Kan vi skapa en värld utan sjukdom?

Är det möjligt att ha en sjukdomsfri värld? Sjukdom är ett ord som de flesta (om inte alla) känner sig obekväma med att höra när antingen de eller någon de känner har en. Lyckligtvis, Max Welling, professor i maskininlärning vid universitetet i Amsterdam och medlem av Canadian Institute of Advanced research, och hans team av entreprenörer har skapat ett dataanalyssystem för diagnos av sjukdomar för patienter. Kul fakta: Han leder AMLAB (Amsterdam Machine Learning LAB) och medregisserar QUVA Lab (Qualcomm-UvA Lab). Här ska vi se hur denna underbara man och hans team av entreprenörer (Cynthia Dwork, Geoffrey Hinton och Judea Pearl) gjorde några otroliga genombrott för att befria världen från sjukdomar.

Max Wellings oro

Några av de fakta som Welling påpekar under sitt TEDx-föredrag uppmärksammar det faktum att det finns tillfällen då en läkare kan missa något under en diagnos av en patient. Till exempel säger han att "hälften av medicinska procedurer saknar vetenskapliga bevis." Den diagnosen görs i första hand genom egen praktik och kunskaper som förvärvats i skolan, medan Max menar att det borde finnas någon form av analytisk prognos mot andra möjliga sjukdomar. Han fortsätter med att förklara att vissa patienter kan feldiagnostiseras och hamna tillbaka på sjukhuset, där han specificerar att det är 8 gånger så stor risk att de dör. Det mest spännande är att detta är en fråga som alltid har funnits. Anledningen är så enkel som att misstag måste göras som tyvärr kan kosta någon eller flera människor livet. Inte nog med det, som Welling säger, det finns 230 miljoner medicinska ingrepp varje år som kostar en halv biljon dollar. Liksom alla branscher som försöker tillhandahålla en tjänst för att hjälpa andra, kostar det pengar; dessutom betyder det att sjukhus och de som ansvarar för finansieringen av medicinska centra måste lyssna på innovatörer som försöker främja branschen i en bättre riktning. Ändå är det alltid fördelaktigt att vara sparsam.

Bevara integritet

Welling uppgav att han och hans team har gjort 3 genombrott. En av dessa är en dator som kan bevara integriteten på ett sjukhus; dessutom kan datorer också analysera en uppsjö av data för att ytterligare förbättra diagnosen för patienter som är ganska sjuka. Denna programvara heter Maskininlärare. I huvudsak skickar datorn en fråga till sjukhusets databas, som svarar på frågan, sedan kommer maskininläraren att ändra svaret genom att "lägga till lite brus till den." För ytterligare information vänligen Klicka här (Max Welling förklarar det närmare mellan minuterna 5:20 – 6:06). Med andra ord, som Max förklarar det, vill datorn "bättra sig själv" via diagnos och "bygga en bättre modell av data". Allt detta är tack vare Cynthia Dwork, som är en framstående vetenskapsman från Microsoft Research. Hon fokuserar på att bevara integriteten utifrån en matematisk grund. För mer om henne och vad hon har gjort, Klicka här. Kort sagt visar detta första genombrott inte bara att Max vill ha respekt för patienternas personliga information utan också vill ge sjukhusen en mer solid grund för diagnos.

Deep Learning

Det andra genombrottet togs fram av Geoffrey Hinton. Yann Lecun, Yoshua Bengio och Geoffrey har förklarat att: "Djup inlärning upptäcker invecklad struktur i stora datamängder genom att använda backpropagation-algoritmen för att indikera hur en maskin ska ändra sina interna parametrar som används för att beräkna representationen i varje lager från representationen i föregående lager." I lekmannatermer hjälper det en maskin att förstå sig själv bättre genom sina komplexa lager via dess djupaste parametrar (för ytterligare detaljer läs resten av recensionen som de tre herrarna skrev).

Kausalitet vs korrelation

Det tredje och sista genombrottet är mer av en samarbetsidé för att ytterligare skilja kausalitet från korrelation. Max känner att Judea Pearls verktyg kan hjälpa till att skilja dessa två begrepp och bli organiserad. Judeas roll är i huvudsak att ge mer struktur åt data som kan göras om patientfiler digitalt överförs till en databas. Pearls arbete är ganska komplext, så om du vill förstå ytterligare vad hans "verktyg" är Klicka här.

Max önskan

Welling sammanfattade i slutet av sin TEDX Talk att han vill bevara integriteten genom maskininläraren. För det andra att engagera minderåriga data och forskare för att ytterligare förbättra diagnosen för att spara pengar och liv. Slutligen vill han revolutionera hälso- och sjukvården genom att bättre betjäna sjukhus, läkare och patienter genom teknik som kan hjälpa till att förkorta sjukhusbesöken och använda pengar mer effektivt. Detta är en vacker vision om hälso- och sjukvård eftersom han inte bara vill ha respekt för den medicinska industrin, han vill också hjälpa till att rädda liv samtidigt som han tänker på sjukhusens och vårdcentralernas budgetar.