Pajutote peršalimo simptomus? Nerimaujate dėl gripo ar rimtesnio susirgimo? Atsakymų tikriausiai ieškosite Google ar kitose paieškos sistemose. Tačiau ar žinojote, kad ši paieška, drauge su tūkstančiais kitų, gali padėti aptikti ligos židinius keliomis dienomis ar net savaitėmis anksčiau, nei apie juos praneša sveikatos apsaugos tarnybos?

„Google Flu Trends“ – viena iš daugelio platformų, sukurtų didžiuosius duomenis paversti „minios intelektu“. Nuo 2008-ųjų Google dirbtinio intelekto komandos sukurtas algoritmas kelis metus iš eilės padėjo nustatyti beįsižiebiančius gripo ir kitų infekcinių ligų, pavyzdžiui, Dengė karštinės, židinius. Kai kuriais atvejais net dviem savaitėmis anksčiau nei buvo išplatinti oficialūs ligų prevencijos ir apsaugos institucijų pranešimai. Kaip jiems tai pavyko?

Tiesą sakant, atsakymas nesudėtingas. Google panaudojo paprastą paieškos internete principą – jei žmonės kažko ieško, vadinasi jiems to reikia (pvz., tam tikros prekės), arba jiems tai yra (pvz., karščiuoja). Pajutę peršalimo ar gripo simptomus, žmonės dažnai atsakymų apie ligą ir jos gydymą pirmiausiai ieško paieškos sistemose. Pastebėjus daugybę tokių paieškų vienu metu vienoje vietoje, galima spėti, jog ten bręsta ligos židinys.

Apie gresiantį ligonių antplūdį iš anksto perspėjus gydymo įstaigas regione, jos gali tinkamai pasiruošti. Tuo pačiu galima išplatinti ir ankstyvus pranešimus visuomenei, pavyzdžiui, vengti didelių susibūrimų vietų, kelionių į rizikingas karštinės zonas, ir panašiai. Taip sumažinama ligos išplitimo rizika.

Tuo tarpu oficialių sveikatos apsaugos įstaigų perspėjimus paskelbimas – daug ilgesnis procesas. Pirmiausiai reikia sulaukti, kol sergantieji kreipsis į gydymo įstaigas, ir ten susirgimai bus patvirtinti. O gydytojo pagalbos dažniausiai ieškome jau rimčiau susirgę, ne tik pajutę pirmuosius simptomus. Tuomet ši informacija siunčiama į atsakingas institucijas ir tik susirgimų skaičiui peržengus tam tikrą ribą, skelbiama epidemija ir imamasi saugos priemonių. Tai gali nutikti daugiau nei keliomis dienomis vėliau nei įsižiebia ligos židinys.

Tuo tarpu „Google Flu Trends“ ir panašūs algoritmai milžinišką kiekį duomenų, kurie pavieniui lyg ir nieko nereiškia, sugeba paversti naudinga informacija, tam tikru „minios intelektu“.

Panašiai veikia ir kiti algoritmai, sekantys ir interpretuojantys žmonių naudojimąsi technologijomis. Pavyzdžiui, mobiliųjų telefonų siunčiami signalai naudojami eismo spūstims aptikti. Naudodamos šiuos duomenis, navigacijos sistemos gali vairuotojams pasiūlyti geresnius maršrutus. Bankomatų naudojimo statistika gali padėti atsekti didelių žmonių grupių migraciją po katastrofų ar dėl politinių priežasčių.

Vis dėl to internetinės paieškos statistika ar mobiliųjų telefonų signalai yra tik šalutinis tam tikrų „minios“ veiksmų efektas. Nors šie duomenys tikrai naudingi, vis dėl to gali ir klaidinti. Ne visus duomenis vienodai lengva interpretuoti ar nuspėti įvykių priežastis.

Pavyzdžiui, regionuose, kur paplitusios tam tikros ligos, gyventojai gali neturėti prieigos prie interneto. Gali būti, jog dėl kultūrinių priežasčių jie labiau linkę pasikliauti natūraliais gydymo metodais, o ne Google paieška. Tokiu atveju negalima tikėtis, jog „Google Flu Trends“ tiksliai ir laiku atskleis ligos židinius. Lygiai taip pat, remiantis tik mobiliaisiais duomenimis, sunku tiksliai nuspėti kur ir kokio rimtumo automobilių spūstis susidarė. Viena to priežasčių – sunku tiksliai nustatyti, kuria eismo kryptimi susidariusi spūstis. Taigi, vien didžiaisiais duomenimis besiremiančiais pagalbininkais nereikėtų pernelyg pasikliauti.

