Можем ли мы создать мир без болезней?

Возможен ли мир без болезней? Болезнь — это слово, которое большинству (если не всем) людям неудобно слышать, когда оно есть у них или у кого-то из их знакомых. К счастью, Макс Веллинг, профессор машинного обучения Амстердамского университета и член Канадского института перспективных исследований, и его команда предпринимателей создали систему анализа данных для диагностики заболеваний у пациентов. Интересный факт: он руководит AMLAB (Амстердамская лаборатория машинного обучения) и соруководит лабораторией QUVA (Qualcomm-UvA Lab). Здесь мы увидим, как этот замечательный человек и его команда предпринимателей (Синтия Дворк, Джеффри Хинтон и Джуда Перл) добились невероятных открытий, чтобы избавить мир от болезней.

Опасения Макса Веллинга

Некоторые факты, на которые указывает Веллинг в своем выступлении на TEDx, обращают внимание на тот факт, что бывают случаи, когда врач может что-то упустить при постановке диагноза пациенту. Например, он говорит, что «половина медицинских процедур не требует научных доказательств». Этот диагноз ставится в первую очередь на основе их собственной практики и знаний, полученных в школе, тогда как Макс говорит, что должна быть какая-то форма аналитического прогноза в отношении других возможных заболеваний. Далее он объясняет, что некоторым пациентам может быть поставлен неправильный диагноз, и они снова попадают в больницу, в которой он уточняет, что вероятность их смерти в 8 раз выше. Самое интересное, что эта проблема существовала всегда. Причина банальна, потому что обязательно будут допущены ошибки, которые, к сожалению, могут стоить кому-то или нескольким людям жизни. Мало того, что, как говорит Веллинг, ежегодно проводится 230 миллионов медицинских процедур стоимостью полтриллиона долларов. Как и в любой отрасли, пытающейся помочь другим, это стоит денег; кроме того, это означает, что больницы и те, кто отвечает за финансирование медицинских центров, должны прислушиваться к новаторам, пытающимся продвигать отрасль в лучшем направлении. Тем не менее, быть бережливым всегда полезно.

Сохранение конфиденциальности

Веллинг заявил, что он и его команда совершили 3 прорыва. Одним из них является компьютер, который может сохранять конфиденциальность в больнице; кроме того, компьютеры также могут анализировать множество данных для дальнейшего улучшения диагностики тяжелобольных пациентов. Это программное обеспечение называется Машинный ученик. По сути, компьютер отправляет запрос в базу данных больницы, которая отвечает на запрос, а машинное обучение меняет ответ, «добавляя к нему некоторый шум». Для получения дополнительной информации, пожалуйста нажмите здесь. (Макс Веллинг объясняет это более подробно между 5:20 и 6:06 минутами). Другими словами, как объясняет Макс, компьютер хочет «улучшить себя» с помощью диагностики и «построить лучшую модель данных». Все это благодаря Синтия Дворк, выдающийся ученый из Microsoft Research. Она фокусируется на сохранении конфиденциальности на основе математической основы. Чтобы узнать больше о ней и о том, что она сделала, нажмите здесь.. Короче говоря, этот первый прорыв не только показывает, что Макс хочет уважительно относиться к личной информации пациентов, но также хочет предоставить больницам более прочную основу для диагностики.

Глубокое обучение

Второй прорыв был обнаружен Джеффри Хинтон. Янн Лекун, Йошуа Бенджио и Джеффри объяснили, что: «Глубокое обучение обнаруживает сложную структуру в больших наборах данных, используя алгоритм обратного распространения, чтобы указать, как машина должна изменить свои внутренние параметры, которые используются для вычисления представления на каждом уровне из представления на предыдущем уровне». С точки зрения непрофессионала, это помогает машине лучше понять себя через свои сложные слои через свои самые глубокие параметры (для получения дополнительной информации, пожалуйста, прочитайте остальную часть обзора, написанного тремя джентльменами).

Причинность против корреляции

Третий и последний прорыв — это скорее совместная идея, направленная на дальнейшее отличие причинно-следственной связи от корреляции. Макс считает, что инструменты Judea Pearl могут помочь различить эти две концепции и быть организованным. По сути, роль Judea заключается в том, чтобы помочь структурировать данные, что можно сделать, если файлы пациентов будут переданы в базу данных в цифровом виде. Работа Перла довольно сложна, поэтому, если вы хотите глубже понять, каковы его «инструменты», нажмите здесь..

Желание Макса

Веллинг резюмировал в конце своего Обсуждение TEDX что он хочет сохранить конфиденциальность с помощью машинного обучения. Во-вторых, привлекать данных несовершеннолетних и ученых для дальнейшего улучшения диагностики, чтобы сохранить деньги и жизни. Наконец, он хочет революционизировать здравоохранение, улучшая обслуживание больниц, врачей и пациентов с помощью технологий, которые могут помочь сократить количество посещений больниц и более эффективно использовать деньги. Это прекрасный взгляд на здравоохранение, потому что он не только хочет уважительно относиться к медицинской отрасли, но и хочет помогать спасать жизни, думая о бюджетах больниц и медицинских центров.