Rzeczywistość rozszerzona w radiologii -Philips – RSNA

W ramach dorocznego spotkania najnowszych technologii w USA organizowanego przez RSNA (Radiological Society of North America) firma Philips w swoim “wirtualnym” salonie wystawienniczym” zaprezentowała wiele ciekawych rozwiązań.

Na mnie największe wrażenie wywarło rozwiązanie wykorzystujące zastosowanie rozszerzonej rzeczywistości na sali operacyjnej.

Philips showcases unique augmented reality concept for image-guided minimally invasive therapies developed with Microsoft

Warto obejrzeć film prezentujący to narzędzie w akcji.

 

 

Dlaczego rzadko rozpoznaje się choroby “sieroce”?

Nie rozpoznajemy chorób rzadkich, ponieważ ich nie szukamy (jeśli nie są na liście chorób zagrożonych szybkim zgonem lub są poza listą 20 chorób badanych w noworodkowym teście przesiewowym “”suchej kropli krwi”), albo szukamy dopiero  po wykluczeniu chorób częstych.

Do analizy tytułowego problemu (Dlaczego rzadko rozpoznaje się choroby “sieroce”?) częściowo zastosuję technikę “5 Why?” – bardzo przydatna w prowadzeniu “trudnych przypadków diagnostycznych“.

  1. Co to są choroby “sieroce”? (specjalnie użyłem tej nazwy stosowanej dla “leków sierocych” – tamtymi nie interesowały się koncerny farmaceutyczne, natomiast chorobami nie interesuje się system publicznej ochrony zdrowia oraz lekarze ze względu na pewne procedury diagnostyczne) Ani matki (diagnostyka, ani ojca (NFZ) – po prostu sieroty!  Są to choroby rzadkie – czyli występujące z częstością 1 na 2000 mieszkańców (co daje 0,05% populacji)  oraz choroby ultrarzadkie, z które uznaje się schorzenia przypadające 1 na 50 000 mieszkańców danej populacji (0,002%).

Lista chorób rzadkich obejmuje około 7000 jednostek chorobowych.

Uważa się, że na świecie jest około 300 milionów takich pacjentów, w Polsce może ich być wg w/w współczynników 38 mln -> 0,05% =  1.900000 – czyli prawie 2 mln osób. Nie wszystkie choroby dają objawy kliniczne, większość z nich ma podłoże genetyczne.

Czyli pierwszym wnioskiem w odpowiedzi na moje pytanie jest::

Choroby rzadkie diagnozujemy rzadko – bo jest ich dużo, występują rzadko i każda z nich dotyczy stosunkowo niewielkiej liczby osób w populacji.

Choroby rzadkie dotyczą 0,05% populacji, nie zawsze (lub dopiero po latach) dają objawy kliniczne (czyli taki pacjent nie zgłasza się do lekarza),  rozproszenie ilości chorób (2 mln chorych/7000 jednostek chorobowych = średnio około 280 z daną chorobą rzadką).

Przesiewowe noworodkowe testy “suchej kropli krwi” dotyczą tylko około 20 chorób z 7000 tysięcy chorób rzadkich.

2. Dlaczego mimo wszystko nie wprowadzić pełnej diagnostyki przesiewowej dla całej populacji?

a) Większość (podaje się, że nawet 80%) ma podłoże genetyczne. Na razie nie mamy tak dużej genetycznej bazy diagnostycznej a koszt badania pełnoeksomowego WES to około 6 tys. zł.

Wprawdzie rozpoczęto już projekt ustalenia genomu Polaków, który stanie się wzorcem do szukania genów patologicznych  i powoli prowadzi się badania populacyjne, (np. Warsaw Genomics w kierunku raka), ale to trochę potrwa. Poza tym mutacje genetyczne nie tylko są dziedziczne, ale powstają też jako pierwsze w rodzinie “de novo” pod wpływem środowiskowych czynników mutagennych.

b) szukanie chorób rzadkich – infekcyjnych, nowotworowych, nieprawidłowości budowy ciała, autoimmunologiczne, prionowe, niektóre psychiczne – wymaga dużej ilości testów laboratoryjnych i drogich badań obrazowych.

Wniosek nr 2 – Nie szukamy chorób rzadkich w całej populacji ze względu na koszty i ogrom przedsięwzięcia.