„Google Maps“ ir kitos navigacijos programos spūstis gatvėse nustato, naudodamos mobiliuosius ir kitus duomenis. Tačiau tokiais duomenimis nederėtų pasitikėti aklai – šie algoritmai negali nustatyti situacijų subtilybių. Šiame paveikslėlyje iš „Google Maps“ matomas siūlomas maršrutas nuo Vilniaus Katedros aikštės iki Akropolio per popiežiaus vizitą, 2018-09-22. Gatvėse, kur tuo metu draudžiamas eismas, „Google Maps“ pažymėjo transporto spūstį. Tačiau tai, greičiausiai, tik pėsčiomis su popiežiumi susitikti surinkusių žmonių mobiliųjų telefonų signalai.

Vis dėlto, naujomis technologijomis surenkamų didžiųjų duomenų potencialas nenuginčijamas. O dar geriau technologijų ir žmonijos bendradarbiavimą išnaudoti žada žmonių kompiuterija, apie kurią jau pasakojome ankstesniuosešios serijosstraipsniuose.

Žmonių kompiuterija – ne per seniausiai atsiradusi mokslo šaka, tirianti geriausius kompiuterių ir žmonių bendradarbiavimo būdus, bei kurianti naujus „minios intelekto“ metodus. Pasak šią sritį tyrinėjančių mokslininkų, žmonių kompiuterija jau dabar galėtų padėti spartinti mokslą, modeliuoti tokius globalius procesus, kaip klimato atšilimas ar politiniai neramumai, ir padėti jų išvengti. Tuo tarpu, dirbtinio intelekto vystymasis toks lėtas, kad dar ilgai nepralenks unikalių žmogaus savybių, kaip intuicija ar kūrybinis mąstymas. Žmonių kompiuterijos technologijomis naudojamės net nesumąstydami. Pavyzdžiui, reCAPTCHA, Vikipedija ir kitos kiekvienam pažįstamos platformos, apie kurias rašėmejau anksčiau.

Ar žmonių kompiuterija galėtų padėti geriau interpretuoti didžiuosius duomenis? Tikrai taip – leidžiant žmonėms interpretuoti tuos duomenis, kuriuos tiksliai įvertinti galime tik mes. Vienas iš paprasčiausių pavyzdžių būtų virš transporto spūsties paleidžiant droną su gyvo vaizdo stebėjimo kamera. Kitame „laido gale“ esantis žmogus operatorius galėtų tiksliai pasakyti, kuria eismo kryptimi susidaręs kamštis. Negana to, tai padėtų apmokyti ir dirbtinio intelekto algoritmus, kad ilgainiui jie šį darbą išmoktų geriau atlikti patys. Panašių pavyzdžių gausu daugelyje sričių, įskaitant to paties Google vaizdo atpažinimo algoritmus ir kt.

Grįžtant prie sveikatos apsaugos temos, žmonių kompiuterijos metodai skinasi kelią ir čia. Nenuostabu, kad tokioje svarbioje srityje minios intelektą galime, – ir turėtume – išnaudoti daug tikslingiau, nei tiesiog su tam tikra paklaida nuspėti ligos židinius.

Pavyzdžiui, „PatientsLikeMe“ platforma jau padėjo tūkstančiams chroniškomis ligomis sergančių žmonių. Platformą 2004-aisiais įkūrė du MIT studentai. Jie, pasinaudodami naujausių technologijų teikiamomis galimybėmis, norėjo padėti savo broliui, sirgusiam amiotrofine lateraline skleroze (ALS).

ALS ir kitomis ligomis sergantys platformos vartotojai padeda vieni kitiems atrasti geresnių būdų mažinti ligos simptomus, bei surasti būtent jiems tinkamą gydymą.

Tačiau tai – gerokai daugiau nei socialinis tinklas. Ši žmonių kompiuterijos platforma pasitelkia patikimus mokslinius metodus duomenų rinkimui ir jų apdorojimui, kartu atlikdama ir savotiško internetinių pažinčių portalo vaidmenį.

„PatientsLikeMe“ leidžia pacientams susikurti savo ligos profilį, ir vesti ligos simptomų bei naudojamų gydymo būdų dienoraštį. Įdomu tai, jog vartotojai dalinasi ir „liaudiškais“ gydymo metodais, ir net visai paprastais būdais įveikti simptomus, pavyzdžiui, išsimaudant šaltame duše. „PatientsLikeMe“ platformoje šie duomenys apdorojami, sugrupuojami ir kitiems vartotojams pateikiami grafikų ir pranešimų forma.

„PatientsLikeMe“ platformoje pacientai gali ne tik sekti savo simptomų istoriją ir ligos progresą, bet ir surasti kitus, į juos labiausiai panašius pacientus. Pavyzdžiui, to paties amžiaus ALS pacientą, kuriam liga nustatyta panašiu metu ir kuris bandė tam tikrą vaistą vienam ar kitam simptomui įveikti.

