Ali lahko ustvarimo svet brez bolezni?

Ali je mogoče imeti svet brez bolezni? Bolezen je beseda, ki jo večina (če ne vsi) ljudje čutijo neprijetno, če jo imajo sami ali nekdo, ki ga poznajo. na srečo Max Welling, profesor strojnega učenja na univerzi v Amsterdamu in član Kanadskega inštituta za napredne raziskave, je s svojo ekipo podjetnikov ustvaril sistem za analizo podatkov za diagnosticiranje bolezni pri bolnikih. Zanimivost: vodi AMLAB (Amsterdam Machine Learning LAB) in soupravlja QUVA Lab (Qualcomm-UvA Lab). Tukaj bomo videli, kako je ta čudoviti človek in njegova ekipa podjetnikov (Cynthia Dwork, Geoffrey Hinton in Judea Pearl) naredila nekaj neverjetnih prebojev, da bi rešila svet bolezni.

Zaskrbljenost Maxa Wellinga

Nekatera dejstva, ki jih Welling izpostavi med svojim govorom na TEDx, res opozarjajo na dejstvo, da včasih zdravnik med diagnozo bolnika kaj spregleda. Na primer, pravi, da »polovica medicinskih postopkov nima znanstvenih dokazov«. To diagnozo delajo predvsem z lastno prakso in znanjem, pridobljenim v šoli, medtem ko Max pravi, da bi morala obstajati neka oblika analitične prognoze glede drugih možnih bolezni. Nadaljuje z razlago, da je nekaterim bolnikom mogoče postaviti napačno diagnozo in končajo nazaj v bolnišnici, pri čemer navaja, da je pri njih 8-krat bolj verjetno, da bodo umrli. Najbolj zanimivo je, da je to vprašanje, ki je vedno obstajalo. Razlog je tako preprost, saj so napake neizogibne, kar lahko na žalost nekoga ali več ljudi stane življenja. Ne le to, kot pravi Welling, vsako leto je 230 milijonov medicinskih posegov, ki stanejo pol trilijona dolarjev. Kot vsaka industrija, ki poskuša zagotoviti storitev za pomoč drugim, stane; poleg tega to pomeni, da morajo bolnišnice in tisti, ki so odgovorni za financiranje zdravstvenih centrov, poslušati inovatorje, ki poskušajo industrijo usmeriti v boljšo smer. Kljub temu je varčnost vedno koristna.

Ohranjanje zasebnosti

Welling je izjavil, da sta on in njegova ekipa naredila 3 preboje. Eden od njih je računalnik, ki lahko ohrani zasebnost v bolnišnici; Poleg tega lahko računalniki tudi analizirajo množico podatkov za nadaljnje izboljšanje diagnoze za bolnike, ki so zelo bolni. Ta programska oprema se imenuje Strojni učenec. V bistvu računalnik pošlje poizvedbo v bolnišnično zbirko podatkov, ki odgovori na poizvedbo, nato pa bo strojni učenec spremenil odgovor tako, da mu »doda nekaj hrupa«. Za več podrobnosti prosim Klikni tukaj (Max Welling to podrobneje razloži med minutami 5:20 – 6:06). Z drugimi besedami, kot pojasnjuje Max, se želi računalnik "izboljšati" z diagnozo in "zgraditi boljši model podatkov". Vse to je zahvaljujoč Cynthia Dwork, ki je ugleden znanstvenik iz Microsoft Research. Osredotoča se na ohranjanje zasebnosti na podlagi matematičnih temeljev. Za več o njej in kaj je naredila, Klikni tukaj. Skratka, ta prvi preboj ne kaže samo, da Max želi spoštovati osebne podatke pacientov, ampak želi tudi bolnišnicam zagotoviti trdnejše temelje za diagnozo.

Globoko učenje

Drugi preboj je razkril Geoffrey Hinton. Yann Lecun, Yoshua Bengio in Geoffrey so pojasnili, da: "Globoko učenje odkrije zapleteno strukturo v velikih nizih podatkov z uporabo algoritma povratnega širjenja, da pokaže, kako naj stroj spremeni svoje notranje parametre, ki se uporabljajo za izračun predstavitve v vsaki plasti iz predstavitve v prejšnji plasti." Z laičnim izrazom pomaga stroju bolje razumeti samega sebe skozi svoje kompleksne plasti prek svojih najglobljih parametrov (za dodatne podrobnosti preberite preostanek ocene, ki so jo napisali trije gospodje).

Vzročnost proti korelaciji

Tretji in zadnji preboj je bolj ideja sodelovanja za nadaljnje razlikovanje vzročnosti od korelacije. Max meni, da lahko orodja Judea Pearl pomagajo pri razlikovanju teh dveh pojmov in organizirajte se. Vloga Judee je v bistvu pomagati dati večjo strukturo podatkov, kar je mogoče storiti, če se datoteke bolnikov digitalno prenesejo v bazo podatkov. Pearlovo delo je precej zapleteno, tako da če bi radi še bolje razumeli, kakšna so njegova »orodja«. Klikni tukaj.

Maksova želja

Welling je na koncu povzel Pogovor TEDX da želi ohraniti zasebnost prek strojnega učenca. Drugič, vključiti mladoletnike in znanstvenike, da bi še izboljšali diagnozo in prihranili denar in življenja. Nazadnje želi narediti revolucijo v zdravstvu z boljšim servisiranjem bolnišnic, zdravnikov in pacientov s tehnologijo, ki lahko pomaga skrajšati obiske v bolnišnicah in učinkoviteje porabiti denar. To je čudovita vizija o zdravstvenem varstvu, saj ne želi samo spoštovati medicinske industrije, ampak želi tudi pomagati reševati življenja, pri tem pa misli na proračune bolnišnic in zdravstvenih domov.