Sorry, you need to enable JavaScript to visit this website.
Overslaan en naar de inhoud gaan

‘Met data, kennis en rekenkracht mooie oplossingen bouwen’

Google Cloud is er volop mee bezig: het bedenken van slimme technische oplossingen waarmee de datagedreven gezondheidszorg verder op weg wordt geholpen. Rokesh Jankie is customer engineer en Jason Tan is healthcare lead bij Google Cloud. Ze vertellen over technieken en toepassingen waarmee zij bezig zijn, zoals machine learning (ML) en artificial intelligence (AI). 

Volg de nascholing Zorg op afstand: de nieuwe standaard?

Samenvatting HIP-symposium

Download hier een pdf van een boekje ‘Samenwerken aan datagedreven gezondheidszorg’ met een samenvatting van het HIP-symposium en bekijk de aftermovie hier. 

Download het boekje  Bekijk hier de aftermovie

Met data, kennis en rekenkracht mooie oplossingen bouwen

Vaak halen mensen Google en Google Cloud door elkaar. Google is de zoekmachine en Google Cloud is de ‘businesskant’ van Google, legt Jason Tan uit. In Google Cloud kun je data opslaan en het Google Cloud Platform biedt oplossingen voor opslag, analyse, big data, machine learning en app-ontwikkeling.


Zorgen dat iedereen in de toekomst 200 jaar oud wordt 

Google en Google Cloud zijn dochterbedrijven van Alphabet en zijn steeds sterker op de gezondheidszorg gericht, vervolgt Tan zijn verhaal. Net als Alphabetdochters Deepmind, Verily en Calico die zich bezighouden met vraagstukken uiteenlopend van de ziekte van Parkinson tot hoe je kunt zorgen dat iedereen in de toekomst 200 jaar oud wordt. 

In de toekomst wordt in de zorg steeds meer gewerkt met AI. ’’De visie van Google Cloud hierin is dat AI en ML gedemocratiseerd worden’’, zegt hij. ’’Dat betekent dat Google Cloud en de andere Alphabetbedrijven producten ontwikkelen die het mogelijk maken om voor bedrijven en ziekenhuizen met beperkte vaardigheden om toch met AI en ML aan de slag te kunnen gaan.’’ 

Met data, kennis en rekenkracht mooie oplossingen bouwen

Machine Learning

machine learning

We onderscheiden voorwerpen van elkaar door hun kenmerken te karakteriseren, resumeert hij. Alleen is de wereld rommelig en bestaan perfecte foto’s nauwelijks. Hoe kan Google dan toch voorwerpen herkennen? De customer engineer laat foto’s zien van honden en zwabbers. En van honden die er uitzien als zwabbers. Met behulp van ML kan Google Cloud precies onderscheiden welke soort hond het betreft. ’’Dat is het niveau waar we nu op zitten. Een paar jaar geleden zaten we het op het niveau van een kind van vier en nu op het niveau van een puber van vijftien qua het herkennen van dingen.’’

Vervolgens komen foto’s in beeld van chihuahua-hoofdjes en cakejes met krenten. Bij sommige foto’s moet je bijzonder goed kijken of het nu een hond óf toch een cakeje betreft. ’’Zo zie je maar dat het voor mensen soms heel complex is om dingen te herkennen’’, wil Jankie ermee zeggen.  

Om serieus te vervolgen: ’’ML is een concept waarbij je aan de hand van voorbeelden kunt leren en generalisaties maakt.’’ Hij geeft uitleg over een vorm van ML: ‘deep reinforcement learning’. De engineer laat een filmpje zien van het oercomputerspelletje Pong waarbij je met een balletje gaten schiet in een horizontale muur. 


Strategie om Pong te winnen

De maker van het spel wist niet dat er uiteindelijk een strategie kwam om het spelletje te winnen. Namelijk zorgen dat het balletje bovenop de muur terechtkomt, om de muur dan van bovenaf kapot te maken. Hierbij hoef je als speler zelf nauwelijks wat te doen. Het balletje springt zelf heen en weer.

Hiermee wil hij duidelijk maken dat je bij sommige toepassingen van ML veel voorbeelden nodig hebt. Zoals bij het gebruik van ML bij MRI-scans en CT-scans zo. De computer leert scans herkennen door er heel veel te bestuderen. 

‘Machine Learning is een concept waarbij je aan de hand van voorbeelden kunt leren en generalisaties maakt.‘

In Google Cloud zit bijvoorbeeld het programma AutoML Vision. Je kunt daar als dermatoloog bijvoorbeeld foto’s van huidaandoeningen in uploaden. ’’Als je daar een labeltje aanhangt met wat erop staat en dan op de trainknop drukt in AutoML Vision, dan heb je twintig minuten later opeens een model dat uit zichzelf nieuwe foto’s beoordeelt. Hoe meer beelden je toevoegt, hoe nauwkeuriger het werkt. Je kan veel van dit soort toepassingen, zeker op het visuele stuk, inbrengen in apparaten.’’ 