Nors ši sistema labai primena nuo interneto egzistavimo pradžios naudojamus forumus, kur pacientai dalijasi patirtimis apie tam tikras ligas ir jų gydymą, „PatientsLikeMe“ privalumas tas, jog surinkti duomenys agreguojami patikimais moksliniais metodais. Vartotojai šias „minios intelekto“ būdu surinktas žinias gali panaudoti ne tik pavieniams simptomams gydyti, bet ir hipotezėms apie savo ligą k

„PatientsLikeMe“ leidžia pacientams susikurti savo ligos profilį, ir vesti ligos simptomų bei naudojamų gydymo būdų dienoraštį. Įdomu tai, jog vartotojai dalinasi ir „liaudiškais“ gydymo metodais, ir net visai paprastais būdais įveikti simptomus, pavyzdžiui, išsimaudant šaltame duše. „PatientsLikeMe“ platformoje šie duomenys apdorojami, sugrupuojami ir kitiems vartotojams pateikiami grafikų ir pranešimų forma.

Vis daugiau gydytojų ima rimtai žiūrėti į tokių „minios intelekto“ platformų surinktus duomenis

„PatientsLikeMe“ platformoje pacientai gali ne tik sekti savo simptomų istoriją ir ligos progresą, bet ir surasti kitus, į juos labiausiai panašius pacientus. Pavyzdžiui, to paties amžiaus ALS pacientą, kuriam liga nustatyta panašiu metu ir kuris bandė tam tikrą vaistą vienam ar kitam simptomui įveikti.

Nors ši sistema labai primena nuo interneto egzistavimo pradžios naudojamus forumus, kur pacientai dalijasi patirtimis apie tam tikras ligas ir jų gydymą, „PatientsLikeMe“ privalumas tas, jog surinkti duomenys agreguojami patikimais moksliniais metodais. Vartotojai šias „minios intelekto“ būdu surinktas žinias gali panaudoti ne tik pavieniams simptomams gydyti, bet ir hipotezėms apie savo ligą kelti.

Svarbu ir tai, jog vis daugiau gydytojų ima rimtai žiūrėti į tokių platformų surinktus duomenis. Parodžius savo „PatientsLikeMe“ profilį gydytojui, šis gali paskirti geresnį gydymą. O kaip gerai vienokie ar kitokie vaistai ar terapija veikia, galima toliau raportuoti savo „PatientsLikeMe“ ligos dienoraštyje, stebint savo ligos bei simptomų pokyčius, ir šiuos lyginant su kitų vartotojų.

Taip žmonių kompiuterija padeda geriausiai išnaudoti „minios intelektą“. Tuo tarpu net moderniausiose gydymo įstaigose tokių įrankių nėra. Joks gydytojas negali vienu metu stebėti šimtų panašaus amžiaus ir panašius simptomus turinčių pacientų ligos vystymosi. Tačiau tai labai paprasta vizualizuoti šia, žmonių bendradarbiavimu ir moksliniais metodais grįsta platforma.

Nega to, „PatientsLikeMe“ ir panašiose platformose atsiranda galimybių ir patiems tapti mokslininkais. Pavyzdžiui, viena ALS serganti „PatientsLikeMe“ vartotoja, darydama standartinį testą ligos būklei įvertinti, atrado, jog jis visiškai neatskleidžia visų ALS pacientų gebėjimų net po to, kai jie praranda galimybę kalbėti ar judėti už savo būsto ribų. Kaip parodo jos pačios ir kitų panašių pacientų pavyzdys, technologijos ir žmonių kūrybiškumas leidžia rasti naujų būdų komunikuoti ir funkcionuoti, pavyzdžiui pasitelkiant iš raumenų judesių kalbą generuojančiais prietaisais. Kartu su „PatientsLikeMe“ mokslininkais ši vartotoja padėjo sudaryti naujus ALS pacientų gebėjimų vertinimo kriterijus ir išleido mokslinį straipsnį.

Tuo tarpu „23andMe“ genomų sekoskaitoa programos vartotojai gali ne tik vizualizuoti savo genomo duomenis programos portale, bet ir juos eksportuoti bei pasidalinti kitose piliečių mokslo ir atvirojo mokslo portaluose. Viena tokių – 2011-aisiais įkurta „OpenSNP“ genetinių duomenų dalinimosi platforma. Čia vartotojai kviečiami visiškai atvirai dalintis savo genomo duomenimis, kartu apibūdinant ir savo fenotipą – įvairius išvaizdos ir asmenybės bruožus, ligų istoriją ir t.t.

Tokie duomenys tampa prieinami tiek platformos vartotojams, tiek bet kuriam piliečiui ar profesionaliam mokslininkui, norinčiam atlikti tyrimus apie tam tikrus genetinius susirgimus ar fenotipą lemiančius faktorius.

