האם נוכל ליצור עולם ללא מחלות?

האם זה אפשרי לקיים עולם נקי ממחלות? מחלה היא מילה שרוב (אם לא כולם) מרגישים לא בנוח לשמוע כשלהם או למישהו שהם מכירים יש מילה. לְמַרְבֶּה הַמַזָל, מקס וולינג, פרופסור ללמידת מכונה באוניברסיטת אמסטרדם וחבר במכון הקנדי למחקר מתקדם, וצוות היזמים שלו יצרו מערכת ניתוח נתונים לאבחון מחלות לחולים. עובדה מהנה: הוא מנהל את AMLAB (Amsterdam Machine Learning LAB) ומנהל שותף QUVA Lab (Qualcomm-UvA Lab). כאן נראה כיצד האיש הנפלא הזה וצוות היזמים שלו (סינתיה דיוורק, ג'פרי הינטון וג'ודה פרל) עשו כמה פריצות דרך מדהימות כדי להיפטר מהמחלות מהעולם.

החששות של מקס וולינג

חלק מהעובדות שעליהן מציין וולינג במהלך הרצאת ה-TEDx שלו אכן מביאות את תשומת הלב לעובדה שיש מקרים שבהם רופא עלול לפספס משהו במהלך אבחון של מטופל. לדוגמה, הוא אומר ש"למחצית מההליכים הרפואיים אין הוכחות מדעיות מבוקשות". האבחון הזה נעשה בעיקר באמצעות התרגול והידע שלהם שנרכשו בבית הספר, בעוד מקס אומר שצריכה להיות צורה כלשהי של פרוגנוזה אנליטית כלפי מחלות אפשריות אחרות. הוא ממשיך ומסביר שחלק מהחולים עלולים להיות מאובחנים בטעות ולהגיע חזרה לבית החולים, בו הוא מציין שיש סיכוי גבוה פי 8 למות. הדבר הכי מסקרן הוא שמדובר בנושא שתמיד היה קיים. הסיבה היא פשוטה כמו שבטח ייעשו טעויות שלמרבה הצער עלולות לעלות בחייהם של מישהו או כמה אנשים. לא רק זה, כפי שאומר וולינג, יש 230 מיליון הליכים רפואיים מדי שנה בעלות של חצי טריליון דולר. כמו כל תעשייה שמנסה לספק שירות כדי לעזור לאחרים, זה עולה כסף; יתרה מכך, זה אומר שבתי חולים ואלו שאחראים על מימון מרכזים רפואיים צריכים להקשיב לחדשנים שמנסים לקדם את התעשייה בכיוון טוב יותר. עם זאת, להיות חסכני תמיד מועיל.

שמירה על פרטיות

וולינג הצהיר שהוא והצוות שלו עשו 3 פריצות דרך. אחד מהם הוא מחשב שיכול לשמור על פרטיות בתוך בית חולים; יתרה מכך, מחשבים יכולים גם לנתח שפע של נתונים כדי לשפר עוד יותר את האבחנה של חולים שהם די חולים. לתוכנה הזו קוראים לומד מכונה. בעיקרו של דבר, המחשב שולח שאילתה למסד הנתונים של בית החולים, אשר עונה על השאילתה ואז הלומד במכונה ישנה את התשובה על ידי "הוספת קצת רעש לה". לפרטים נוספים בבקשה לחץ כאן (מקס וולינג מסביר את זה יותר מקרוב בין דקות 5:20 – 6:06). במילים אחרות, כפי שמקס מסביר זאת, המחשב רוצה "לשפר את עצמו" באמצעות אבחון ו"לבנות מודל טוב יותר של נתונים". כל זה בזכות סינתיה דורק, שהוא מדען מובהק מ-Microsoft Research. היא מתמקדת בשמירה על הפרטיות בהתבסס על בסיס מתמטי. למידע נוסף עליה ועל מה שהיא עשתה, לחץ כאן. בקיצור, פריצת הדרך הראשונה לא רק מראה שמקס רוצה לכבד את המידע האישי של המטופלים, אלא גם רוצה לספק לבתי החולים בסיס מוצק יותר לאבחון.

למידה עמוקה

את פריצת הדרך השנייה הביא ג'פרי הינטון. יאן לקון, יושע בנג'יו וג'פרי הסבירו כי: "למידה עמוקה מגלה מבנה מורכב במערכות נתונים גדולות על ידי שימוש באלגוריתם ההפצה לאחור כדי לציין כיצד מכונה צריכה לשנות את הפרמטרים הפנימיים שלה המשמשים לחישוב הייצוג בכל שכבה מהייצוג בשכבה הקודמת." במונחים של הדיוטות, זה עוזר למכונה להבין את עצמה טוב יותר דרך השכבות המורכבות שלה באמצעות הפרמטרים העמוקים ביותר שלה (לפרטים נוספים אנא קרא את שאר הביקורת שכתבו שלושת האדונים).

סיבתיות מול מתאם

פריצת הדרך השלישית והאחרונה היא יותר רעיון שיתופי כדי להבדיל עוד יותר בין סיבתיות לקורלציה. מקס מרגיש שהכלים של יהודה פרל יכולים לעזור להבחין בין שני המושגים הללו ו תתארגן. בעיקרו של דבר, תפקידה של יהודה הוא לעזור לתת יותר מבנה לנתונים שניתן לעשות אם קבצי מטופלים מועברים דיגיטלית למסד נתונים. העבודה של פרל מורכבת למדי, אז אם תרצה להבין יותר מה הם ה"כלים" שלו לחץ כאן.

המשאלה של מקס

סיכם וולינג בסוף שלו TEDX Talk שהוא רוצה לשמור על הפרטיות באמצעות הלומד המכונה. שנית, כדי לערב קטיני מידע ומדענים כדי לשפר עוד יותר את האבחון כדי לחסוך כסף וחיים. לבסוף, הוא רוצה לחולל מהפכה בתחום הבריאות על ידי שירות טוב יותר לבתי חולים, רופאים וחולים באמצעות טכנולוגיה שיכולה לעזור לקצר את הביקורים בבתי החולים ולנצל את הכסף בצורה יעילה יותר. זהו חזון יפהפה על שירותי בריאות, כי לא רק שהוא רוצה לכבד את התעשייה הרפואית, הוא גם רוצה לעזור להציל חיים תוך שהוא חושב על התקציבים של בתי החולים והמרכזים הרפואיים.