3. Dlaczego lekarz  rutynowo nie szuka chorób rzadkich?

Wniosek: Ponieważ tak go nauczono i tego nie finansuje niskobudżetowy system opieki zdrowotnej (każdego kraju – nie tylko w Polsce).

Brak leków celowanych na większość chorób genetycznych osłabia także zapał diagnostyczny lekarza. Mentalnie zostaje pytanie: Co z tego, że znajdę rzadkie mutacje genetyczne, na które i tak na razie nie ma leków. (Pacjent i ja wykonaliśmy masę dobre, ale nikomu niepotrzebnej roboty”. Diagnozujemy, aby leczyć. Stomatolog wyrwie ząb – bólu nie ma, a u nas…? Jak liczyć na wdzięczność pacjenta (nie koniecznie finansową) – jeśli problem został tylko nazwany a nie rozwiązany. To nie chirurg plastyczny, który  zarabia na bardzo godne życie.

Nawet jeśli znajdę rozpoznanie, czy istnieją programy lekowe dla tego pacjenta w Polsce i czy chory zostanie do nich zakwalifikowany (na prywatne leczenie przy tych stawkach cenowych nie ma co liczyć).

4. Dlaczego uczy się lekarzy “pomijania” chorób rzadkich?

Wniosek 4. Ma to aspekt finansowy, ale także bardzo praktyczny ze względu na skuteczność podejmowanych decyzji terapeutycznych. Przyspiesza działanie terapeutyczne, zmniejsza ilość błędów lekarskich., redukuje liczbę zbędnych badań obciążających pacjenta (np. badania kontrastowe).

Czasem liczą się minuty, które mamy na ratowanie życia, i musimy podejmować szybkie decyzje terapeutyczne. Nie zawsze zdążymy przeprowadzić badania dodatkowe, aby ustalić ostateczne rozpoznanie. Dlatego schematy terapeutyczne zalecają leczenie zgodnie z rozpoznaniem hipotetycznie częstszej choroby, niż zwlekać z leczeniem. mniejszym błędem będzie nie leczenie choroby rzadkiej, niż brak wdrożenia prawdopodobnie częstszej choroby. (Co przyjdzie pacjentowi z rozpoznania choroby sierocej po jego śmierci?).

“Mówi się, że powinniśmy w pierwszej kolejności “szukać wielkiej ryby w dużym stawie za pomocą sieci z dużymi oczkami“.

Postanowiłem przeanalizować kilka internetowych filmów dydaktycznych dla studentów i lekarzy dotyczących diagnostyki różnicowej.

W jednym z nich mówi się, że częściej występują choroby powszechne z nietypowymi objawami, niż choroby rzadkie o typowych objawach.

How to create differential diagnosis część 1

How to Create a Differential Diagnosis (Part 1 of 3) – prof. Eric Strong ze Stanford University School of Medicine)

Wykluczanie ze ścieżki diagnostycznej chorób rzadkich i niezagrażających życiu przedstawia w “Differential Diagnosis for the medical students” dr Anna Pickens

 

Poniższe przezrocze jest najistotniejsze dla zobrazowania dzisiejszego problemu. Odrzucamy bez diagnozowania choroby mało prawdopodobne! Do takich zalicza się przecież choroby rzadkie. Na czerwono zaznaczono choroby zagrażające życiu. (To nie Sherlock Holmes, który uważał, że “Gdy odrzucisz to, co niemożliwe, wszystko pozostałe, choćby najbardziej nieprawdopodobne, musi być prawdą. Artur Conan Doyle “Znak czterech”). Czyli nieprawdopodobne, nie jest nie możliwe) :). Takie rozumowanie trzeba przyjąć, gdy zawiedzie opisana standardowa ścieżka diagnostyczna. W swojej praktyce diagnostyce trudnych przypadków chorobowych często muszę przyjąć i takie założenia – szukam też chorób rzadkich!

Przy czym Pani Doktor duży nacisk w swojej prelekcji kładzie na uwzględnianie w diagnostyce różnicowej (ale nie diagnozowanie) chorób zagrażających życiu, które nie występują często.