Svarbu ir tai, jog vis daugiau gydytojų ima rimtai žiūrėti į tokių platformų surinktus duomenis. Parodžius savo „PatientsLikeMe“ profilį gydytojui, šis gali paskirti geresnį gydymą. O kaip gerai vienokie ar kitokie vaistai ar terapija veikia, galima toliau raportuoti savo „PatientsLikeMe“ ligos dienoraštyje, stebint savo ligos bei simptomų pokyčius, ir šiuos lyginant su kitų vartotojų.

Taip žmonių kompiuterija padeda geriausiai išnaudoti „minios intelektą“. Tuo tarpu net moderniausiose gydymo įstaigose tokių įrankių nėra. Joks gydytojas negali vienu metu stebėti šimtų panašaus amžiaus ir panašius simptomus turinčių pacientų ligos vystymosi. Tačiau tai labai paprasta vizualizuoti šia, žmonių bendradarbiavimu ir moksliniais metodais grįsta platforma.

Nega to, „PatientsLikeMe“ ir panašiose platformose atsiranda galimybių ir patiems tapti mokslininkais. Pavyzdžiui, viena ALS serganti „PatientsLikeMe“ vartotoja, darydama standartinį testą ligos būklei įvertinti, atrado, jog jis visiškai neatskleidžia visų ALS pacientų gebėjimų net po to, kai jie praranda galimybę kalbėti ar judėti už savo būsto ribų. Kaip parodo jos pačios ir kitų panašių pacientų pavyzdys, technologijos ir žmonių kūrybiškumas leidžia rasti naujų būdų komunikuoti ir funkcionuoti, pavyzdžiui pasitelkiant iš raumenų judesių kalbą generuojančiais prietaisais. Kartu su „PatientsLikeMe“ mokslininkais ši vartotoja padėjo sudaryti naujus ALS pacientų gebėjimų vertinimo kriterijus ir išleido mokslinį straipsnį.

Tuo tarpu „23andMe“ genomų sekoskaitoa programos vartotojai gali ne tik vizualizuoti savo genomo duomenis programos portale, bet ir juos eksportuoti bei pasidalinti kitose piliečių mokslo ir atvirojo mokslo portaluose. Viena tokių – 2011-aisiais įkurta „OpenSNP“ genetinių duomenų dalinimosi platforma. Čia vartotojai kviečiami visiškai atvirai dalintis savo genomo duomenimis, kartu apibūdinant ir savo fenotipą – įvairius išvaizdos ir asmenybės bruožus, ligų istoriją ir t.t.

Tokie duomenys tampa prieinami tiek platformos vartotojams, tiek bet kuriam piliečiui ar profesionaliam mokslininkui, norinčiam atlikti tyrimus apie tam tikrus genetinius susirgimus ar fenotipą lemiančius faktorius.

Taip pat veikia ir 2015-aisiais įkurta „Open Humans“ platforma. Jos kūrėjai siekia paskatinti visus atverti duomenis apie save – nuo socialinių medijų naudojimo įpročių iki virusinių ligų, kuriomis susirgote. Pavyzdžiui, „Go Viral“ projektas labai panašus į „Google Flu Trends“, nes siekia atskleisti ir tyrinėti virusinių ligų paplitimą įvairiuose regionuose. Tačiau čia, užuot pasyviai suteikdami informaciją per paieškos sistemas, dalyviai renka savo pačių mėginius ir siunčia juos mokslininkams, bei pildo įvairius klausimynus. Taip piliečiai aktyviai įsitraukia į pasaulio infekcinių ligų tyrimus. Pasak „Forbes“ 2015-aisiais publikuoto straipsnio apie „Open Humans“, tai „galimybė kiekvienam paaukoti savo kūną mokslui, be būtinybės numirti“.

Žmonių kompiuterijoms metodams tobulėjant, ko gero, atsiras ir daugiau būdų esamuoju išnaudoti „minios intelektą“ įvairių žmoniją kamuojančių problemų sprendimui. Nuo paprasčiausio žmonių elgesio tendencijų interpretavimo iki medicinos 2.0: pacientams patiems įsitraukiant į savo gydymo procesą ir atliekant patikimus moksliniu metodu paremtus tyrimus.

E. M. Ramanauskaitė

Šaltiniai:

1. Wicks, P., & Little, M. (2013). The virtuous circle of the quantified self: A human computational approach to improved health outcomes. In Handbook of human computation (pp. 105-129). Springer, New York, NY.www.openhumans.org/about
2. „This Website Invites You To Donate Your Body To Science Without Having To Die“:www.forbes.com/sites/arleneweintraub/2015/03/27/open-humans-network-invites-everyone-to-share-their-personal-health-data

Komentarai ()