[Applausi]
alcuni dottori sono dei computer fantastici
scienziati direi con il tipo di
armeggiare che puoi fare con umano
fisiologia che è la più complicata
macchina siamo davvero degli incredibili hacker
sai che ci sono voluti circa ottantaquattro
migliaia di processori messi insieme
il supercomputer giapponese K il vapore
in modo da simulare solo un secondo di umani
attività cerebrale e non sto parlando di
i cervelli che sono seduti qui sono io
parlare dei normali cervelli di vaniglia così così
se sei veramente preoccupato per i robot
conquistare il mondo o anche prendere
su questo evento gli umani sono al sicuro
spazio ma seriamente dieci anni fa quando
Stavo finendo la scuola di medicina che non ho fatto
sentire come se fossi un hacker della fisiologia I
non mi sentivo in grado di hackerare
precisamente la malattia torna in salute e io
era in perdita quindi ho preso per la scienza e io
ero felice che lo facessi, l’ho fatto e così
era l’era del grande giorno giusto il grande
i dati stavano appena iniziando la genomica
la rivoluzione era iniziata con i big data
permeando in medicina ma c’era a
problema
pochissime persone qui saprebbero che io
sono anche un musicista esperto , guardami
[Musica]
Non sono sicuro che tu potessi sentirlo ma
quello era il problema dei Big Data
rivoluzione abbiamo pensato che il nostro
fisiologie e la nostra salute è un incontro
disposto sistema organizzato e se avessimo avuto
i dati che potremmo effettivamente creare
musica ma ora sappiamo che non è il
caso così dati tradizionali che assomigliano
quello di sinistra era ben organizzato
la ricerca medica era ben organizzata
mentre ora lo sappiamo per certo
né le nostre fisiologie né le grandi
i dati sono organizzati in modo ordinato è come se fosse
in realtà siamo disordinati
la scrivania disordinata di Einsteins
nessuno sa dove sono le connessioni
come fare quelle connessioni e questo è
perché direi che i medici biologi
ingegneri bio fisici e biochimici
davvero bisogno di riprendere la scienza di
dati perché dopotutto abbiamo il
connessioni realizzate nella parte destra di
il nostro cervello e da lì è solo uno
saltare sul lato sinistro del cervello
che è il pensiero quantitativo, quindi?
Farò oggi è spezzare quello
pensante quantitativo in tre
piccoli passi che possiamo capire e
prendi questi sono fenotipo approccio profondo
sistematicamente e abilitare le decisioni in tal modo se
Dovevo chiederti che il pestaggio di
i nostri cuori assomigliano a quelli delle immagini
in alto a sinistra a destra tu
potrebbe essere sorpreso di sapere che un cuore
tasso di intervalli intubati non assomigliano
il modello periodico a sinistra loro
in realtà assomigliano al complesso multi-livello
di schemi frattali che si trovano tutti
oltre la natura a destra come il
broccoli qui così diversità e
la complessità è in realtà una misura di
salubrità della salute
Mi è piaciuto fare il mio dottorato e la viola era
divertirsi con guardando questi segnali
abbiamo davvero trovato un uso per esso il
fenotipiamo i segnali profondamente e noi
ho scoperto che questi segnali erano davvero validi
significato per malattia delle vie aeree di piccole dimensioni che
è notoriamente difficile da rilevare così noi
potrebbe progettare un marker non invasivo di
piccola malattia delle prime vie respiratorie precoce senza
fare biopsie e questo era basato sul
matematica del modo in cui il nostro respiratorio
gli alberi si comportano e siamo riusciti a mostrare
che questo ha raggiunto un risultato senza precedenti
