Czy możemy stworzyć świat bez chorób?

Czy świat wolny od chorób jest możliwy? Choroba to słowo, które większość (jeśli nie wszyscy) ludzie odczuwają niekomfortowo, słysząc je lub ktoś, kogo znają. Na szczęście, Maksa Wellinga, profesor uczenia maszynowego na Uniwersytecie w Amsterdamie i członek Canadian Institute of Advanced Research, wraz ze swoim zespołem przedsiębiorców stworzył system analizy danych do diagnozowania chorób u pacjentów. Ciekawostka: kieruje AMLAB (Amsterdam Machine Learning LAB) i współkieruje QUVA Lab (Qualcomm-UvA Lab). Tutaj zobaczymy, jak ten wspaniały człowiek i jego zespół przedsiębiorców (Cynthia Dwork, Geoffrey Hinton i Judea Pearl) dokonali niesamowitych przełomów, aby uwolnić świat od chorób.

Obawy Maxa Wellinga

Niektóre fakty, na które Welling zwraca uwagę podczas swojego wystąpienia na TEDx, zwracają uwagę na fakt, że czasami lekarz może coś przeoczyć podczas diagnozowania pacjenta. Mówi na przykład, że „połowa procedur medycznych nie wymaga żadnych dowodów naukowych”. Ta diagnoza jest dokonywana przede wszystkim na podstawie własnej praktyki i wiedzy zdobytej w szkole, podczas gdy Max mówi, że powinna istnieć jakaś forma analitycznej prognozy w kierunku innych możliwych chorób. Następnie wyjaśnia, że ​​niektórzy pacjenci mogą zostać błędnie zdiagnozowani i trafić z powrotem do szpitala, w którym stwierdza, że ​​istnieje 8 razy większe prawdopodobieństwo śmierci. Najbardziej intrygujące jest to, że jest to problem, który istniał od zawsze. Powód jest o tyle prosty, że popełnia się błędy, które niestety mogą kosztować życie jednej lub kilku osób. Co więcej, jak mówi Welling, każdego roku przeprowadza się 230 milionów procedur medycznych, które kosztują pół biliona dolarów. Jak każda branża, która próbuje świadczyć usługi pomagające innym, to kosztuje; co więcej, oznacza to, że szpitale i osoby odpowiedzialne za finansowanie centrów medycznych muszą słuchać innowatorów próbujących skierować branżę w lepszym kierunku. Niemniej jednak oszczędność jest zawsze korzystna.

Ochrona prywatności

Welling stwierdził, że on i jego zespół dokonali 3 przełomów. Jednym z nich jest komputer, który może zachować prywatność w szpitalu; ponadto komputery mogą również analizować mnóstwo danych w celu dalszej poprawy diagnozy pacjentów, którzy są dość chorzy. To oprogramowanie nosi nazwę Uczenie maszynowe. Zasadniczo komputer wysyła zapytanie do szpitalnej bazy danych, która odpowiada na zapytanie, a następnie uczący się zmienia odpowiedź, „dodając do niej trochę szumu”. Aby uzyskać więcej informacji, proszę kliknij tutaj (Max Welling wyjaśnia to dokładniej między minutami 5:20 – 6:06). Innymi słowy, jak wyjaśnia Max, komputer chce „ulepszyć się” poprzez diagnozę i „zbudować lepszy model danych”. Wszystko to dzięki Cynthia Dwork, który jest wybitnym naukowcem z Microsoft Research. Koncentruje się na ochronie prywatności w oparciu o matematyczne podstawy. Więcej o niej i o tym, co zrobiła, kliknij tutaj. Krótko mówiąc, ten pierwszy przełom nie tylko pokazuje, że Max chce szanować dane osobowe pacjentów, ale także chce zapewnić szpitalom solidniejsze podstawy do diagnozowania.

głęboki Learning

Drugi przełom został ujawniony przez Geoffreya Hintona. Yann Lecun, Yoshua Bengio i Geoffrey wyjaśnili, że: „Deep learning odkrywa skomplikowaną strukturę w dużych zbiorach danych, używając algorytmu propagacji wstecznej, aby wskazać, w jaki sposób maszyna powinna zmienić swoje wewnętrzne parametry, które są używane do obliczania reprezentacji w każdej warstwie z reprezentacji w poprzedniej warstwie”. W kategoriach laika pomaga maszynie lepiej zrozumieć samą siebie poprzez złożone warstwy i najgłębsze parametry (więcej szczegółów można znaleźć w dalszej części recenzji napisanej przez trzech dżentelmenów).

Przyczynowość a korelacja

Trzeci i ostatni przełom to bardziej wspólny pomysł na dalsze odróżnienie przyczynowości od korelacji. Max czuje, że narzędzia Judea Pearl mogą pomóc rozróżnić te dwie koncepcje i być zorganizowanym. Zasadniczo rolą Judei jest pomoc w nadaniu większej struktury danym, co można zrobić, jeśli pliki pacjentów zostaną przesłane cyfrowo do bazy danych. Praca Pearla jest dość złożona, więc jeśli chcesz lepiej zrozumieć, jakie są jego „narzędzia”. kliknij tutaj.

Życzenie Maksa

Welling podsumował na końcu swojego Dyskusja TEDX że chce zachować prywatność za pośrednictwem uczenia maszynowego. Po drugie, aby zaangażować nieletnich danych i naukowców w celu dalszej poprawy diagnozy w celu oszczędzania pieniędzy i życia. Wreszcie, chce zrewolucjonizować opiekę zdrowotną, lepiej służąc szpitalom, lekarzom i pacjentom za pomocą technologii, która może pomóc skrócić wizyty w szpitalu i wydajniej wykorzystać pieniądze. To piękna wizja służby zdrowia, bo nie tylko chce szanować branżę medyczną, ale chce też ratować życie, myśląc o budżetach szpitali i centrów medycznych.