我們能創造一個沒有疾病的世界嗎？

是否有可能擁有一個沒有疾病的世界？ 疾病這個詞是大多數（如果不是全部）人們在他們或他們認識的人患有疾病時感到不舒服的。 幸運的是， 馬克斯·韋林阿姆斯特丹大學機器學習教授、加拿大高級研究院成員和他的企業家團隊創建了一個用於患者疾病診斷的數據分析系統。 有趣的事實：他領導 AMLAB（阿姆斯特丹機器學習實驗室）並共同領導 QUVA 實驗室（高通-UvA 實驗室）。 在這裡，我們將看到這位出色的人和他的企業家團隊（辛西婭·德沃克、杰弗裡·辛頓和朱迪亞·珀爾）如何取得一些令人難以置信的突破，以消除世界上的疾病。

馬克斯·威靈的擔憂

Welling 在 TEDx 演講中指出的一些事實確實引起了人們的注意，即醫生在診斷患者時有時可能會漏掉一些東西。 例如，他說“一半的醫療程序沒有徵求科學證據。” 這種診斷主要是通過他們自己的實踐和在學校獲得的知識來完成的，而馬克斯則說應該對其他可能的疾病進行某種形式的分析預測。 他接著解釋說，一些患者可能會被誤診並最終返回醫院，並指出他們死亡的可能性是普通患者的 8 倍。 最有趣的是，這是一個一直存在的問題。 原因很簡單，因為不可避免地會犯錯誤，不幸的是，這些錯誤可能會導致某人或多人喪生。 不僅如此，正如 Welling 所說，每年有 230 億例醫療程序，耗資 XNUMX 億美元。 就像任何試圖提供服務來幫助他人的行業一樣，它需要花錢； 此外，這意味著醫院和負責資助醫療中心的人員需要聽取創新者的意見，努力推動行業朝著更好的方向發展。 儘管如此，節儉總是有好處的。

保護隱私

威靈表示，他和他的團隊已經取得了3項突破。 其中之一是可以在醫院內保護隱私的計算機； 此外，計算機還可以分析大量數據，以進一步改善對病情嚴重的患者的診斷。 這個軟件的名字叫 機器學習者。 本質上，計算機向醫院數據庫發送查詢，醫院數據庫回答該查詢，然後機器學習器將通過“添加一些噪音”來更改答案。 欲了解更多詳情，請 點擊這裡. （Max Welling 在 5:20 – 6:06 分鐘之間更詳細地解釋了這一點）。 換句話說，正如馬克斯所解釋的那樣，計算機希望通過診斷來“改善自己”並“建立更好的數據模型”。 這一切都歸功於 辛西婭·德沃克（Cynthia Dwork），他是微軟研究院的傑出科學家。 她專注於基於數學基礎的隱私保護。 有關她和她所做的事情的更多信息， 點擊這裡.。 總之，這一突破不僅體現了Max對患者個人信息的尊重，也希望為醫院提供更堅實的診斷基礎。

深度學習

第二個突破是由 杰弗里辛頓. 揚·勒昆 (Yann Lecun)、約書亞·本吉奧 (Yoshua Bengio) 和杰弗裡 (Geoffrey) 解釋說：“深度學習通過使用反向傳播算法來發現大數據集中的複雜結構，以指示機器應如何更改其內部參數，這些參數用於根據前一層的表示來計算每一層的表示。” 用外行的話來說，它可以幫助機器通過其最深層的參數通過其複雜的層更好地理解自身（有關更多詳細信息，請閱讀三位先生撰寫的評論的其餘部分）。

因果關係與相關關係

第三個也是最後一個突破更多的是一個協作想法，以進一步區分因果關係和相關性。 Max 認為 Judea Pearl 的工具可以幫助區分這兩個概念 組織起來。 從本質上講，Judea 的作用是幫助為數據提供更多結構，如果將患者文件以數字方式傳輸到數據庫中，就可以實現這一點。 Pearl 的工作相當複雜，所以如果您想進一步了解他的“工具”是什麼 點擊這裡..

麥克斯的願望

威靈在他的文章最後總結道 TEDX 演講 他希望通過機器學習器保護隱私。 其次，讓數據未成年人和科學家參與進來，以進一步改進診斷，從而節省金錢和生命。 最後，他希望通過能夠幫助縮短就診時間並更有效地利用資金的技術，更好地為醫院、醫生和患者提供服務，從而徹底改變醫療保健行業。 這是醫療保健的美好願景，因為他不僅希望尊重醫療行業，還希望在考慮醫院和醫療中心預算的同時幫助拯救生命。