我们能创造一个没有疾病的世界吗？

是否有可能拥有一个没有疾病的世界？疾病这个词是大多数（如果不是全部）人们在他们或他们认识的人患有疾病时感到不舒服的。幸运的是， 马克斯·韦林阿姆斯特丹大学机器学习教授、加拿大高级研究院成员和他的企业家团队创建了一个用于患者疾病诊断的数据分析系统。有趣的事实：他领导 AMLAB（阿姆斯特丹机器学习实验室）并共同领导 QUVA 实验室（高通-UvA 实验室）。在这里，我们将看到这位出色的人和他的企业家团队（辛西娅·德沃克、杰弗里·辛顿和朱迪亚·珀尔）如何取得一些令人难以置信的突破，以消除世界上的疾病。

马克斯·威灵的担忧

Welling 在 TEDx 演讲中指出的一些事实确实引起了人们的注意，即医生在诊断患者时有时可能会漏掉一些东西。例如，他说“一半的医疗程序没有征求科学证据。”这种诊断主要是通过他们自己的实践和在学校获得的知识来完成的，而马克斯则说应该对其他可能的疾病进行某种形式的分析预测。他接着解释说，一些患者可能会被误诊并最终返回医院，并指出他们死亡的可能性是普通患者的 8 倍。最有趣的是，这是一个一直存在的问题。原因很简单，因为错误是不可避免的，不幸的是，错误可能会导致某人或多人丧生。不仅如此，正如 Welling 所说，每年有 230 亿例医疗程序，耗资 XNUMX 亿美元。就像任何试图提供服务来帮助他人的行业一样，它需要花钱；此外，这意味着医院和负责资助医疗中心的人员需要听取创新者的意见，努力推动行业朝着更好的方向发展。尽管如此，节俭总是有好处的。

保护隐私

威灵表示，他和他的团队已经取得了3项突破。其中之一是可以在医院内保护隐私的计算机；此外，计算机还可以分析大量数据，以进一步改善对病情严重的患者的诊断。这个软件的名字叫 机器学习者。 本质上，计算机向医院数据库发送查询，医院数据库回答该查询，然后机器学习器将通过“添加一些噪音”来更改答案。欲了解更多详情，请 点击此处 （Max Welling 在 5:20 – 6:06 分钟之间更详细地解释了这一点）。换句话说，正如马克斯所解释的那样，计算机希望通过诊断来“改善自己”并“建立更好的数据模型”。这一切都归功于 辛西娅·德沃克（Cynthia Dwork），他是微软研究院的杰出科学家。她专注于基于数学基础的隐私保护。有关她和她所做的事情的更多信息， 点击此处。总之，这一突破不仅体现了Max对患者个人信息的尊重，也希望为医院提供更坚实的诊断基础。

深度学习

第二个突破是由 杰弗里·欣顿. 扬·勒昆 (Yann Lecun)、约书亚·本吉奥 (Yoshua Bengio) 和杰弗里 (Geoffrey) 解释说：“深度学习通过使用反向传播算法来发现大数据集中的复杂结构，以指示机器应如何更改其内部参数，这些参数用于根据前一层的表示来计算每一层的表示。”用外行的话来说，它可以帮助机器通过其最深层的参数通过其复杂的层更好地理解自身（有关更多详细信息，请阅读三位先生撰写的评论的其余部分）。

因果关系与相关关系

第三个也是最后一个突破更多的是一个协作想法，以进一步区分因果关系和相关性。 Max 认为 Judea Pearl 的工具可以帮助区分这两个概念 组织起来。从本质上讲，Judea 的作用是帮助为数据提供更多结构，如果将患者文件以数字方式传输到数据库中，就可以实现这一点。 Pearl 的工作相当复杂，所以如果你想进一步了解他的“工具”是什么 点击此处.

麦克斯的愿望

威灵在他的文章最后总结道 TEDX 演讲 他希望通过机器学习器保护隐私。其次，让数据未成年人和科学家参与进来，以进一步改进诊断，从而节省金钱和生命。最后，他希望通过能够帮助缩短就诊时间并更有效地利用资金的技术，更好地为医院、医生和患者提供服务，从而彻底改变医疗保健行业。这是医疗保健的美好愿景，因为他不仅希望尊重医疗行业，还希望帮助拯救生命，同时考虑医院和医疗中心的预算。