การแพทย์

Anton Dolgikh, หัวหน้า AI, Healthcare and Life Sciences ที่ DataArt – Interview Series

mm
Published
Updated

Anton Dolgikh เป็นผู้นำโครงการ AI และ ML ใน Healthcare and Life Sciences practice ที่ DataArt และดำเนินโครงการฝึกอบรมและพัฒนานักพัฒนาเพื่อแก้ปัญหาทางธุรกิจด้วยวิธีการ ML ก่อนที่จะทำงานที่ DataArt Dolgikh曾ทำงานที่ Department of Complex Systems ที่ Université Libre de Bruxelles ซึ่งเป็นมหาวิทยาลัยวิจัยเอกชนชั้นนำของเบลเยียม

สิ่งใดที่สร้างแรงบันดาลใจให้คุณตัดสินใจประกอบอาชีพด้าน AI และ Life Sciences ในตอนแรก?

ความหลงใหลในการค้นหาความเชื่อมโยงระหว่างปรากฏการณ์และข้อเท็จจริง ฉันชอบอ่านหนังสือเสมอ เมื่อฉันอยู่มหาวิทยาลัย ฉันค้นพบแหล่งข้อมูลใหม่ คือ บทความ ใน某จุด มันปรากฏว่าการได้รับภาพรวมที่สมบูรณ์แบบ เพื่อทำให้ความจริงที่สวยงามจากข้อมูลจำนวนมากเป็นไปไม่ได้ และที่นี่ AI เข้ามา Statistics, Machine Learning และวิทยาศาสตร์ธรรมชาติพร้อมกับ AI ที่ด้านบน ทั้งหมดนี้มีจุดมุ่งหมายเพื่อสร้างสะพานระหว่างความต้องการความรู้ของสมองมนุษย์และโลกที่ทุกกฎเกณฑ์เป็นที่รู้จักและมีกล่องดำ

 

คุณปัจจุบันกำลังให้การศึกษาและฝึกอบรมนักพัฒนาที่มุ่งเน้นในการแก้ปัญหาทางธุรกิจด้วยวิธีการ ML คุณมุ่งเน้นไปที่สาขา Machine Learning พิเศษ nào เช่น Deep Learning?

ใช่ Deep Learning เป็นเครื่องมือที่มีประสิทธิภาพและเป็นที่นิยม เราไม่สามารถเพิกเฉยต่อมันได้ ฉันชอบการตีความแบบเบย์ (Bayesian) ของอัลกอริทึมคลาสสิก หรือแม้กระทั่งการผสมผสานระหว่างเครือข่ายประสาทเทียมและแนวทางแบบเบย์ — ตัวอย่างเช่น Bayesian Variational Autoencoder แต่ฉันเชื่อว่าสิ่งที่สำคัญที่สุดในการสอนนักพัฒนา ML ใหม่ๆ คือการไม่ใช้เครื่องมือ ML แบบอัตโนมัติเหมือนกล่องดำ แต่ให้เข้าใจหลักการเบื้องหลังของวิธีการแต่ละอย่าง ทักษะที่จำเป็นคือความสามารถในการอธิบายการคาดการณ์ที่ได้รับสำหรับผู้ฟังทางธุรกิจ

 

ในเดือนมีนาคม 2019 คุณเขียนบทความเรื่อง ‘Are we Ready for Machine Radiologists, and their Mistakes?’ ในบทความคุณอธิบายถึงข้อดีและข้อเสียของการยอมรับผลลัพธ์จากเครื่องมือวินิจฉัยโรคด้วยเครื่องจักรเทียบกับแพทย์ผู้เชี่ยวชาญ หากคุณต้องเลือกระหว่างเครื่องจักรและมนุษย์ในการให้ผลลัพธ์ คุณจะเลือกอะไรและทำไม?

ฉันชอบแพทย์ผู้เชี่ยวชาญ ไม่ใช่เพราะฉันมีความรู้พิเศษที่ว่า AI มีแนวโน้มที่จะเกิดข้อผิดพลาดและตัดสินใจที่มีข้อผิดพลาดที่ซ่อนอยู่ ไม่ ฉันคิดว่ามันเป็นเรื่องของการเอาใจใส่และธรรมชาติทางจิตวิทยา ฉันต้องการให้การสนับสนุนแพทย์ในช่วงเวลาที่ยากลำบากนี้ นอกจากนี้ ฉันเชื่อว่าในอนาคตที่ใกล้ๆ นี้ เราจะเห็น AI ที่เพิ่มขีดความสามารถของมนุษย์เท่านั้น

 

คุณเขียนเอกสารขาวเรื่อง ‘The Impact of Artificial Intelligence on Lifespan‘ เมื่อเร็วๆ นี้ ในเอกสารคุณระบุว่า AI ควรถูกมองว่าเป็นเครื่องมือในการค้นหาชีวิตที่ยาวนานขึ้น วิธีการที่มีแนวโน้มมากที่สุดบางอย่างที่ AI สามารถนำไปใช้ในการค้นหาชีวิตที่ยาวนานขึ้นคืออะไร?