’Dit is ook de manier waarop zelfrijdende auto’s en zelf varende boten vooruit komen’

Bij ‘deep reinforcement learning’ gaat het nog een stapje verder. Dat is een mechanisme waarbij je nul voorbeelden nodig hebt en je de voorbeelden creëert aan de hand van het spel. ’’Dit is ook de manier waarop zelfrijdende auto’s en zelfvarende boten vooruitkomen.’’

Wereldkampioen Go 

De ontwikkelingen op het gebied van ML gaan snel. Enkele jaren geleden werd een belangrijke doorbraak bereikt die ook in het vooraanstaande medisch wetenschappelijke tijdschrift Nature werd gepubliceerd.1 De wereldkampioen Go werd verslagen door een computer. ’’In 1998 is de wereldkampioen schaken Garri Kasparov verslagen door een computer. En dat was wereldnieuws. Maar dat de wereldkampioen Go werd verslagen door een algoritme is veel bijzonderder’’, vertelt hij. ’’Het aantal zetten dat je kunt doen met schaken is vele malen kleiner dan het aantal zetten dat je doet met Go. Om de waarde te duiden: het aantal zetcombinaties dat je kunt doen met Go is groter dan het aantal elementen in het universum.’’ Hij vervolgt: ’’Je kunt er wel een stevige rekencomputer tegenaan gooien zoals bij schaken is gedaan, maar dat gaat je niet helpen omdat het om veel teveel elementen gaat. En daarom is het een doorbraak, omdat het tóch is gelukt met behulp van ML.’’ 
 

Er zijn al vele toepassingen door Google ontwikkeld, die in de zorg worden toegepast. De customer engineer geeft het voorbeeld van de toepassing van DeID (de-identification).2 Een voorbeeld hiervan is de-identification van scans en röntgenfoto’s. ’’Als je gevoelige informatie hebt op een CT-scan of een MRI, kun je er een algoritme op los laten. Zodat alle gevoelige informatie er uit wordt geknipt en alle relevante informatie voor onderzoek erin blijft staan.’’ 

Ogen scannen op diabetes

Vervolgens wijst hij op een project in India, waarbij Google en Verily een apparaat dat werkt met AI gebruiken om mensen te testen op diabetes door hun ogen te scannen.3 ’’Je hoeft mensen niet naar een arts te brengen, maar je kunt zo’n apparaat op verschillende plekken in de wereld neerzetten en daar onderzoek mee doen.’’

Weer een ander voorbeeld is het door een microscoop kijken naar kankercellen, met hulp van ‘augmented reality’ techniek. ’’Normaal moet je als onderzoeker door een microscoop cellen minutieus bestuderen om te zien of het geen kankercellen zijn. Soms is dat erg lastig. Met de hulp van ‘augmented reality’ en ML krijg je als onderzoeker een seintje als er verdachte cellen voorbij komen onder de microscoop.’’4 
 

Een voorbeeld dat Jason Tan noemt is de healthcare API van Google Cloud: deze slaat een brug tussen gezondheidssystemen van andere partijen en applicaties van Google Cloud. De API ondersteunt verschillende standaarden van bestaande gezondheidstechnologieën.5

Hierdoor wordt het eenvoudig om gezondheidsdata te verwerken, analyseren en op te slaan in de Cloud, vult zijn collega Rokesh Jankie aan. ’’Ik denk dat als die uitwisseling eenmaal plaats heeft, je een veel grotere en meer holistische blik krijgt op wat er nou eigenlijk gebeurt.’’ 

Met data, kennis en rekenkracht mooie oplossingen bouwen

Wat heb je nodig voor datagedreven gezondheidszorg? ’’Rekenkracht, data en kennis’’, somt de customer engineer op. ’’Data en kennis hebben jullie’’, zegt hij terwijl hij richting de deelnemers van het HIP-symposium wijst: vertegenwoordigers van ziekenhuizen en andere zorgpartijen. ’’Wij hebben kennis van machinelearning en rekenkracht. Die combinatie kan ervoor zorgen dat we samen hele mooie oplossingen kunnen bouwen.’’

Pagina beoordelen Like Dislike
Bronnen

Bronnen

1. https://www.nature.com/news/google-ai-algorithm-masters-ancient-game-of-go-1.19234

2. https://cloud.google.com/dlp/docs/deidentify-sensitive-data

3. https://www.nytimes.com/2019/03/10/technology/artificial-intelligence-eye-hospital-india.html

4. https://www.docwirenews.com/videos/detecting-cancer-in-real-time-with-machine-learning/

Deze vraag is om te controleren dat u een mens bent, om geautomatiseerde invoer (spam) te voorkomen.