රෝගවලින් තොර ලෝකයක් නිර්මාණය කළ හැකිද?

ලෙඩ රෝගවලින් තොර ලෝකයක් තිබිය හැකිද? රෝගය යනු බොහෝ (සියල්ලන්ම නොවේ නම්) මිනිසුන්ට හෝ තමන් දන්නා හඳුනන අයෙකුට ඇසීම අපහසුතාවයට පත්වන වචනයකි. වාසනාවකට මෙන්, මැක්ස් වෙලිං, ඇම්ස්ටර්ඩෑම් විශ්ව විද්‍යාලයේ යන්ත්‍ර ඉගෙනීම පිළිබඳ මහාචාර්යවරයෙක් සහ කැනේඩියානු උසස් පර්යේෂණ ආයතනයේ සාමාජිකයෙක් සහ ඔහුගේ ව්‍යවසායකයින් කණ්ඩායමක් රෝගීන් සඳහා රෝග විනිශ්චය සඳහා දත්ත විශ්ලේෂණ පද්ධතියක් නිර්මාණය කර ඇත. විනෝදජනක කරුණ: ඔහු AMLAB (Amsterdam Machine Learning LAB) අධ්‍යක්ෂණය කරන අතර QUVA Lab (Qualcomm-UvA Lab) සම අධ්‍යක්ෂණය කරයි. මෙන්න අපි බලමු මේ අපූරු මිනිසා සහ ඔහුගේ ව්‍යවසායකයින් කණ්ඩායම (Cynthia Dwork, Geoffrey Hinton සහ Judea Pearl) ලෝකය රෝගවලින් මිදීම සඳහා ඇදහිය නොහැකි ජයග්‍රහණ කිහිපයක් සිදු කළ ආකාරය.

මැක්ස් වෙලින්ග්ගේ කනස්සල්ල

වෙලිං ඔහුගේ TEDx කතාව අතරතුර පෙන්වා දෙන සමහර කරුණු, රෝගියෙකුගේ රෝග විනිශ්චයකදී වෛද්‍යවරයෙකුට යමක් මග හැරිය හැකි අවස්ථා ඇති බව අවධානය යොමු කරයි. නිදසුනක් වශයෙන්, ඔහු පවසන්නේ “වෛද්‍ය ක්‍රියා පටිපාටිවලින් අඩකට විද්‍යාත්මක සාක්ෂි ඉල්ලා නොසිටින” බවයි. එම රෝග විනිශ්චය මූලික වශයෙන් සිදු කරනු ලබන්නේ ඔවුන්ගේම පුහුණුවීම් සහ පාසලේදී ලබාගත් දැනුම හරහා වන අතර, මැක්ස් පවසන්නේ වෙනත් ඇතිවිය හැකි රෝග සම්බන්ධයෙන් යම් ආකාරයක විශ්ලේෂණාත්මක පුරෝකථනයක් තිබිය යුතු බවයි. සමහර රෝගීන් වැරදි ලෙස හඳුනාගෙන නැවත රෝහලට ගෙන යා හැකි බව ඔහු තවදුරටත් පැහැදිලි කරයි, එහිදී ඔහු සඳහන් කරන්නේ ඔවුන් මිය යාමට 8 ගුණයක් වැඩි බවයි. වඩාත්ම කුතුහලය දනවන කරුණ නම් මෙය සැමවිටම පැවති ගැටළුවකි. හේතුව, අවාසනාවන්ත ලෙස කෙනෙකුගේ හෝ කිහිප දෙනෙකුගේ ජීවිත අහිමි විය හැකි වැරදි සිදු විය හැකි තරම් සරල ය. ඒ විතරක් නෙවෙයි, වෙලින් කියන විදියට ඩොලර් ට්‍රිලියන භාගයක් වැය වෙන වෛද්‍ය ක්‍රමවේද මිලියන 230ක් වසරකට තියෙනවා. අන් අයට උපකාර කිරීම සඳහා සේවාවක් සැපයීමට උත්සාහ කරන ඕනෑම කර්මාන්තයක් මෙන්, එයට මුදල් වැය වේ; තවද, එයින් අදහස් වන්නේ රෝහල් සහ වෛද්‍ය මධ්‍යස්ථාන සඳහා අරමුදල් සැපයීම භාරව සිටින අය කර්මාන්තය වඩා හොඳ දිශාවකට ඉදිරියට ගෙන යාමට උත්සාහ කරන නවෝත්පාදකයින්ට සවන් දිය යුතු බවයි. කෙසේවෙතත්, අරපිරිමැස්මෙන් කටයුතු කිරීම සැමවිටම ප්රයෝජනවත් වේ.