ปัจจุบันเครื่องมือใหม่ของ AI เริ่มทำงานในห้องปฏิบัติการทางวิทยาศาสตร์พร้อมกับเครื่องมือและแนวทางแบบดั้งเดิม ซึ่งความจริงนี้มีแนวโน้มที่จะเกิดขึ้น AI มาเพื่อช่วยเหลือเรา ไม่ใช่การแทนที่เราในการต่อสู้กับข้อมูลจำนวนมากที่หลั่งไหลเข้ามาไม่เพียงแต่ในห้องปฏิบัติการเท่านั้น แต่ยังรวมถึงชีวิตส่วนตัวของเรา

 

ในเอกสารขาวเดียวกัน คุณอภิปรายคำกล่าวของ Dr Alex Zhavoronkov ผู้อำนวยการ AI และ CEO ของ Insilico Medicine ว่าการเพิ่มชีวิตให้ถึง 150 ปีไม่ใช่เป้าหมายที่น่าเหลือเชื่อ คุณเชื่อว่าเด็กที่เกิดในปี 2020 จะสามารถมีอายุถึง 120 หรือ 150 ปีได้หรือไม่?

ฉันต้องการที่จะเชื่อ ในฐานะนักวิทยาศาสตร์โดยการศึกษาและความเชื่อ ฉันต้องตัดสินใจตามข้อเท็จจริง ตามความเข้าใจในความก้าวหน้าของวิธีการทางวิทยาศาสตร์ในพื้นที่นี้ เราได้ทำการกระโดดที่น่าประทับใจในด้านพันธุศาสตร์ เทคโนโลยีชีวภาพ และการแพทย์โดยทั่วไป ซึ่งเสริมสร้างความเชื่อของฉัน และอย่าลืมว่าส่วนสำคัญของความสำเร็จในการเพิ่มชีวิตคือสิ่งแวดล้อมและสุขภาพที่ดี ดังนั้นเราจึงต้องทำงานในเรื่องนี้

 

ในเอกสารขาวเดียวกัน คุณกล่าวถึงความเป็นไปได้ของการอัปโหลดจิตใจ (transhumanism) คุณเชื่อว่าสิ่งนี้จะกลายเป็นความจริงในอนาคตหรือไม่ และมันทำให้คุณรู้สึกอย่างไรส่วนตัว?

ฉันคิดมากเกี่ยวกับเรื่องนี้ พูดตรงๆ มันทำให้ฉันรู้สึกหงุดหงิด ฉันคิดว่าเรามักจะเชื่อมโยงบุคลิกของเรากับสิ่งที่เราเห็นในกระจก และสำหรับฉัน มันหนักใจที่จะแยกความเป็นตัวฉันจากร่างกายของฉัน อย่างไรก็ตาม สิ่งนี้ไม่ได้หมายความว่ามันไม่สามารถเกิดขึ้นได้ และใช่ ฉันเชื่อว่าไม่ช้าหรือเร็ว การอัปโหลดจิตใจจะกลายเป็นความจริง ผลที่ตามมาเป็นสิ่งที่ยากที่จะคาดเดา

 

คุณปัจจุบันเป็นหัวหน้า AI, Healthcare and Life Sciences ที่ DataArt โครงการที่น่าสนใจที่สุดบางอย่างที่ DataArt กำลังทำงานอยู่คืออะไร?

เรามีโปรเจ็กต์ที่อุทิศให้กับการพัฒนายาใหม่ มันสร้างแรงบันดาลใจว่า方法คำนวณได้พัฒนาอย่างไรเพื่อขับเคลื่อนและกำกับความก้าวหน้าในเคมีเภสัชและเภสัชวิทยา เรายังทำงานมากมายเกี่ยวกับการนำ AI ไปใช้ในการดึงข้อมูลจากข้อความทางการแพทย์ เช่น รายงานการ试验ทางคลินิก บทความทางการแพทย์ และฟอรัมเฉพาะทาง มันเป็นงานที่ยาก แต่มันนำเราใกล้กับการดิจิทัล化ของการดูแลสุขภาพ และฉันพบว่ามันน่าตื่นเต้น

 

ในฐานะนักอ่านหนังสือ ฉันต้องถามว่าคุณแนะนำหนังสืออะไร?