5. Dlaczego lekarzowi jest tak trudno szukać chorób sierocych?

a) Brak finansowania w POZ badań genetycznych, konieczność kierowania do pracowni genetycznych, brak doświadczenia w takiej diagnostyce (badania genetyczne i metaboliczne, interdyscyplinarność wiedzy, olbrzymia czasochłonność pracy lekarza oraz czas oczekiwania na wyniki (nawet 6 miesięcy – w przypadku jednego z moich pacjentów), konieczność badań obrazowych, infekcyjnych, toksykologicznych. Nieopłacalność finansowa porady ( pacjenci nie są mentalnie i finansowo przygotowani, aby zapłacić za 50 godzin pracy lekarza więcej niż za standardowa poradę). Dla pacjenta liczy się efekt – dolegliwości – porada – rozpoznanie (mądry lekarz taki jak np dr House powinien wiedzieć od razu co mi dolega – a gdzie cała praca z dokumentacja i analityczna ? 🙂  Chorzy nie mają też środków na wykonanie wszystkich zleconych badań. Nie zawsze są w stanie psychicznie znieść rozbudowana diagnostykę (Często słyszę: “Jak zrobię te wszystkie badania, to mi chyba upuszcza cała krew” lub “moja żona jest naprawdę droga).

b) Algorytmy – (obecnie bardzo modne słowo ze względu na sztuczna inteligencję – dla informatyków są wytłumaczeniem niewytłumaczalanego 🙂  ). Także one są tworzone przez lekarzy (do czasu AI), którzy trzymają się zasady wykrywania chorób częstych lub zagrażających życiu. Nie znam programu komputerowego lub książki z algorytmami obejmującej choroby rzadkie.

Kiedyś tę lukę częściowo wypełniała aplikacja diagnosispro.com. (listowanie dużej ilości jednostek chorobowych nawet do kilku tysięcy na zapytanie) – w tym części genetycznych ( niestety zniknęła z rynku).

c) Aplikacje z bazami  danych o chorobach rzadkich nie pozwalają ich wykorzystać w prosty sposób do diagnostyki różnicowej. Dla przykładu orphannet – potrafi znaleźć znaną już jednostkę chorobową, ale spróbujcie zadać pytanie bóle głowy+mgła mózgowa + przewlekłe zmęczenie – kiepsko (lepiej poszło z dysmorfią). Owszem jest taka baza orphannet z warunkowa wyszukiwarką objawów – ale ja znaleźć – to wielka sztuka lub  “trafiło się ślepej kurze ziarno” (na razie mam to ziarnko :).

d) Książki o chorobach rzadkich  i podręczniki dla studentów medycyny uwzględniające w diagnostyce różnicowej choroby rzadkie – zapomnij!

Albo ich nie ma, albo zagraniczne i drogie – śmiem twierdzić, że bez algorytmów diagnostyki różnicowej.

Miałem nadzieję, że nowa polska książka przyda się w szybkiej diagnostyce. Podręcznik świetny i długo oczekiwany, ale nie ma nawet skorowidza objawów – przeglądaj całą książkę, może coś znajdziesz (przy kominku w domu, ale nie w pracy) i stworzysz swoja “listę podejrzanych” chorób do dalszego różnicowania..

Mówię o “Choroby rzadkie” Anna Dobrzańska i wsp.

Musiałem “na piechotę” (tj wpisując ręcznie do pliku Excel – wszystkie choroby i ich objawy – jeszcze tego nie skończyłem) . Jak  może wyglądać cząstka tej bazy stworzonej na podstawie tej książki. pokazuje na poniższym przezroczu. Plusem tej bazy jest to, ze można ja uzupełniać w oparciu o inne źródła i ją aktualizować. Miło by było, gdyby autorzy stworzyli do tego aplikacje komputerową dla lekarzy np. POZ, pediatrów  i internistów..

 

Przykładowa baza chorób rzadkich do diagnostyki różnicowej.

 

 

Zespół ds. Chorób Rzadkich CSK – UM-Łódź – webinar

Wczoraj (19-11-2020) miałem przyjemność uczestniczyć w webinarze pt. “Kiedy podejrzewać i jak rozpoznawać choroby rzadkie – praktyczne wskazówki”

 

źródło -opisywany  webinar

zorganizowanym przez prężnie rozwijająca się Poradnię Chorób Rzadkich w Łodzi – CSK ul. Pomorska 251. Patronat nad poradnią sprawuje Klinika Nefrologii  CSK UM Łodź.

