Hastalıksız bir dünya yaratabilir miyiz?

Hastalıklardan arınmış bir dünya mümkün mü? Hastalık, çoğu insanın (hepsi değilse de) kendilerinin veya tanıdıklarının bir hastalığı olduğunda duymaktan rahatsız olduğu bir kelimedir. Neyse ki, Maksimum WellingAmsterdam Üniversitesi'nde makine öğrenimi profesörü ve Kanada İleri Araştırmalar Enstitüsü üyesi olan Dr. Eğlenceli gerçek: AMLAB'ı (Amsterdam Machine Learning LAB) yönetiyor ve QUVA Lab'ı (Qualcomm-UvA Lab) ortak yönetiyor. Burada, bu harika adamın ve girişimci ekibinin (Cynthia Dwork, Geoffrey Hinton ve Judea Pearl) dünyayı hastalıklardan kurtarmak için nasıl inanılmaz atılımlar yaptığını göreceğiz.

Max Welling'in endişeleri

Welling'in TEDx konuşması sırasında işaret ettiği bazı gerçekler, bir doktorun bir hastaya teşhis koyarken bazı şeyleri gözden kaçırabileceğine dikkat çekiyor. Örneğin, "tıbbi prosedürlerin yarısının hiçbir bilimsel kanıtı yoktur" diyor. Bu teşhis öncelikle kendi uygulamaları ve okulda edindikleri bilgilerle yapılırken, Max diğer olası hastalıklara yönelik bir tür analitik prognoz olması gerektiğini söylüyor. Bazı hastalara yanlış teşhis konulabileceğini ve sonunda hastaneye geri dönebileceğini açıklamaya devam ediyor ve burada ölme olasılıklarının 8 kat daha yüksek olduğunu belirtiyor. En ilgi çekici olan şey, bunun her zaman var olan bir sorun olmasıdır. Nedeni çok basit, ne yazık ki bir veya birkaç kişinin hayatına mal olabilecek hatalar yapılmaya mahkumdur. Sadece bu da değil, Welling'in dediği gibi, her yıl yarım trilyon dolara mal olan 230 milyon tıbbi prosedür var. Başkalarına yardım etmek için bir hizmet sunmaya çalışan herhangi bir endüstri gibi, bunun da maliyeti vardır; dahası, bu, hastanelerin ve tıp merkezlerini finanse etmekten sorumlu olanların, sektörü daha iyi bir yöne doğru ilerletmeye çalışan yenilikçileri dinlemesi gerektiği anlamına gelir. Yine de tutumlu olmak her zaman faydalıdır.

Gizliliği Koruma

Welling, kendisinin ve ekibinin 3 atılım gerçekleştirdiğini belirtti. Bunlardan biri hastane içinde mahremiyeti koruyabilen bir bilgisayar; ayrıca bilgisayarlar, oldukça hasta olan hastalar için tanıyı daha da iyileştirmek için çok sayıda veriyi de analiz edebilir. Bu yazılımın adı Makine Öğrenicisi. Temelde bilgisayar, hastane veritabanına sorguyu yanıtlayan bir sorgu gönderir, ardından makine öğrenicisi "biraz gürültü ekleyerek" yanıtı değiştirir. Daha fazla detay için lütfen buraya Tıkla (Max Welling bunu 5:20 – 6:06 dakikaları arasında daha yakından açıklıyor). Başka bir deyişle, Max'in açıkladığı gibi, bilgisayar teşhis yoluyla "kendini iyileştirmek" ve "daha iyi bir veri modeli oluşturmak" istiyor. Bütün bunlar sayesinde Cynthia Dwork, Microsoft Research'ten seçkin bir bilim insanıdır. Matematiksel bir temele dayalı olarak mahremiyeti korumaya odaklanır. Kendisi ve yaptıkları hakkında daha fazla bilgi için, buraya Tıkla. Kısacası bu ilk buluş, Max'in hastaların kişisel bilgilerine saygılı olmak istediğini göstermekle kalmıyor, aynı zamanda hastanelere teşhis için daha sağlam bir temel sağlamak istiyor.

Derin Öğrenme

İkinci buluş gün ışığına çıkarıldı Geoffrey Hinton. Yann Lecun, Yoshua Bengio ve Geoffrey "Derin öğrenme, bir makinenin önceki katmandaki temsilden her katmandaki temsili hesaplamak için kullanılan dahili parametrelerini nasıl değiştirmesi gerektiğini belirtmek için geri yayılım algoritmasını kullanarak büyük veri kümelerindeki karmaşık yapıyı keşfeder." Layman açısından, bir makinenin en derin parametreleri aracılığıyla karmaşık katmanları aracılığıyla kendisini daha iyi anlamasına yardımcı olur (daha fazla ayrıntı için lütfen üç beyefendinin yazdığı incelemenin geri kalanını okuyun).

Nedensellik ve Korelasyon

Üçüncü ve son buluş, nedenselliği korelasyondan daha fazla ayırmak için daha çok işbirlikçi bir fikirdir. Max, Judea Pearl'ün araçlarının bu iki kavramı ayırt etmeye yardımcı olabileceğini düşünüyor ve organize ol. Temelde Judea'nın rolü, hasta dosyalarının dijital olarak bir veri tabanına aktarılması durumunda yapılabilecek verilere daha fazla yapı kazandırmaya yardımcı olmaktır. Pearl'ün işi oldukça karmaşık, bu yüzden onun "araçlarının" ne olduğunu daha iyi anlamak isterseniz buraya Tıkla.

Max'in Dileği

Welling, yazısının sonunda özetledi: TEDX Konuşması makine öğrenici aracılığıyla gizliliği korumak istiyor. İkinci olarak, para ve hayat kurtarmak için teşhisi daha da iyileştirmek amacıyla küçük veri sahipleri ve bilim insanlarını dahil etmek. Son olarak, hastane ziyaretlerini kısaltmaya ve parayı daha verimli kullanmaya yardımcı olabilecek teknoloji aracılığıyla hastanelere, doktorlara ve hastalara daha iyi hizmet vererek sağlık hizmetlerinde devrim yaratmak istiyor. Bu, sağlık hizmetlerine ilişkin güzel bir vizyon çünkü yalnızca tıp endüstrisine saygılı olmak istemiyor, aynı zamanda hastanelerin ve tıp merkezlerinin bütçelerini düşünürken hayatların kurtarılmasına da yardımcı olmak istiyor.