Берлинские стартапы обсуждают машинное обучение для достижения более здоровых результатов

«Целое больше, чем сумма его частей». - Аристотель

Обмен знаниями - это популярно

Процветающая техническая среда Берлина активно становится уникальным противовесом Кремниевой долине. Здесь есть неоспоримая энергия, позволяющая решать серьезные проблемы и влиять на жизнь людей с помощью технологий. Это особенно верно в отношении цифрового сектора здравоохранения. Несмотря на типичную гонку за успехом на конкурентном рынке, обмен знаниями помогает каждому продвинуться вперед. Коллективный мозговой штурм может привести к большему прогрессу в науке и здоровье. Это видно из множества встреч и чатов у камина, происходящих по всему городу.

В этом духе недавно в пятницу вечером в Кройцберге два берлинских стартапа в области здравоохранения объединились, чтобы обсудить роль машинного обучения в цифровом здравоохранении. Один только длинный список ожидания Meetup показывает, насколько местные жители заинтересованы в этой технической теме.

Clue, разработчики популярного одноименного приложения для отслеживания менструального цикла, любезно организовали мероприятие, чтобы вовлечь берлинское сообщество в обмен опытом. Clue пригласила двух приглашенных докладчиков: Адрина Джалали из Ancud IT и Иден Дати, руководителя отдела науки о данных компании Ada Health, прямо через улицу от Clue.

Специалист по данным Clue Мария Влайич открыла дискуссию, объяснив, что Clue использует научные данные для информирования пользователей своих приложений о менструальном здоровье и установления связи с ними. Они собирают важные данные, основанные на отслеживании менструальных циклов, которые благодаря партнерству с медицинскими исследователями позволяют получить ценную информацию о женском здоровье.

Затем Адрин и Иден рассказали, как машинное обучение может положительно повлиять на лечение, улучшить доступ к медицинской информации и способствовать достижению более здоровых результатов. Несмотря на разные точки зрения, каждый выступающий начал обсуждение того, как сбор и анализ данных будет способствовать принятию решений, связанных со здоровьем, в долгосрочной перспективе.

Вот как это сделать.

Рак: сортировка данных в гонке со временем

Опыт Адрина проистекает из сотрудничества с онкологами и клеточными биологами в обработке данных о пациентах и ​​соответствующих диагнозов, а также взаимодействия с компьютерными учеными из Института компьютерных наук Макса Планка в Германии.

Он привел резкие цифры: В 2015 году около 90,5 миллиона человек болели раком и 8,8 миллиона человек умерли от рака, что составляет около 15,7% всех человеческих смертей. Каждый день врачи и пациенты сталкиваются с трудными решениями относительно лечения рака. и забота. Адрин смотрит, как большие данные могут помочь облегчить эту ситуацию, увеличивая знания о раке и, в конечном итоге, используя их для информирования диагностического процесса.

Он объяснил жизненный цикл клетки понятным образом, объясняя, как раковые клетки бесконтрольно растут, отталкивая нормальные клетки и требуя ресурсов организма, таких как кровеносные сосуды. Когда он описывает раковые клетки как «умные, подвижные и устойчивые», становится ясно, что нам нужен еще более разумный ответ на них. Хотя он говорит, что мутации ДНК происходят постоянно, при раке они встречаются гораздо чаще.

Он ищет изменения, которые постоянно влияют на раковые клетки, но не на нормальные.

Одним из ведущих способов изучения раковых клеток является измерение «маркеров клеточной поверхности», которые помогают различать нормальные и раковые клетки и определять подтипы рака. Этот тип исследований быстро генерирует большие объемы данных, поскольку ученые секвенируют ДНК и изучают сотни клеток пациента.

Итак, он спрашивает: что можно узнать из всех этих данных? Есть ли эффективные методы лечения? Адрин говорит, что наиболее насущной потребностью являются методы, которые можно было бы воспроизвести на новых данных.

Если использование больших данных может дать знания о том, как передается рак, возможно, появятся более обоснованные решения относительно лечения рака. Время здесь имеет значение; поскольку рак может распространяться на разные участки тела, раннее выявление и лечение имеют решающее значение.

Узоры в небе, ипподром, а теперь и здоровье

Вернувшись в Австралию, Иден Дати много думал об облаках и лошадях.

Он руководил командами по применению науки о данных для прогнозов погоды, ставок на спорт и даже открытия лекарств. Иден интересуется распознаванием образов - как его автоматизировать и масштабировать. Он приехал в Берлин, чтобы применить свою страсть к машинному обучению к здоровью в Аде с помощью нашего личного приложения-компаньона для здоровья. Миссия Ады - обеспечить мир качественным персонализированным медицинским обслуживанием и использовать технологии для улучшения жизни людей - находит отклик у него.

Иден объяснил, как приложение Ada строит персонализированную оценку состояния здоровья на основе симптомов пользователя. Эта умная оценка, сформированная путем ответов на четко сформулированные вопросы, при желании может быть передана врачу пользователя. Это потенциально экономит время врачей при сборе информации и дает больше личного времени для изучения лечения или любых сложных медицинских решений.

Приложение Ada опирается на базу медицинских знаний, которую врачи и инженеры-программисты разработали за последние 6 лет, распознавая даже редкие заболевания. Он использует вероятностную модель для определения вероятных условий или ближайших совпадений пользователя.

Точность до сих пор была тщательно проверена путем сравнения результатов приложения с тем, как врач оценил бы тот же набор симптомов. Пока что доказано, что Ада может идти в ногу с анализом врача и поддерживать его в диагностическом процессе.

Проведя на данный момент один миллион оценок состояния здоровья, Ада активно учится на шаблонах в пользовательских данных, одновременно обеспечивая полезный анализ взаимосвязи симптомов и диагнозов.

Используйте машинное обучение для повышения производительности приложений: одной из первых областей, где машинное обучение привело к развитию возможностей Ada, является сортировка - определение необходимого уровня обслуживания и предоставление информации о соответствующих дальнейших шагах. При сортировке Ады учитываются современные передовые практики и руководящие принципы, основанные на фактах. Однако с помощью машинного обучения Аду учат взвешивать нюансы каждого отдельного случая, как опытный врач.

Иден говорит, что по мере получения большего количества данных уверенность в приложении будет расти. Он говорит, что машинное обучение - это способ повысить точность и, возможно, предсказать, какие факторы влияют на здоровье. Благодаря различным методикам, в том числе контролируемому обучению с участием большого числа опытных врачей, Ада неуклонно развивается.

Обеспечение конфиденциальности, безопасности и сбора данных

В заключение участники задали вопросы о будущем машинного обучения. Они, как и все, хотели знать, к чему все идет? Но ответ все еще формируется. Интерес к защите конфиденциальности и безопасности данных, а также к поддержанию высоких стандартов сбора данных был по понятным причинам высоким. Вот разбивка того, что означают эти важные термины в цифровом здравоохранении.

70 человек собрались на эту встречу теплым весенним вечером на выходных, и будет справедливо сказать, что людей волнуют направление и возможности машинного обучения для цифрового здоровья. Сообщество Берлина живо и растет, и в Ada мы рады быть его частью. Следите за обновлениями, чтобы узнать больше о машинном обучении, или оставьте комментарий с любыми достижениями или идеями, которыми вы хотите поделиться.

Еще раз спасибо Clue за организацию этого дальновидного мероприятия!