පෞද්ගලිකත්වය ආරක්ෂා කිරීම

වෙලිං ප්‍රකාශ කළේ ඔහු සහ ඔහුගේ කණ්ඩායම ජයග්‍රහණ 3ක් සිදු කර ඇති බවයි. ඉන් එකක් රෝහලක් තුළ පෞද්ගලිකත්වය ආරක්ෂා කළ හැකි පරිගණකයකි; තවද, තරමක් රෝගාතුර වූ රෝගීන් සඳහා රෝග විනිශ්චය තවදුරටත් වැඩිදියුණු කිරීම සඳහා පරිගණකවලට දත්ත රාශියක් විශ්ලේෂණය කළ හැකිය. මෙම මෘදුකාංගය නම් කර ඇත මැෂින් ලර්නර්. අත්‍යවශ්‍යයෙන්ම, පරිගණකය රෝහල් දත්ත ගබඩාවට විමසුමක් යවයි, එය විමසුමට පිළිතුරු දෙයි, එවිට යන්ත්‍ර ඉගෙන ගන්නා තැනැත්තා “එයට යම් ශබ්දයක් එක් කිරීමෙන්” පිළිතුර වෙනස් කරයි. වැඩි විස්තර සඳහා කරුණාකර මෙහි ක්ලික් කරන්න (මැක්ස් වෙලින් විනාඩි 5:20 - 6:06 අතර වඩාත් සමීපව පැහැදිලි කරයි). වෙනත් වචන වලින් කිවහොත්, මැක්ස් එය පැහැදිලි කරන පරිදි, පරිගණකයට අවශ්‍ය වන්නේ රෝග විනිශ්චය හරහා “වඩා හොඳ” කිරීමට සහ “වඩා හොඳ දත්ත ආකෘතියක් ගොඩනැගීමට” ය. මේ සියල්ලට ස්තූතිවන්ත වේ සින්තියා ඩ්වර්ක්, ඔහු මයික්‍රොසොෆ්ට් රිසර්ච් හි කීර්තිමත් විද්‍යාඥයෙකි. ඇය ගණිතමය පදනමක් මත පදනම් වූ පෞද්ගලිකත්වය ආරක්ෂා කිරීම කෙරෙහි අවධානය යොමු කරයි. ඇය ගැන සහ ඇය කළ දේ ගැන වැඩි විස්තර සඳහා, මෙහි ක්ලික් කරන්න. කෙටියෙන් කිවහොත්, මෙම පළමු ප්‍රගතිය පෙන්නුම් කරන්නේ මැක්ස් රෝගීන්ගේ පුද්ගලික තොරතුරුවලට ගරු කිරීමට අවශ්‍ය බව පමණක් නොව රෝග විනිශ්චය සඳහා වඩාත් ශක්තිමත් පදනමක් රෝහල්වලට සැපයීමට අවශ්‍ය බවයි.