sensibilità la risoluzione che vedi
a destra rispetto allo standard
tecniche che vedi a sinistra così
questo è solo un esempio di fenotipizzazione
profondamente ma vorrei avvertirti
la fenotipizzazione profonda a volte può arrivare
coinvolgente possiamo perderci nel
modelli perché la matematica è
bellissimo quindi qui arrivo al secondo
principio che uso continuamente nel mio
scienza dei dati che è l’ approccio
guarda sistematicamente prima la foresta
se abbia senso se il
l’immagine più grande ha senso e io sono così
andando a illustrare con il nostro lavoro su
200.000 dati di pazienti raccolti su a
singolo giorno in tutta l’India da parte di Chess
Research Foundation Pune
eravamo scettici perché questo era
dati basati su questionari quindi ho deciso di farlo
fai i controlli facendo il quadro generale
prima facendo analisi di rete e
questo è quello che abbiamo trovato
ogni nodo qui è un sintomo o una malattia
e lo si poteva vedere nel più grande
le malattie delle immagini hanno degli amici che formano
comunità e sono in chiave
influencer in questa rete in questo
trucco della malattia che chiamate il
sintomo questo sintomo è il sintomo di
il gruppo di età pediatrica dell’indiano
popolazione abbiamo immaginato come sarebbero questi
le reti cambiano attraverso il gruppo di età come
Se fluissero, lo facemmo proprio così
usando tecniche computazionali e lui
trovato che sull’asse x qui c’è l’età
gruppi da 0 a 10 e più di 16 voi
potrebbe vedere che queste reti lontano
formata caricata semplifica il più
streamline carico è il respiratorio
snellire i capelli è il massimo
prevalente ma guarda circolatorio nel
rosso
diventa più caricato con l’età ed è
si fonde con il sistema endocrino che è il diabete
il più predominantemente quello top streamline
la sottile fodera interna è di sesso femminile
i genitali vengono caricati , viene giù
si fonde con l’ anemia che stanno insieme
nel gruppo di età riproduttiva e poi
mi separano da me da mestruazioni
i disordini sono così ampiamente prevalenti in
L’India e questi grandi dati erano in realtà
raccontandoci alcune storie ma non l’abbiamo fatto
fermati alle storie che abbiamo deciso di prenderlo
oltre a fare apprendimento automatico e
modelli di intelligenza artificiale per davvero
fare previsioni qui è un bayesiano
analisi di rete che è artificiale
modello di intelligence sugli stessi dati
ma quello che abbiamo fatto qui è stato combinato
che 2 dati paziente lakh insieme a
i dati disponibili sulla penetrazione del GPL
nel paese combustibile per cucinare pulito e
abbiamo scoperto che abbiamo fatto il bayesiano
analisi reti GPL penetrazione che
è in verde il Novo viene fuori per essere
legato alla malattia ostruttiva delle vie aeree
queste sono fonti di dati separate
ricorda che non c’è nessuna diafonia tra
loro prima dell’analisi, quindi cosa succede se questo
è stato solo un caso trovare lo stesso
tecniche che ci hanno permesso di monitorare
dinamicamente il cambiamento nelle reti noi
usato qui per tracciare la stabilità di
modelli e questo è quello che vedi sul
in alto usando i bootstraps sullo stesso
dati ciascuno vedendo un diverso angolo di
le condizioni critiche dei dati come la sepsi
e risultati negativi utilizzando i big data e
gli schemi che ho appena mostrato
così useremo fenotipizzazione
avvicinandosi profondamente sistematicamente e
consentendo decisioni per creare avvisi per
i dottori
quindi dove siamo ora dato che è pieno
progetto di spettro abbiamo iniziato nel
scienza dei dati fin da subito noi
