Podemos criar um mundo sem doenças?

É possível ter um mundo livre de doenças? Doença é uma palavra que a maioria das pessoas (se não todas) se sente desconfortável em ouvir quando elas ou alguém que conhecem tem uma. Felizmente, Max Welling, professor de aprendizado de máquina na Universidade de Amsterdã e membro do Instituto Canadense de Pesquisa Avançada, e sua equipe de empreendedores criaram um sistema de análise de dados para diagnóstico de doenças em pacientes. Curiosidade: ele dirige o AMLAB (Amsterdam Machine Learning LAB) e codirige o QUVA Lab (Qualcomm-UvA Lab). Aqui veremos como este homem maravilhoso e a sua equipa de empreendedores (Cynthia Dwork, Geoffrey Hinton e Judea Pearl) fizeram avanços incríveis para livrar o mundo das doenças.

As preocupações de Max Welling

Alguns dos fatos apontados por Welling durante sua palestra no TEDx chamam a atenção para o fato de que há momentos em que um médico pode perder algo durante o diagnóstico de um paciente. Por exemplo, ele diz que “metade dos procedimentos médicos não tem nenhuma evidência científica solicitada”. Esse diagnóstico é feito principalmente através da própria prática e conhecimento adquirido na escola, enquanto Max está dizendo que deveria haver alguma forma de prognóstico analítico para outras possíveis doenças. Ele continua explicando que alguns pacientes podem ser mal diagnosticados e acabar voltando ao hospital, no qual especifica que têm 8 vezes mais probabilidade de morrer. O mais intrigante é que esse é um problema que sempre existiu. A razão é tão simples: erros podem ser cometidos e, infelizmente, podem custar a vida de alguém ou de várias pessoas. Não só isso, como diz Welling, há 230 milhões de procedimentos médicos todos os anos que custam meio bilião de dólares. Como qualquer setor que tenta fornecer um serviço para ajudar outras pessoas, custa dinheiro; além disso, isso significa que os hospitais e os responsáveis ​​pelo financiamento dos centros médicos precisam de ouvir os inovadores que tentam levar a indústria numa direção melhor. No entanto, ser frugal é sempre benéfico.

Preservando a privacidade

Welling afirmou que ele e sua equipe fizeram três descobertas. Um deles é um computador que pode preservar a privacidade dentro de um hospital; além disso, os computadores também podem analisar uma infinidade de dados para melhorar ainda mais o diagnóstico de pacientes que estão bastante doentes. Este software é nomeado Aprendiz de máquina. Essencialmente, o computador envia uma consulta ao banco de dados do hospital, que responde à consulta e, em seguida, o aprendizado de máquina alterará a resposta “adicionando algum ruído a ela”. Para mais detalhes por favor clique aqui (Max Welling explica isso mais detalhadamente entre 5h20 e 6h06). Em outras palavras, como explica Max, o computador quer “melhorar” por meio do diagnóstico e “construir um modelo de dados melhor”. Tudo isso é graças a Cynthia Dwork, que é um distinto cientista da Microsoft Research. Ela se concentra na preservação da privacidade com base em bases matemáticas. Para saber mais sobre ela e o que ela fez, clique aqui. Em suma, este primeiro avanço não só mostra que Max quer respeitar as informações pessoais dos pacientes, mas também quer fornecer aos hospitais uma base mais sólida para o diagnóstico.

Aprendizagem profunda

A segunda descoberta foi revelada por Geoffrey Hinton. Yann Lecun, Yoshua Bengio e Geoffrey explicaram que: “O aprendizado profundo descobre estruturas intrincadas em grandes conjuntos de dados usando o algoritmo de retropropagação para indicar como uma máquina deve alterar seus parâmetros internos que são usados ​​para calcular a representação em cada camada a partir da representação na camada anterior.” Em termos leigos, ajuda uma máquina a compreender-se melhor através das suas camadas complexas através dos seus parâmetros mais profundos (para mais detalhes, leia o resto da análise que os três senhores escreveram).

Causalidade vs Correlação

A terceira e última descoberta é mais uma ideia colaborativa para diferenciar ainda mais causalidade de correlação. Max sente que as ferramentas da Judea Pearl podem ajudar a distinguir estes dois conceitos e organize-se. Essencialmente, o papel da Judea é ajudar a dar mais estrutura aos dados, o que pode ser feito se os ficheiros dos pacientes forem transferidos digitalmente para uma base de dados. O trabalho de Pearl é bastante complexo, então se você quiser entender melhor quais são suas “ferramentas” clique aqui.

Desejo de Max

Welling resumiu no final de seu Palestra TEDX que ele deseja preservar a privacidade por meio do aprendizado de máquina. Em segundo lugar, envolver menores de dados e cientistas, a fim de melhorar ainda mais o diagnóstico e economizar dinheiro e vidas. Por último, ele quer revolucionar os cuidados de saúde, servindo melhor os hospitais, médicos e pacientes através de tecnologia que possa ajudar a reduzir as visitas aos hospitais e a utilizar o dinheiro de forma mais eficiente. Esta é uma bela visão sobre os cuidados de saúde, porque ele não só quer respeitar a indústria médica, mas também quer ajudar a salvar vidas enquanto pensa nos orçamentos dos hospitais e centros médicos.