A mund të krijojmë një botë pa sëmundje?

A është e mundur të kemi një botë pa sëmundje? Sëmundja është një fjalë që shumica e njerëzve (nëse jo të gjithë) ndihen të parehatshëm kur dëgjojnë kur ata ose dikush që e njohin e ka një të tillë. Për fat të mirë, Max Welling, një profesor i mësimit të makinerive në Universitetin e Amsterdamit dhe anëtar i Institutit Kanadez të Kërkimeve të Avancuara, dhe ekipi i tij i sipërmarrësve kanë krijuar një sistem analize të të dhënave për diagnostikimin e sëmundjeve për pacientët. Fakt argëtues: Ai drejton AMLAB (Amsterdam Machine Learning LAB) dhe bashkëdrejton QUVA Lab (Qualcomm-UvA Lab). Këtu do të shohim se si ky njeri i mrekullueshëm dhe ekipi i tij i sipërmarrësve (Cynthia Dwork, Geoffrey Hinton dhe Judea Pearl) bënë disa përparime të jashtëzakonshme për të çliruar botën nga sëmundjet.

Shqetësimet e Max Welling

Disa nga faktet që Welling thekson gjatë fjalimit të tij në TEDx sjellin vëmendjen për faktin se ka raste kur një mjek mund të humbasë diçka gjatë një diagnoze të një pacienti. Për shembull, ai thotë se "gjysma e procedurave mjekësore nuk kanë prova shkencore të kërkuara". Kjo diagnozë bëhet kryesisht përmes praktikës së tyre dhe njohurive të marra në shkollë, ndërsa Max thotë se duhet të ketë një formë të një prognoze analitike ndaj sëmundjeve të tjera të mundshme. Më tej ai shpjegon se disa pacientë mund të diagnostikohen gabimisht dhe të përfundojnë përsëri në spital, ku saktëson se janë 8 herë më shumë gjasa për të vdekur. Gjëja më intriguese është se kjo është një çështje që ka ekzistuar gjithmonë. Arsyeja është aq e thjeshtë sa gabimet që mund të bëhen, të cilat fatkeqësisht mund t'i kushtojnë jetën dikujt ose disa njerëzve. Jo vetëm kaq, siç thotë Welling, ka 230 milionë procedura mjekësore çdo vit që kushtojnë gjysmë trilion dollarë. Ashtu si çdo industri që përpiqet të ofrojë një shërbim për të ndihmuar të tjerët, ajo kushton para; për më tepër, kjo do të thotë se spitalet dhe ata që janë përgjegjës për financimin e qendrave mjekësore duhet të dëgjojnë novatorët që përpiqen të çojnë përpara industrinë në një drejtim më të mirë. Megjithatë, të qenit i kursyer është gjithmonë i dobishëm.

Ruajtja e privatësisë

Welling deklaroi se ai dhe ekipi i tij kanë bërë 3 përparime. Njëri prej të cilëve është një kompjuter që mund të ruajë privatësinë brenda një spitali; Për më tepër, kompjuterët gjithashtu mund të analizojnë një mori të dhënash për të përmirësuar më tej diagnozën për pacientët të cilët janë mjaft të sëmurë. Ky softuer quhet Nxënës i Makinerisë. Në thelb, kompjuteri dërgon një pyetje në bazën e të dhënave të spitalit, e cila i përgjigjet pyetjes dhe më pas nxënësi i makinës do të ndryshojë përgjigjen duke "shtuar pak zhurmë në të". Për detaje të mëtejshme ju lutem Kliko këtu (Max Welling e shpjegon më nga afër mes minutave 5:20 – 6:06). Me fjalë të tjera, siç shpjegon Max, kompjuteri dëshiron të "përmirësojë veten" nëpërmjet diagnostikimit dhe "të ndërtojë një model më të mirë të dhënash". E gjithë kjo falë Cynthia Dwork, i cili është një shkencëtar i dalluar nga Microsoft Research. Ajo fokusohet në ruajtjen e privatësisë bazuar në një bazë matematikore. Për më shumë për të dhe çfarë ka bërë, Kliko këtu. Shkurtimisht, ky zbulim i parë jo vetëm që tregon se Max dëshiron të respektojë informacionin personal të pacientëve, por gjithashtu dëshiron t'u sigurojë spitaleve një bazë më të fortë për diagnozën.

Mësim i thellë

Zbulimi i dytë u nxor në dritë nga Xhefri Hinton. Yann Lecun, Yoshua Bengio dhe Geoffrey kanë shpjeguar se: "Të mësuarit e thellë zbulon strukturë të ndërlikuar në grupe të mëdha të dhënash duke përdorur algoritmin e përhapjes së pasme për të treguar se si një makinë duhet të ndryshojë parametrat e saj të brendshëm që përdoren për të llogaritur përfaqësimin në secilën shtresë nga përfaqësimi në shtresën e mëparshme." Në terma laikë, ai ndihmon një makinë të kuptojë veten më mirë përmes shtresave të saj komplekse nëpërmjet parametrave të saj më të thellë (për detaje të mëtejshme, ju lutemi lexoni pjesën tjetër të rishikimit të tre zotërinjve).

Shkakësia vs Korrelacioni

Zbulimi i tretë dhe i fundit është më shumë një ide bashkëpunuese për të diferencuar më tej shkakësinë nga korrelacioni. Max mendon se mjetet e Judea Pearl mund të ndihmojnë në dallimin e këtyre dy koncepteve dhe organizohu. Në thelb, roli i Judeas është të ndihmojë në dhënien e më shumë strukturës së të dhënave që mund të bëhen nëse skedarët e pacientëve transferohen në mënyrë dixhitale në një bazë të dhënash. Puna e Pearl është mjaft komplekse, kështu që nëse dëshironi të kuptoni më tej se cilat janë "mjetet" e tij Kliko këtu.

Dëshira e Maksit

Welling e përmbledhur në fund të tij Biseda TEDX se ai dëshiron të ruajë privatësinë përmes nxënësit të makinës. Së dyti, të angazhohen të miturit e të dhënave dhe shkencëtarët për të përmirësuar më tej diagnozën për të kursyer para dhe jetë. Së fundmi, ai dëshiron të revolucionarizojë kujdesin shëndetësor duke u shërbyer më mirë spitaleve, mjekëve dhe pacientëve përmes teknologjisë që mund të ndihmojë në shkurtimin e vizitave në spital dhe përdorimin e parave në mënyrë më efikase. Ky është një vizion i bukur për kujdesin shëndetësor, sepse ai jo vetëm që dëshiron të respektojë industrinë mjekësore, por gjithashtu dëshiron të ndihmojë në shpëtimin e jetëve duke menduar për buxhetet e spitaleve dhe qendrave mjekësore.