Gesundheitswesen

Anton Dolgikh, Leiter von KI, Healthcare und Life Sciences bei DataArt – Interview-Serie

mm
Veröffentlicht am
Aktualisiert am
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Anton Dolgikh leitet KI- und ML-orientierte Projekte in der Healthcare- und Life-Sciences-Praxis bei DataArt und führt Bildungs- und Trainingsprogramme für Entwickler durch, die sich auf die Lösung von Geschäftsproblemen mit ML-Methoden konzentrieren. Vor seiner Arbeit bei DataArt arbeitete Dolgikh in der Abteilung für komplexe Systeme an der Université Libre de Bruxelles, einer führenden belgischen privaten Forschungsuniversität.

Was hat Sie ursprünglich dazu inspiriert, eine Karriere in KI und Life Sciences zu verfolgen?

Eine Leidenschaft für die Suche nach Verbindungen zwischen Phänomenen und Fakten. Ich liebe es zu lesen. Ich liebe Bücher. An der Universität entdeckte ich eine neue Quelle von Informationen – Artikel. Irgendwann wurde klar, dass es fast unmöglich ist, aus einer Masse von Informationen ein vollständiges Bild zu erstellen, die schöne Wahrheit zu kristallisieren. Und hier kommt KI ins Spiel. Statistik, Machine Learning und Naturwissenschaften mit KI an der Spitze bauen eine Brücke zwischen dem Durst des menschlichen Gehirns nach Wissen und einer Welt, in der alle Gesetze bekannt sind und es keine schwarzen Kästchen gibt.

 

Sie bilden und trainieren derzeit Entwickler aus, die sich auf die Lösung von Geschäftsproblemen mit ML-Methoden konzentrieren. Gibt es ein bestimmtes Feld des Machine Learning, auf das Sie sich mehr konzentrieren, zum Beispiel Deep Learning?

Ja, Deep Learning ist ein sehr beliebtes und, um ehrlich zu sein, mächtiges Instrument; wir können es nicht ignorieren. Ich bevorzuge persönlich die bayessche Interpretation klassischer Algorithmen oder sogar eine Kombination von neuronalen Netzen und einer bayesschen Herangehensweise – zum Beispiel ein bayesscher Variational-Autoencoder. Aber ich glaube, dass das Wichtigste, was man neuen ML-Leuten beibringen muss, ist, nicht blindlings ML-Maschinen wie eine magische Blackbox zu verwenden, sondern die grundlegenden Prinzipien hinter jeder Methode zu verstehen. Eine unverzichtbare Fähigkeit ist die Fähigkeit, die Vorhersagen, die für ein Geschäftspublikum erhalten werden, zu erklären.

 

Im März 2019 haben Sie einen Artikel mit dem Titel “Sind wir bereit für Maschinenradiologen und ihre Fehler?” geschrieben. In dem Artikel haben Sie die Vor- und Nachteile von Maschinenradiologen im Vergleich zu menschlichen Radiologen erläutert. Wenn Sie zwischen einem Menschen und einer Maschine wählen müssten, die Ihnen Ergebnisse liefert, welche würden Sie wählen und warum?

Ich bevorzuge einen menschlichen Radiologen. Nicht weil ich besondere Kenntnisse darüber habe, dass KI stark fehleranfällig ist und Entscheidungen inhärent fehlerhaft sind. Nein, es ist mehr eine Frage von Empathie und psychologischer Natur. Ich möchte menschliche Ärzte in dieser schwierigen Zeit unterstützen. Außerdem glaube ich, dass wir in naher Zukunft nur sehen werden, wie KI die Fähigkeiten von Menschen erweitert.

 

Sie haben kürzlich ein Whitepaper mit dem Titel “The Impact of Artificial Intelligence on Lifespan” veröffentlicht. In diesem Papier haben Sie festgestellt, dass KI als Werkzeug in der Suche nach einem längeren Leben betrachtet werden sollte. Welche sind einige der vielversprechendsten Methoden, die KI in der Suche nach der Verlängerung der menschlichen Lebensspanne anwenden könnte?

Heute beginnt das neue Werkzeug von KI in wissenschaftlichen Laboratorien auf par mit klassischen Instrumenten und Ansätzen zu operieren. Diese Tatsache ist vielversprechend. KI ist hier, um uns zu helfen, nicht zu ersetzen, in dem Kampf, mit den riesigen Mengen an Daten umzugehen, die nicht nur Laboratorien, sondern auch unser persönliches Leben überfluten.

 

Auch in demselben Whitepaper wird ein Anspruch des AI-Direktors und CEO von Insilico Medicine, Dr. Alex Zhavoronkov, diskutiert, dass die Verlängerung der Lebensspanne auf 150 Jahre kein fantastisches Ziel ist. Glauben Sie, dass ein Kind, das 2020 geboren wird, bis 120 oder sogar 150 Jahre alt werden kann?

Ich möchte daran glauben. Als Wissenschaftler durch Ausbildung und Überzeugung muss ich meine Entscheidungen auf Fakten basieren, auf das Verständnis des Fortschritts wissenschaftlicher Methoden in diesem Bereich. Wir haben einen beeindruckenden Sprung in den Bereichen Genetik, Biotechnologie und Medizin im Allgemeinen gemacht, und das stärkt mein Glauben. Und vergessen Sie nicht, dass ein wesentlicher Teil des Erfolgs bei der Verlängerung der Lebensspanne eine gesunde Umgebung und ein gesunder Lebensstil sind, also müssen wir daran arbeiten.

 

In demselben Papier erwähnen Sie das Potenzial für Mind-Uploading (Transhumanismus). Glauben Sie, dass dies eventually eine Realität werden könnte, und wie fühlt es Sie persönlich?