ගැඹුරු ඉගෙනීම

දෙවන පෙරළිය ආලෝකයට ගෙන ආවේය ජෙෆ්රි හින්ටන්. Yann Lecun, Yoshua Bengio සහ Geoffrey "ගැඹුරු ඉගෙනීම මගින් විශාල දත්ත කට්ටලවල සංකීර්ණ ව්‍යුහය සොයා ගන්නේ backpropagation algorithm භාවිතයෙන් යන්ත්‍රයක් එක් එක් ස්ථරයේ නිරූපණය පෙර ස්ථරයේ නිරූපණයෙන් ගණනය කිරීමට භාවිතා කරන එහි අභ්‍යන්තර පරාමිතීන් වෙනස් කළ යුතු ආකාරය දැක්වීමෙනි." සාමාන්‍ය වචන වලින් කිවහොත්, එය යන්ත්‍රයකට එහි ගැඹුරුම පරාමිති හරහා එහි සංකීර්ණ ස්ථර හරහා තමාව වඩා හොඳින් අවබෝධ කර ගැනීමට උපකාරී වේ (වැඩිදුර විස්තර සඳහා කරුණාකර මහත්වරුන් තිදෙනා ලියා ඇති සමාලෝචනයේ ඉතිරි කොටස කියවන්න).

හේතුව සහ සහසම්බන්ධය

තුන්වන සහ අවසාන ප්‍රගතිය සහසම්බන්ධතාවයෙන් හේතුකාරකත්වය තවදුරටත් වෙනස් කිරීම සඳහා සහයෝගී අදහසකි. මෙම සංකල්ප දෙක සහ වෙන්කර හඳුනා ගැනීමට Judea Pearl ගේ මෙවලම් උපකාරී වන බව මැක්ස් හැඟේ සංවිධානය වෙනවා. අවශ්‍යයෙන්ම යුදයේ කාර්යභාරය වන්නේ රෝගියාගේ ලිපිගොනු ඩිජිටල් ලෙස දත්ත ගබඩාවකට මාරු කළහොත් කළ හැකි දත්තවලට වැඩි ව්‍යුහයක් ලබා දීමට උපකාර කිරීමයි. පර්ල්ගේ කාර්යය බෙහෙවින් සංකීර්ණ බැවින් ඔබ ඔහුගේ "මෙවලම්" යනු කුමක්දැයි තවදුරටත් තේරුම් ගැනීමට කැමති නම් මෙහි ක්ලික් කරන්න.

මැක්ස්ගේ කැමැත්ත

වෙලිං ඔහුගේ අවසානයේ සාරාංශ කළේය TEDX කතා මැෂින් ලර්නර් හරහා පුද්ගලිකත්වය ආරක්ෂා කිරීමට ඔහුට අවශ්‍ය බව. දෙවනුව, මුදල් සහ ජීවිත ඉතිරි කර ගැනීම සඳහා රෝග විනිශ්චය තවදුරටත් වැඩිදියුණු කිරීම සඳහා දත්ත බාල වයස්කරුවන් සහ විද්‍යාඥයින් සම්බන්ධ කර ගැනීම. අවසාන වශයෙන්, ඔහුට අවශ්‍ය වන්නේ රෝහල් චාරිකා කෙටි කිරීමට සහ මුදල් වඩාත් කාර්යක්ෂමව භාවිතා කිරීමට උපකාරී වන තාක්‍ෂණය හරහා රෝහල්, වෛද්‍යවරුන් සහ රෝගීන්ට වඩා හොඳින් සේවය කිරීමෙන් සෞඛ්‍ය සේවාවේ විප්ලවයක් ඇති කිරීමට ය. මෙය සෞඛ්‍ය ආරක්ෂණය පිළිබඳ සුන්දර දර්ශනයකි, මන්ද ඔහුට වෛද්‍ය ක්ෂේත්‍රයට ගරු කිරීමට අවශ්‍ය පමණක් නොව, රෝහල් සහ වෛද්‍ය මධ්‍යස්ථාන අයවැය ගැන සිතමින් ජීවිත බේරා ගැනීමට උදවු කිරීමටද ඔහුට අවශ්‍ය වේ.