W webinarze uczestniczyli Państwo prof. dr hab. n.med. Nowicki (kierownik Kliniki Nefrologii), dr n.med. Katarzyna Muras Szwedziak (kierownik projektu),  dr n.med. Agata Gajos (neurolog), dr n.med. Hanna Moczulska (genetyk) oraz dr n.med. Krzysztof Kaczmarek (kardiolog).

Ośrodek szczególne sukcesy ma w prowadzeniu pacjentów z ultrarzadka (1/<50tys. osób w populacji) chorobą Fabry’ego. Pod opieka znajduje się około 20 pacjentów.

Ośrodek prężnie się rozwija dzięki interdyscyplinarnemu zespołowi (nefrolog+kardiolog+neurolog+genetyk), dobrej współpracy z firmą Sanofi Genzyme dostarczającej leki, stosowaniu testów przesiewowych metodą suchej kropli krwi, stworzeniu koła naukowego dla studentów medycyny oraz prężnej informacji w mediach społecznościowych.

źródło -opisywany  webinar Test Dried Blood Spot (DBS) np w chorobie Gauchera)

źródło -opisywany  webinar

Jak wykonać badanie – Instrukcja

Ciekawą informacją były narzędzia, którymi posługują się genetycy w CKD – ogólnodostępne lub płatne

 

Face2gene

 

OMIM

 

GenReviews

Niestety nie stosują oni badań zaburzeń metabolicznych.

U noworodków wykonuje się test suchej kropli krwi  w kierunku wielu chorób metabolicznych.

 

 

Trudne przypadki – AI- wyszukiwanie obrazem

Dzisiejsza technologia sztucznej inteligencji pomaga w diagnostyce trudnych przypadków chorobowych. Pozwala on wyszukiwać zbliżone do siebie obrazy. Mamy to pod ręką – za darmo:

Wystarczy uruchomić w przeglądarce bing.com wyszukiwanie obrazem i wstawić zdjęcie zmiany chorobowej.

Taka opcje ma także Google – przeczytaj artykuł

Oczywiście są też płatne programy np. dla dermatologów, które maja znacznie lepiej rozbudowaną taką analizę. Np. VisualDX,  program wykorzystuje porównanie obrazem AI – uczenie maszynowe) (DemrExpert na smartfon) (50 dolarów miesięcznie – lub rocznie 500 dolarów)

Bardziej zaawansowane porównywanie obrazem stosuje się do analizy zdjęć radiologicznych i wykrywaniu wczesnych postaci nowotworów (np. w mammografii – pisałem już o tym wcześniej) Epoka sztucznej inteligencji- Ewa Ewart-TVN24

IBM Watson oferuje takie usługi szpitalom (uczenie maszynowe). Projekt Ahus.

Zastosowanie wyszukiwania obrazem w zastosowaniu genetyków

Zdjęcie pacjenta – wyszukiwanie cech fenotypowych charakterystycznych dla choroby genetycznej (płatny) Face2gene

OPENi

Unijny Serwis Informacyjny Badań i Rozwoju (CORDIS)

Czym jest CORDIS?

“Wspólnotowy Serwis Informacyjny Badań i Rozwoju (CORDIS) jest głównym źródłem informacji o wynikach projektów finansowanych przez Komisję Europejską w ramach unijnych programów ramowych w zakresie badań naukowych i innowacji (od 1PR do programu „Horyzont 2020”).”

W ramach tego projektu powstaje narzędzie oparte na sztucznej inteligencji do wczesnej przesiewowej diagnostyki dna oka  aiVision

Microsoft Azure – szansą na zbudowanie Globalnej Dynamicznej Mapy Myśli i Algorytmów

Ostatnio próbowałem zainteresować tematem Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA) polskich informatyków. Niestety są tak zajęci, że może zajmą się tym w grudniu (wtedy chyba tylko po to, żeby przeprowadzić wywiad 🙂

Postanowiłem poszukać pomocy poza Polską. Okazuje się, że firma Microsoft ma świetną bazę do realizacji mojego projektu. Niestety nie ma bezpośredniego kontaktu do działu usług poznawczych i sztucznej inteligencji (czekam na odpowiedź).

Platformą do świadczenia usług dla procesów poznawczych jest Cognitive ServicesMicrosoft Azure.