stiamo costruendo queste risorse che siamo
costruendo tecnologie ci costruiamo
hanno accumulato 4.000 ore 40.000 ore
di dati continuamente monitorati al
Dipartimento di Pediatria negli ultimi anni
cinque mesi ma siamo grandi ancora lo farei
non dire di si il mio collaboratore a Stanford
La scuola di medicina ha accesso a circa
3,5 milioni di ore in continuo
registrando ma stiamo iniziando proprio da
il graffio e stiamo iniettando il nostro
competenze di dominio nella costruzione di
i sistemi e anche nella costruzione di
le modelle quindi ci saremo presto quelle
modelli di brocolli che ho mostrato prima
ci stanno effettivamente abilitando a rilevare
stabilità di questi pazienti nelle unità di terapia intensiva
quanto sono stabili come si stanno chiedendo
queste firme si riferiscono a
risultati per i risultati reali su questo
dovremo aspettare un po ‘come qualsiasi
progetto a spettro completo abbiamo un grande
squadra e un incredibile set di mentori e
Sono davvero orgoglioso del team di medici
e ingegneri che in realtà stanno sostenendo
noi quindi qual è il nuovo impulso della medicina
è big data o è una scienza o
è l’apprendimento automatico direi così
il nuovo impulso della medicina sei tu
chi si avventura fuori nel
medicina di nuova generazione e creerà
una differenza facciamo ogni conto
grazie mille
[Applausi]
alcuni dottori sono dei computer fantastici
scienziati direi con il tipo di
armeggiare che puoi fare con umano
fisiologia che è la più complicata
macchina siamo davvero degli incredibili hacker
sai che ci sono voluti circa ottantaquattro
migliaia di processori messi insieme
il supercomputer giapponese K il vapore
in modo da simulare solo un secondo di umani
attività cerebrale e non sto parlando di
i cervelli che sono seduti qui sono io
parlare dei normali cervelli di vaniglia così così
se sei veramente preoccupato per i robot
conquistare il mondo o anche prendere
su questo evento gli umani sono al sicuro
spazio ma seriamente dieci anni fa quando
Stavo finendo la scuola di medicina che non ho fatto
sentire come se fossi un hacker della fisiologia I
non mi sentivo in grado di hackerare
precisamente la malattia torna in salute e io
era in perdita quindi ho preso per la scienza e io
ero felice che lo facessi, l’ho fatto e così
era l’era del grande giorno giusto il grande
i dati stavano appena iniziando la genomica
la rivoluzione era iniziata con i big data
permeando in medicina ma c’era a
problema
pochissime persone qui saprebbero che io
sono anche un musicista esperto , guardami
[Musica]
Non sono sicuro che tu potessi sentirlo ma
quello era il problema dei Big Data
rivoluzione abbiamo pensato che il nostro
fisiologie e la nostra salute è un incontro
disposto sistema organizzato e se avessimo avuto
i dati che potremmo effettivamente creare
musica ma ora sappiamo che non è il
caso così dati tradizionali che assomigliano
quello di sinistra era ben organizzato
la ricerca medica era ben organizzata
mentre ora lo sappiamo per certo
né le nostre fisiologie né le grandi
i dati sono organizzati in modo ordinato è come se fosse
in realtà siamo disordinati
la scrivania disordinata di Einsteins
nessuno sa dove sono le connessioni
come fare quelle connessioni e questo è
perché direi che i medici biologi
ingegneri bio fisici e biochimici
davvero bisogno di riprendere la scienza di
dati perché dopotutto abbiamo il
connessioni realizzate nella parte destra di
il nostro cervello e da lì è solo uno
saltare sul lato sinistro del cervello
che è il pensiero quantitativo, quindi?
