BM83 – Jak Google i DeepMind wspierają służbę zdrowia?
Innowacja nieodłącznie wiąże się z licznymi wyzwaniami, bo wymaga pokonywania nierzadko bardzo wielu barier, zmiany utartych tematów i sposobu myślenia. O tym i nie tylko miałem okazję porozmawiać z Joanną Chwastowską z Google, która pracuje w dziale dedykowanym ochronie zdrowia i zajmuje się obecnie wraz ze swoim zespołem tworzeniem aplikacji Streams autorstwa DeepMind. Jaki problem rozwiązuje Streams i jak działa? Posłuchaj odcinka.
Wprowadzenie do tematu zdrowia i przedstawienie gościa, Joanna Chwastowska, pracującej w Google. Rozmowa o jej ścieżce kariery i ulubionej książce.
Opis ścieżki kariery Joanna Chwastowskiej, od studiów informatyki do pracy w Google i DeepMind. Omówienie projektów i wyzwań w sektorze zdrowia.
Opis działu Google Health i jego projekty, takie jak badania dotyczące retinopatii towarzyszącej cukrzycy. Omówienie aplikacji Streams i problemu ostrym uszkodzenia nerek.
Szczegółowy opis problemu ostrym uszkodzenia nerek, jego częstotliwości i konsekwencji. Omówienie projektu badawczego aplikacji Streams i jego potencjalnych korzyści.
Rozmowa skupia się na problemach infrastruktury służb zdrowia, takich jak brak nowoczesnych systemów informatycznych, korzystanie z papierów i pagerów, oraz konieczność wprowadzenia bardziej efektywnych rozwiązań.
Opisano działanie aplikacji Streams, jej korzyści oraz problemy związane z wprowadzaniem takich rozwiązań w systemach zdrowotnych, takich jak brak zaakceptowania przez społeczeństwo i potrzeba regulacji.
Rozmowa skupia się na konieczności tworzenia interdyscyplinarnych zespołów do tworzenia innowacyjnych rozwiązań w sektorze zdrowia, oraz na wyzwaniach związanych z komunikacją między różnymi grupami.
Rozmowa o wyzwaniach zastosowania uczenia maszynowego w medycynie, szczególnie w zakresie skalowalności modeli i adaptacji do różnych środowisk.
Przewidywania dotyczące rozwoju technologii w medycynie, w tym zwiększenie efektywności screeningu i zmniejszenie ilości błędnego przewidywania.
Diskusja na temat błędnego przewidywania przez maszyny i zmiany w zaufaniu do lekarzy i maszyn.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.