Come ogni settore che tenta di fornire un servizio per aiutare gli altri, costa denaro; inoltre, ciò significa che gli ospedali e i responsabili del finanziamento dei centri medici devono ascoltare gli innovatori che cercano di spingere il settore in una direzione migliore. Tuttavia, essere frugali è sempre vantaggioso.

Preservare la privacy

Welling ha dichiarato che lui e il suo team hanno fatto 3 passi avanti. Uno dei quali è un computer in grado di preservare la privacy all'interno di un ospedale; inoltre, i computer possono anche analizzare una grande quantità di dati per migliorare ulteriormente la diagnosi per i pazienti che sono gravemente malati. Questo software è denominato Apprenditore automatico. In sostanza, il computer invia una query al database dell'ospedale, che risponde alla query, quindi il machine learning cambierà la risposta "aggiungendovi del rumore". Per ulteriori dettagli, per favore clicca qui (Max Welling lo spiega più dettagliatamente tra i minuti 5:20 – 6:06). In altre parole, come spiega Max, il computer vuole “migliorarsi” attraverso la diagnosi e “costruire un modello di dati migliore”. Tutto questo è grazie a Cynthia Dwork, che è un illustre scienziato di Microsoft Research. Si concentra sulla tutela della privacy basandosi su basi matematiche. Per saperne di più su di lei e su ciò che ha fatto, clicca qui. In breve, questa prima svolta non solo dimostra che Max vuole essere rispettoso delle informazioni personali dei pazienti, ma vuole anche fornire agli ospedali una base più solida per la diagnosi.

Deep Learning

La seconda svolta è stata portata alla luce da Geoffrey Hinton. Yann Lecun, Yoshua Bengio e Geoffrey hanno spiegato che: “L’apprendimento profondo scopre strutture complesse in set di dati di grandi dimensioni utilizzando l’algoritmo di backpropagation per indicare come una macchina dovrebbe modificare i suoi parametri interni che vengono utilizzati per calcolare la rappresentazione in ogni livello dalla rappresentazione nel livello precedente”. In parole povere, aiuta una macchina a comprendere meglio se stessa attraverso i suoi strati complessi attraverso i suoi parametri più profondi (per ulteriori dettagli leggi il resto della recensione scritta dai tre signori).

Causalità vs correlazione

La terza e ultima svolta è più un’idea collaborativa per differenziare ulteriormente la causalità dalla correlazione. Max ritiene che gli strumenti di Judea Pearl possano aiutare a distinguere questi due concetti e organizzati. Essenzialmente il ruolo di Judea è quello di contribuire a dare maggiore struttura ai dati, cosa che può essere fatta se i file dei pazienti vengono trasferiti digitalmente in un database. Il lavoro di Pearl è piuttosto complesso quindi se vuoi capire meglio quali sono i suoi “strumenti”. clicca qui.

Il desiderio di Max

Welling ha riassunto alla fine del suo Discorso TEDX che vuole preservare la privacy attraverso il machine learning. In secondo luogo, coinvolgere i minori e gli scienziati al fine di migliorare ulteriormente la diagnosi per risparmiare denaro e vite umane. Infine, vuole rivoluzionare l’assistenza sanitaria offrendo un servizio migliore agli ospedali, ai medici e ai pazienti attraverso una tecnologia che possa aiutare ad abbreviare le visite ospedaliere e a utilizzare il denaro in modo più efficiente. Questa è una bella visione dell'assistenza sanitaria perché non solo vuole essere rispettoso del settore medico, ma vuole anche contribuire a salvare vite umane pensando al budget degli ospedali e dei centri medici.