Oferta Azure przydatna dla GDMMiA obejmuje m.in.:

sztuczną inteligencję, tłumacz 70 języków w systemie sieci neuronowych, transkrypcja mowy na tekst, analiza wideo (być może pozwoli na tworzenie algorytmów z filmów),  uczenie maszynowe (do tworzenia mapy algorytmów), analizy danych pod kątem map algorytów – w tym ranking najlepszych, łańcuch bloków (block chain – pozwoli na bezpieczną strukturę map i zapewni prawa autorskie – przydatne w monetyzacji projektu oraz zadba chronologię dodawanych algorytmów), bazy danych – będą pożywka dla algorytmów), rzeczywistość mieszana umożliwi łatwiejsza komunikację oraz tworzenie wirtualnych map myśli), aplikacje mobilne – aplikacja map dostępna na urządzeniach mobilnych, sieć www – obsługa map w całym świecie, wyszukiwanie obrazem (szukamy graficznych map myśli i algorytmów, które konwertujemy na algorytmy i dodamy do GDMMiA – na razie nie znam narzędzia na świecie do takiej konwersji!??? – technicznie nie jest to chyba zbyt skomplikowane z np z  do JAVA).

Źródła zrzutów ekranów użytych w prezentacji: strona www Microsoft Azure

A. Sztuczna Inteligencja i uczenie maszynowe:

Uczenie maszynowe – zakres:

B. Łańcuch bloków (blockchain)

C. Analiza wideo

D. Analiza

Teraz wystarczy wycenić aplikację –  złożyć do Microsoft zamówienie – zrealizować projekt i witamy w nowym świecie  🙂 

31-10-2020 – Podpisywanie obrazów przez AI (Captcha)

ostatnio dzięki uprzejmości MR otrzymałem ciekawy link do nowej usługi Microsoft ” What’s that? Microsoft’s latest breakthrough, now in Azure AI, describes images as well as people do

“In the last five years,” Huang said, “we have achieved five major human parities: in speech recognition, in machine translation, in conversational question answering, in machine reading comprehension, and in 2020, in spite of COVID-19, we got the image captioning human parity.”

 

Postęp w słownym opisie obrazów jest olbrzymi. Narzędzie jest wprowadzane do aplikacji Office. Podejmuje się próby natychmiastowego opisywania obrazów rejestrowanych przez oko kamery. Daje to możliwość mówienia osobie niewidzącej, co znajduje się przed pacjentem!

 

Dla GDMMiA powstaje szansa na zautomatyzowanie przenoszenia np. map myśli lub algorytmów znajdujących się w plikach graficznych (np. jpg) ale także na filmach (np. w “stop klatce”

 

https://1gew6o3qn6vx9kp3s42ge0y1-wpengine.netdna-ssl.com/wp-content/uploads/prod/sites/3/2020/10/inclusive-disability-ai-systems-saqib-shaikh_1920x1080-5f86fd8c20ba1.jpg

Saqib Shaikh, a software engineering manager with Microsoft’s AI platform group in Redmond.

https://1gew6o3qn6vx9kp3s42ge0y1-wpengine.netdna-ssl.com/wp-content/uploads/prod/sites/3/2020/10/huang-xd_1920x1080-5f86fd2ff095d.jpg

źródło

Xuedong Huang

Dla mojego projektu sukcesem byłoby, aby te algorytmy na tym zdjęciu narysowane na z tyłu na tablicy znalazły się w wersji cyfrowej w formacie algorytmu. W ilu firmach brakuje takiego narzędzia w tworzeniu projektów!

Epoka sztucznej inteligencji- Ewa Ewart-TVN24

W dniu 28.09.2024 w TVN24, w  cyklu “Ewa Ewart poleca” ukazał się pierwszy odcinek filmu “Epoka sztucznej inteligencji” (oryginalny tytuł to “In the age of AI”.) (Artificial intelligence)

