Kan vi skape en verden uten sykdom?

Er det mulig å ha en sykdomsfri verden? Sykdom er et ord de fleste (om ikke alle) mennesker føler ubehag med å høre når enten de eller noen de kjenner har det. Heldigvis, Max Welling, professor i maskinlæring ved Universitetet i Amsterdam og medlem av Canadian Institute of Advanced research, og hans team av gründere har laget et dataanalysesystem for diagnostisering av sykdommer for pasienter. Morsomt faktum: Han leder AMLAB (Amsterdam Machine Learning LAB) og medregisserer QUVA Lab (Qualcomm-UvA Lab). Her skal vi se hvordan denne fantastiske mannen og hans team av entreprenører (Cynthia Dwork, Geoffrey Hinton og Judea Pearl) gjorde noen utrolige gjennombrudd for å befri verden for sykdom.

Max Wellings bekymringer

Noen av faktaene som Welling påpeker under sin TEDx-tale bringer oppmerksomhet til det faktum at det er tider når en lege kan gå glipp av noe under en diagnose av en pasient. For eksempel sier han at «halvparten av medisinske prosedyrer har ingen oppfordret vitenskapelig bevis». Den diagnosen gjøres først og fremst gjennom egen praksis og kunnskap som er tilegnet i skolen, mens Max sier at det bør være en form for analytisk prognose mot andre mulige sykdommer. Han fortsetter med å forklare at noen pasienter kan bli feildiagnostisert og havne tilbake på sykehuset, der han spesifiserer at det er 8 ganger større sannsynlighet for å dø. Det mest spennende er at dette er et problem som alltid har eksistert. Årsaken er så enkel som at det garantert vil bli gjort feil som dessverre kan koste noen eller flere mennesker livet. Ikke bare det, som Welling sier, er det 230 millioner medisinske prosedyrer hvert år som koster en halv billion dollar. Som enhver industri som prøver å tilby en tjeneste for å hjelpe andre, koster det penger. videre betyr det at sykehus og de som er ansvarlige for finansiering av medisinske sentre, må lytte til innovatører som prøver å fremme industrien i en bedre retning. Likevel er det alltid gunstig å være sparsommelig.

Bevaring av personvern

Welling uttalte at han og teamet hans har gjort 3 gjennombrudd. En av dem er en datamaskin som kan bevare personvernet på et sykehus; i tillegg kan datamaskiner også analysere en mengde data for å forbedre diagnosen ytterligere for pasienter som er ganske syke. Denne programvaren heter Maskinlærer. I hovedsak sender datamaskinen en spørring til sykehusdatabasen, som svarer på spørringen, så vil maskineleven endre svaret ved å "legge til noe støy til det." For ytterligere detaljer vennligst Klikk her (Max Welling forklarer det nærmere mellom minuttene 5:20 – 6:06). Med andre ord, som Max forklarer det, ønsker datamaskinen å "bedre seg selv" via diagnose og "bygge en bedre modell av data". Alt dette er takket være Cynthia Dwork, som er en fremtredende vitenskapsmann fra Microsoft Research. Hun fokuserer på å bevare personvernet basert på et matematisk grunnlag. For mer om henne og hva hun har gjort, Klikk her. Kort sagt, dette første gjennombruddet viser ikke bare at Max ønsker å ha respekt for pasientens personlige opplysninger, men også ønsker å gi sykehusene et mer solid grunnlag for diagnose.

Dyp læring

Det andre gjennombruddet ble brakt frem av Geoffrey Hinton. Yann Lecun, Yoshua Bengio og Geoffrey har forklart at: "Dyp læring oppdager intrikate strukturer i store datasett ved å bruke tilbakepropageringsalgoritmen for å indikere hvordan en maskin skal endre sine interne parametere som brukes til å beregne representasjonen i hvert lag fra representasjonen i forrige lag." I lekmannstermer hjelper det en maskin å forstå seg selv bedre gjennom de komplekse lagene via de dypeste parametrene (for ytterligere detaljer, les resten av anmeldelsen de tre herrene skrev).

Kausalitet vs korrelasjon

Det tredje og siste gjennombruddet er mer en samarbeidside for å skille kausalitet fra korrelasjon ytterligere. Max føler at Judea Pearls verktøy kan hjelpe til med å skille disse to konseptene og bli organisert. I hovedsak er Judeas rolle å bidra til å gi mer struktur til data som kan gjøres hvis pasientfiler overføres digitalt til en database. Pearls arbeid er ganske komplekst, så hvis du ønsker å forstå ytterligere hva hans "verktøy" er Klikk her.

Max sitt ønske

Welling oppsummerte på slutten av sin TEDX Talk at han ønsker å bevare privatlivet gjennom maskinlæreren. For det andre å engasjere mindreårige og forskere for å forbedre diagnosen ytterligere for å spare penger og liv. Til slutt ønsker han å revolusjonere helsevesenet ved å betjene sykehus, leger og pasienter bedre gjennom teknologi som kan bidra til å forkorte sykehusbesøk og bruke penger mer effektivt. Dette er en vakker visjon om helsetjenester fordi han ikke bare ønsker å ha respekt for den medisinske industrien, han vil også bidra til å redde liv mens han tenker på sykehus og medisinske sentres budsjetter.