Ich habe viel darüber nachgedacht. Ehrlich gesagt, macht es mich frustriert. Ich denke, dass wir Persönlichkeit mit dem assoziieren, was wir im Spiegel sehen, und für mich ist es schwer, meine Persönlichkeit von meinem Körper zu trennen. Trotzdem bedeutet das nicht, dass es nicht möglich ist. Und ja, ich glaube, dass Mind-Uploading früher oder später machbar werden wird. Die Konsequenzen sind viel schwerer vorherzusagen.

 

Sie sind derzeit der Leiter von KI, Healthcare und Life Sciences bei DataArt. Was sind einige der interessantesten Projekte, an denen DataArt derzeit arbeitet?

Wir haben ein Projekt, das sich auf die Entwicklung neuer Medikamente konzentriert. Es ist inspirierend, wie computergestützte Methoden entwickelt wurden, um den Fortschritt in der medizinischen Chemie und Pharmakologie zu fördern und zu lenken. Wir arbeiten auch viel daran, KI anzuwenden, um Informationen aus medizinischen Texten wie klinischen Studienberichten, medizinischen Artikeln und spezialisierten Foren zu extrahieren. Es ist harte Arbeit, aber sie bringt uns näher an die Digitalisierung der Gesundheitsversorgung, und ich finde das aufregend.

 

Als begeisterter Buchliebhaber muss ich auch fragen, welche Bücher Sie empfehlen?

Ich möchte die Liste unten nicht als “Pflichtlektüre” bezeichnen. Während es Standardlehrbücher gibt, die für große Gruppen geeignet sind, drücken die meisten “Pflichtlektüren” die persönliche Erfahrung und den Hintergrund eines Beraters aus.
  • Judea Pearl “Kausalität: Modelle, Argumentation und Inferenz“. Der Titel ist selbst erklärend – das Buch handelt von kausalen Beziehungen. Wenn wir (eines Tages) ein wahres KI-System haben wollen, müssen wir es lehren, über Ursache und Wirkung zu argumentieren;
  • Wenn Sie an kausativen und praktischen Methoden interessiert sind, dann ist die grundlegende Arbeit von Daphne Koller und Nir Friedman “Wahrscheinlichkeitsgraphische Modelle: Prinzipien und Techniken” die richtige Wahl;
  • Wir erwarten, dass ein leistungsfähiges KI-System in der Lage sein muss, uns zu verstehen. Daher müssen wir es die Sprache lehren. Die Verarbeitung natürlicher Sprache beschäftigt sich mit dem Problem des Verstehens natürlicher Sprachen. Ich habe zwei Titel im Sinn, die mir sehr geholfen haben:
    1. Yoav Goldberg, Neuronale Netzwerke in der Verarbeitung natürlicher Sprache (Synthesevorlesungen über menschliche Sprachtechnologien), 2017
    2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze Eine Einführung in die Informationsrückgewinnung, 2009
  • Ich bin nicht sicher, ob das nächste Buch sich auf KI bezieht, aber es zeigt einen nicht-standardmäßigen Ansatz für Statistik und Vorhersagen, der für jeden KI-Forscher nützlich sein wird: Bertrand S. Clarke, Jennifer L. Clarke Predictive Statistik: Analyse und Inferenz jenseits von Modellen
  • Und ich würde die Liste mit einem Science-Fiction-Buch beenden: Stanislav Lem, Die Sternentagebücher

 

Gibt es noch etwas, das Sie über DataArt teilen möchten?

DataArt ist ein hervorragendes Beispiel für den jüngsten Trend hin zur Digitalisierung fast aller Aspekte des Lebens und der Aktivitäten. Dieser Trend erhöht die Verantwortung in der Softwareentwicklung, da heute nicht mehr nur darum geht, eine Website für einen Shop zu erstellen, bei dem ein Fehler des Entwicklers minimale Konsequenzen haben würde. Heute kann ein Fehler des Entwicklers zu einer nationalen oder weltweiten Katastrophe führen, wenn es um ein Programm geht, das die Funktion eines Kernkraftwerks steuert. DataArts verantwortungsvoller Ansatz in der Softwareentwicklung im weiteren Sinne gibt mir Vertrauen in das, was wir entwickeln, und ich bin sehr stolz, Teil des Unternehmens und der Arbeit zu sein, die wir tun.

Was ein anderes kürzlich gestartetes Projekt betrifft, hat DataArt im letzten Jahr ein Prototyp-Programm namens “SkinCareAI” gestartet, das Hautbilder analysiert, um frühzeitige Anzeichen von Melanom zu erkennen. Mit den neuesten Fortschritten in der Maschinenlern-Technologie (ML) wurde SkinCareAI von DataArt-ML-Experten Andrey Sorokin für die internationale Hautbild-Kollaboration (ISIC)-Herausforderung entwickelt.

Um mehr über einige unserer anderen Projekte und Fallstudien zu erfahren, besuchen Sie bitte die Healthcare- und Life-Sciences-Seite von DataArt.

mm

Antoine ist ein visionärer Leiter und Gründungspartner von Unite.AI, getrieben von einer unerschütterlichen Leidenschaft für die Gestaltung und Förderung der Zukunft von KI und Robotik. Als Serienunternehmer glaubt er, dass KI für die Gesellschaft so disruptiv sein wird wie Elektrizität, und er wird oft dabei erwischt, wie er über das Potenzial disruptiver Technologien und AGI schwärmt.

Als Futurist ist er darauf bedacht, zu erforschen, wie diese Innovationen unsere Welt prägen werden. Darüber hinaus ist er der Gründer von Securities.io, einer Plattform, die sich auf Investitionen in bahnbrechende Technologien konzentriert, die die Zukunft neu definieren und ganze Branchen umgestalten.