Polecam do obejrzenia

Sztuczna inteligencja AI = SI) – zalety i zagrożenia (totalny nadzór nad społeczeństwem, zniknie około 50% zawodów w ciągu 15 lat (szczególnie umysłowych – np. analitycy), utrata miejsc pracy (np. w USA ok. 300 tys. kierowców ciężarówek), podział świata na dwa bloki – Chiny i USA.  Chiny obudziły się po przegranej w 2016 r mistrza gry GO  Ke Jie  z AlphaGo firmy Google) (podobno w GO jest więcej kombinacji strategicznych niż atomów we wszechświecie- gra jest dumą cywilizacji dalekiego wschodu)  z komputerem IBM Watson. Komputer jest silniejszy od człowieka. Władze Chin w 2017 r. ogłosiły, że chcą być do 2030 światowym liderem AI (nie naśladowcą!) Już działa rządowe wsparcie – w planie budowa miasta wielkości Chicago z transportem zarządzanym przez AI. Szeroko wdraża się np. rozpoznawanie twarzy, transport bez kierowców), już maja wielu firm AI z grupy tzw. Unicorn = warunkiem jest miliardowy dochód). Chiny przeskoczyły etap kart kredytowych – w sklepach płaci się “twarzą” (aplikacje rozpoznawania twarzy).

Chiny są największą bazą danych, a nią karmi się AI: “Dane to ropa, a Chiny są na tym polu Arabia Saudyjską”  KAI-FU LEE (Sinovation Venture) (w wieku 31 lat opracował program rozpoznawania mowy do sterowania komputerem). “Kilka tysięcy współpracujących ze sobą chińskich przedsiębiorców pokona każdego przedsiębiorcę na świecie”

W historii było tylko kilka istotnych wynalazków: maszyna parowa, elektryczność i komputer. Teraz będzie to AI.

AI w medycynie – uczenie maszynowe i uczenie głębokie (deep learning) w analizie zdjęć rentgenowskich jako profilaktyka raka piersi (W USA umiera na te chorobę około 40 tys. kobiet rocznie). Wywiady z pracownikami MIT z Bostonu w USA  (Massachusetts Institute of Technology Bostonie. Na MIT (Massachusetts Institute of Technology) pracuje Aleksandra Przegalińska – z  Akademii Leona Koźmińskiego –  z wywiadu Marcina Prokopa z TVN -“Człowiek przyszłości” – polecam). Program profilaktyki raka piersi poprzez głębokie uczenia maszynowego w MIT prowadzi z dr Connie Lee (?) m.in.  profesor Regina Barzilay

źródło źródło –“In the age of AI”.)

Sztuczna inteligencja karmiona algorytmami stworzonymi z big data

Rozwijająca się w ostatnim czasie w bardzo w szybkim tempie sztuczna inteligencja wymaga dostarczani jej dużej ilości algorytmów. Z czasem będzie możliwe szerokie stosowanie uczenia maszynowego, które te algorytmy będzie tworzyć samodzielnie. Zalążek takich programów zależy jednak od wiedzy twórców danych innowacji. To oni tworzą algorytm – czasem lepszy, czasem gorszy. Potem, owszem, można przeprowadzać komputerowe badania modelowe, ale badamy tylko koncepcję jednego zespołu. A co by było, gdyby mogli oni skorzystać z już zweryfikowanych algorytmów z innej części świata? Ilu błędów by uniknięto? Jakich pomysłów nie byłoby w burzach mózgów ich zespołów, a są w GMMiA ? Na następnym etapie baza algorytmów byłaby “pożywką” dla komputerów, które dzięki sztucznej inteligencji (w tym głębokiego i maszynowego uczenia) mogłaby tworzyć nowy, bardziej kreatywny algorytm, o którym ludziom się nawet nie śniło (tak jak rewelacyjny ruch nr 37 w grze GO podczas meczu Lee Sedol z komputerem Google –  AlphaGo).

Uważam, że koncepcja Globalnej Dynamicznej Mapy Myśli i Algorytmów (GDMMiA)  mogłaby się sprawdzić w tym procesie.

Mapy algorytmów  w  etapie wstępnym można tworzyć ręcznie (przez ogólnoświatową społeczność – zalążkiem ich byłyby mapy myśli), można też zaimportować pliki graficzne map myśli z dotychczasowych książek, publikacji internetowych ( potrzebny by był program konwertujący grafikę do map algorytmów – nie znalazłem nigdzie takiej aplikacji) – z nich powstaną listy “to do” dla prototypów wynalazków.