ฉันไม่ต้องการเรียก danh sáchด้านล่างว่า “must-read” ในขณะที่มีหนังสือเรียนมาตรฐานที่เหมาะสมสำหรับกลุ่มใหญ่ หนังสือ “must-read” ส่วนใหญ่แสดงถึงประสบการณ์ส่วนตัวและพื้นหลังของที่ปรึกษา
  • Judea Pearl “Causality: Models, Reasoning and Inference“. ชื่อเรื่องอธิบายได้ว่าหนังสือเล่มนี้คือเกี่ยวกับความสัมพันธ์ระหว่างสาเหตุและผล
  • หากคุณสนใจในเรื่องของสาเหตุและวิธีการแบบปฏิบัติ งานพื้นฐานของ Daphne Koller และ Nir Friedman “Probabilistic Graphical Models: Principles and Techniques” จะเป็นตัวเลือกที่ถูกต้อง
  • เราคาดหวังว่า AI ที่ทรงพลังจะสามารถเข้าใจเราได้ ดังนั้นเราจึงต้องสอนภาษาให้กับมัน Natural Language Processing จัดการกับปัญหาในการเข้าใจภาษาธรรมชาติ ฉันมีสองชื่อที่น่าสนใจที่ช่วยฉันมาก:
    1. Yoav Goldberg, Neural Network Methods in Natural Language Processing (Synthesis Lectures on Human Language Technologies), 2017
    2. Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze An Introduction to Information Retrieval, 2009
  • ไม่แน่ใจว่าหนังสือต่อไปนี้อุทิศให้กับ AI หรือไม่ แต่มันแสดงถึงแนวทางที่ไม่ธรรมดาในการสถิติและคาดการณ์ ซึ่งจะใช้ประโยชน์สำหรับนักวิจัย AI: Bertrand S. Clarke, Jennifer L. Clarke Predictive statistics: Analysis and Inference beyond models
  • และฉันจะปิดท้ายด้วยหนังสือวิทยาศาสตร์แฟนตาซี: Stanislav Lem, The Star Diaries

 

มีสิ่งอื่นใดที่คุณต้องการแบ่งปันเกี่ยวกับ DataArt?

DataArt เป็นตัวอย่างที่ดีของแนวโน้มล่าสุดในการดิจิทัล化ของเกือบทุกด้านของชีวิตและกิจกรรม แนวโน้มนี้เพิ่มความรับผิดชอบในการพัฒนาซอฟต์แวร์ เนื่องจากปัจจุบันไม่ใช่แค่การสร้างเว็บไซต์สำหรับร้านค้าเท่านั้น ซึ่งหากผิดพลาดจะส่งผลกระทบเพียงเล็กน้อย แต่ผิดพลาดของนักพัฒนาอาจกลายเป็นภัยพิบัติระดับชาติหรือระดับโลก หากเกี่ยวข้องกับโปรแกรมที่ควบคุมการทำงานของโรงงานนิวเคลียร์ ตัวอย่างเช่น แนวทางที่รับผิดชอบของ DataArt ในการพัฒนาซอฟต์แวร์ทำให้ฉันมั่นใจในผลิตภัณฑ์ที่เราพัฒนา และฉันรู้สึกภูมิใจที่เป็นส่วนหนึ่งของบริษัทและงานที่เรากำลังทำ

ในฐานะโครงการล่าสุด DataArt ได้เปิดตัวแอปพลิเคชัน SkinCareAI ซึ่งวิเคราะห์ภาพผิวหนังเพื่อตรวจหาสัญญาณแรกของมะเร็งผิวหนัง โดยใช้เทคโนโลยี Machine Learning (ML) ที่ทันสมัย SkinCareAI ได้รับการพัฒนาโดย Andrey Sorokin นักพัฒนาของ DataArt สำหรับการแข่งขัน International Skin Imaging Collaboration (ISIC)

เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับโครงการและกรณีศึกษาอื่นๆ ของเรา โปรดไปที่หน้า Healthcare and Life Sciences ของ DataArt

mm

อ็องตวนเป็นผู้นำที่มีวิสัยทัศน์และเป็นพันธมิตรผู้ก่อตั้งของ Unite.AI โดยมีความหลงใหลที่ไม่สั่นคลอนในการ塑造และส่งเสริมอนาคตของ AI และหุ่นยนต์ เขาเป็นผู้ประกอบการที่มีประสบการณ์หลายครั้ง และเชื่อว่า AI จะมีผลกระทบต่อสังคมมากเท่ากับไฟฟ้า และมักจะพูดถึงศักยภาพของเทคโนโลยีที่เปลี่ยนแปลงและ AGI

As a futurist เขาได้ให้ความสนใจในการสำรวจว่านวัตกรรมเหล่านี้จะเปลี่ยนแปลงโลกของเราอย่างไร นอกจากนี้เขายังเป็นผู้ก่อตั้ง Securities.io ซึ่งเป็นแพลตฟอร์มที่มุ่งเน้นในการลงทุนในเทคโนโลยีที่ทันสมัยซึ่งกำลังกำหนดอนาคตและเปลี่ยนแปลงภาคส่วนต่างๆ