U ovoj epizodi smo pričali o primenama mašinskog učenja u oblasti medicine i zdravstva, a gost je bio Ognjen Milićević, sa Instituta za medicinsku statistiku i informatiku Medicinskog fakulteta Univerziteta u Beogradu, bioinformatički istraživač u GenieUs Genomics i Machine Learning Tech Lead u kompaniji HTEC Group.
Ognjen je takođe i kolega podcaster i ima svoj podcast Baš dobra priča.
Pričali smo o različitim domenima i važnim i izazovnim problemima na koje se mašinsko učenje u medicini može primeniti.
Pričali smo o radiološkim problemima i korišćenju veštačke inteligencije (AI) i mašinskog učenja (ML), kako i kompjuterske vizije (en. computer vision) pri čitanju, segmentaciji, detekciji, klasifikaciji različitih objekata i karakteristika različitih vrsta radioloških, histopatoloških i drugih slika i snimaka u medicinskim dijagnostičkim metodama. Čućete razne primere, poput toga kako koristimo ML kada želimo da detektujemo ćelije raka na histopatološkim snimcima.
Tu su i razna pitanja poput toga kada i kako koristimo i NE koristimo ML algoritme i alate u medicini, gde jesu i gde nisu implementirani u softvere i uređaje za medicinsku dijagnostiku itd, i zašto nisu? Govorili smo malo i o obazrivosti i otporu prema uplivu savremenih tehnologija u dijagnostici itd.
Pričali smo i o tome na koji način se modeli, bili oni empirijski i ljudski ili računarski i AI modeli, evaluiraju i na koji način se bavimo uspešnošću modela i predikcija u dijagnostici ili terapiji.
Govorili smo o varijabilitetu u medicinskim podacima i intrinsičkim nesavršenostima dijagnostike i terapije, kao i o nesavršenostima algoritama mašinskog učenja i na koji način možemo da unapredimo našu medicinu uz svest o tome.
Pokrenuli smo i pitanja tehničkog, ML/AI i bioinformatičkog obrazovanja i pismenosti na studijama medicine i značaja te vrste pismenosti.
Na kraju, govorili smo i o mnoštvu inovacija koje dolaze od mnogobrojnih startup kompanija i o tome na koji način one mogu da unaprede medicinu, kao i kakve opasnosti i rizike nose sa sobom.