Problemem jest jednak jak przełożyć dotychczasową wiedzę tekstową na algorytmy. Myślę, że z pomocą może przyjść uczenie maszynowe pracujące na big data. Być może wyszukiwarki semantyczne mogłyby wchodzić w skład silnika takiej aplikacji. Narzędzie to po analizie tekstu, stworzy algorytm podsumowujący treść danej publikacji.  Algorytmu się nie oszuka!. Jeśli jest on taki sam jak w innej książce opisującej innymi słowami tę samą procedurę – od razu będzie widać, że autor książki nie wniósł nic nowego dla ludzkości (zobaczmy ile jest poradników sprzedających te same porady, ale tylko innymi słowami. Ile cennego czasu tracimy na czytanie tego samego pod innym tytułem – i to tego samego autora). Z książkami jest jak z choinką.  Jest algorytm ubrany w słowa, tak jak sosna ubrana w bąbki.

Choinkę możemy ubierać w różne bąbki, ale zawsze będzie to ta sama choinka.

 

Ponadto uczenie maszynowe pozwoliłoby na ciągłą, zautomatyzowaną (dynamiczną) aktualizację bazy, przy współistniejącej dotychczas formie werbalnej i graficznej przedstawiania swoich myśli (książki, strony www, grafiki, zdjęcia).

To jest zupełnie inny silnik niż Google!!

Prawdopodobnie nikt takiego nie ma!!.

To nie internauta w tym narzędziu przeszukuje bazy danych. On dostaje już gotowe zaktualizowane rozwiązania (wiedzę – ekspertyzę) na swoje zapytanie.  Zostaje mu jedynie jej przeanalizowanie i zaimplementowanie jej dla swoich potrzeb i podzielenie się zdobytą w ten sposób wiedzą nią z innymi (utopia  – czy potrzeba czasu). Rzetelność, stabilność systemu  i prawa autorskie mógłby zagwarantować blockchain.

Google daje nam cegły i cement (tylko informacje – WAT?) , mój silnik od razu gotowy dom (daje wiedzę eksperta – HOW!). Czyli bardziej zaawansowane narzędzie niż robione “ręcznie” WIKI-HOW.

Dlatego uważam, że w najbliższym czasie w realizacji GDMMiA najcenniejsze może być stworzenie konwertera grafiki na mapy myśli i algorytmów oraz stworzenie programu do uczenia maszynowego pozwalającego wyłuskać z tekstowych big data procedury do zapisania ich w algorytmach. Powstaną gotowe “cegiełki” do implementacji w projektowaniu nowych urządzeń. Może nastąpić gwałtowne przyspieszenie w rozwoju innowacji technologicznych.

Ktoś może zapytać, dlaczego dzielę się bezpłatnie pomysłami być może  wartymi miliardy dolarów. Po prostu nie mam kapitału i zespołu, który podążyłby za moją wizją. Może znajdą się ludzie z podobną wizją, których zainspirują moje pomysły i wprowadzą je w życie. Nikt nie jest samotną wyspą. Współpraca przynosi najlepsze rezultaty.

Sztuczna inteligencja – Superkomputer Cato na Uniwersytecie Kardynała Stefana Wyszyńskiego

Właśnie uruchomiono na

Na Uniwersytecie Kardynała Stefana Wyszyńskiego w Warszawie, w Centrum Cyfrowej Nauki i Technologii UKSW (dyrektor-  prof. Marek Niezgódka – Dziekanowie Leśnym) uruchomiono superkomputer Cato. (IBM)

Ma on być wykorzystywany m.in. do badań z zakresu epidemiologii, energetyki, cyfrowej medycyny czy projektowania nowych materiałów.

“Dzięki superkomputerowi, obliczenia o wysokiej wydajności (HPC – High Performance Computing), będą rozszerzone o zadania sztucznej inteligencji (AI – Artificial Intelligence) i wysokowydajnej analizy danych (HPDA – High Performance Data Analytics). Cato umożliwia modelowanie i symulacje w oparciu o zbiory dużych danych.”

W medycynie:  “Wykorzystanie globalnych zasobów danych w sposób inteligentny do podejmowania decyzji diagnostycznych, a następnie sugestii terapeutycznych, jest dziś warunkiem koniecznym rozwoju medycyny” – ocenił prof. Niezgódka. Wyjaśnił, że dzięki metodom obliczeniowym można wypracowywać precyzyjne metody diagnostyczne dostosowane do danych konkretnego człowieka, ale wykorzystujące wiedzę w skali globalnej.”

Ponadto możliwe będzie projektowanie nowych materiałów (np. medycznych) i ich weryfikacja przy pomocy symulacji komputerowych.

 

COVID-19. New smartphones mandatory with a thermometer, recognition of shortness of breath and cough.

COVID-19. Nowe smartfony obowiązkowo z termometrem, rozpoznawaniem duszności i kaszlu.

W dobie pandemii COVID-19 pojawił się problem, jak zapobiegać rozprzestrzenianiu się choroby na całym świecie. Jedną ze stosowanych metod jest bezdotykowy pomiar temperatury (lotniska, szpitale, zakłady pracy). Jest to pomiar jednorazowy i bez możliwości przesyłania danych do centrów epidemicznych.

Kolejnymi objawami COVID-19 jest duszność i kaszel. Oba objawy możemy wysłuchać podczas rozmowy z pacjentem.

Obecnie wiemy, że w Chinach na szeroką skalę wykorzystano sztuczną inteligencje (rozpoznawanie twarzy) i geolokalizatory ze smartfonów do śledzenia tras przemieszczania się osób, które miały styczność z zakażonymi wirusem.

Rok temu starając się o dofinansowanie mojego projektu  Globalnej Dynamicznej Mapy Myśli i Algorytmów spotkałem się z przedstawicielami funduszu inwestującego w start-up mającego dobre relacje z instytucjami rządowymi. Zaproponowano mi, abym zajął się czymś bardziej co można łatwo spieniężyć i na co może być zapotrzebowanie rządowe (np. szybkie – natychmiastowe  testy przesiewowe na choroby zakaźne na granicach dla osób przekraczających granicę państwową). Wówczas temat wydał mi się mało etyczny i nierealny z technicznego punktu widzenia oraz przekraczający mój budżet. Myślałem wówczas o szybkich testach laboratoryjnych.

Obecnie podszedłem do problemu od bardziej “przesiewowej strony” nie tylko w stosunku do COVID-19, ale także do innych chorób zakaźnych.

Wspólną cechą wielu chorób zakaźnych jest gorączka (temp. powyżej 38,5 C.  Często chorzy skarżą się na bóle stawów i mięśni. W chorobach układu oddechowego dołącza się kaszel i duszność. W chorobach przewodu pokarmowego pojawia się biegunka lub nawet krew w stolcu w chorobach krwotocznych np. Ebola).

W jaki sposób pozyskać globalnie wiarygodne, natychmiastowe i powtarzalne pomiary wyżej wymienionych parametrów. Można wszczepić każdemu chip lub wykorzystać chip cywilizacyjny – czyli SMARTFON. Statystycznie prawie każdy mieszkaniec globu ma takie urządzenie (a dzieci – jedno z najczęstszych ogniw rozprzestrzeniania się choroby korzystają z nich całymi godzinami – niektórzy nazywają to “cyfrozą” 🙂 ) .

Wystarczy do każdego nowego smartfona zainstalować czujnik pomiaru temperatury uruchamiający się przy zbliżeniu – do ucha abonenta (konieczna jest korekcja pomiaru o temperaturę otoczenia i aparatu), aplikacje na telefon raportującą do centrów epidemicznych o podwyższonej temperaturze chorego – one będą śledziły ruch osoby gorączkującej i potencjalne kontakty. Powstaną dynamiczne w czasie realnym mapy potencjalnej epidemii.

Pomiar temperatury można skojarzyć z aplikacjami do rozpoznawania dźwięków – w tym kaszlu, ciężkiego oddechu (duszność) oraz rozpoznawania mowy (słowa klucze: gorączka, duszność, bóle mięśni, biegunka, krwawa biegunka).

Oczywiście rozwiązanie mimo prostych założeń – “Diabeł tkwi w szczegółach”. (Kilka lat temu BLIK na telefon proponowany przez moja córkę Karolinę także wydawał się nierealny).

Myślę, że na ten cel obecnie łatwo znajdą się dotacje rządowe lub Unijne :). Producenci smartfonów, też zarobią sprzedaży nowych obowiązkowych aparatów. Aplikacja może być także pomocna dla właścicieli telefonów lub rodziców do bieżącego monitorowania swojego i osób bliskich stanu zdrowiach.