Farò oggi è spezzare quello
pensante quantitativo in tre
piccoli passi che possiamo capire e
prendi questi sono fenotipo approccio profondo
sistematicamente e abilitare le decisioni in tal modo se
Dovevo chiederti che il pestaggio di
i nostri cuori assomigliano a quelli delle immagini
in alto a sinistra a destra tu
potrebbe essere sorpreso di sapere che un cuore
tasso di intervalli intubati non assomigliano
il modello periodico a sinistra loro
in realtà assomigliano al complesso multi-livello
di schemi frattali che si trovano tutti
oltre la natura a destra come il
broccoli qui così diversità e
la complessità è in realtà una misura di
salubrità della salute
Mi è piaciuto fare il mio dottorato e la viola era
divertirsi con guardando questi segnali
abbiamo davvero trovato un uso per esso il
fenotipiamo i segnali profondamente e noi
ho scoperto che questi segnali erano davvero validi
significato per malattia delle vie aeree di piccole dimensioni che
è notoriamente difficile da rilevare così noi
potrebbe progettare un marker non invasivo di
piccola malattia delle prime vie respiratorie precoce senza
fare biopsie e questo era basato sul
matematica del modo in cui il nostro respiratorio
gli alberi si comportano e siamo riusciti a mostrare
che questo ha raggiunto un risultato senza precedenti
sensibilità la risoluzione che vedi
a destra rispetto allo standard
tecniche che vedi a sinistra così
questo è solo un esempio di fenotipizzazione
profondamente ma vorrei avvertirti
la fenotipizzazione profonda a volte può arrivare
coinvolgente possiamo perderci nel
modelli perché la matematica è
bellissimo quindi qui arrivo al secondo
principio che uso continuamente nel mio
scienza dei dati che è l’ approccio
guarda sistematicamente prima la foresta
se abbia senso se il
l’immagine più grande ha senso e io sono così
andando a illustrare con il nostro lavoro su
200.000 dati di pazienti raccolti su a
singolo giorno in tutta l’India da parte di Chess
Research Foundation Pune
eravamo scettici perché questo era
dati basati su questionari quindi ho deciso di farlo
fai i controlli facendo il quadro generale
prima facendo analisi di rete e
questo è quello che abbiamo trovato
ogni nodo qui è un sintomo o una malattia
e lo si poteva vedere nel più grande
le malattie delle immagini hanno degli amici che formano
comunità e sono in chiave
influencer in questa rete in questo
trucco della malattia che chiamate il
sintomo questo sintomo è il sintomo di
il gruppo di età pediatrica dell’indiano
popolazione abbiamo immaginato come sarebbero questi
le reti cambiano attraverso il gruppo di età come
Se fluissero, lo facemmo proprio così
usando tecniche computazionali e lui
trovato che sull’asse x qui c’è l’età
gruppi da 0 a 10 e più di 16 voi
potrebbe vedere che queste reti lontano
formata caricata semplifica il più
streamline carico è il respiratorio
snellire i capelli è il massimo
prevalente ma guarda circolatorio nel
rosso
diventa più caricato con l’età ed è
si fonde con il sistema endocrino che è il diabete
il più predominantemente quello top streamline
la sottile fodera interna è di sesso femminile
i genitali vengono caricati , viene giù
si fonde con l’ anemia che stanno insieme
nel gruppo di età riproduttiva e poi
mi separano da me da mestruazioni
i disordini sono così ampiamente prevalenti in
L’India e questi grandi dati erano in realtà
raccontandoci alcune storie ma non l’abbiamo fatto
fermati alle storie che abbiamo deciso di prenderlo
oltre a fare apprendimento automatico e
modelli di intelligenza artificiale per davvero
fare previsioni qui è un bayesiano
analisi di rete che è artificiale
modello di intelligence sugli stessi dati
ma quello che abbiamo fatto qui è stato combinato
che 2 dati paziente lakh insieme a
i dati disponibili sulla penetrazione del GPL
nel paese combustibile per cucinare pulito e
abbiamo scoperto che abbiamo fatto il bayesiano
analisi reti GPL penetrazione che
è in verde il Novo viene fuori per essere
legato alla malattia ostruttiva delle vie aeree
queste sono fonti di dati separate
ricorda che non c’è nessuna diafonia tra
loro prima dell’analisi, quindi cosa succede se questo
è stato solo un caso trovare lo stesso
tecniche che ci hanno permesso di monitorare
dinamicamente il cambiamento nelle reti noi
usato qui per tracciare la stabilità di
modelli e questo è quello che vedi sul
in alto usando i bootstraps sullo stesso
dati ciascuno vedendo un diverso angolo di
le condizioni critiche dei dati come la sepsi
e risultati negativi utilizzando i big data e
gli schemi che ho appena mostrato
così useremo fenotipizzazione
avvicinandosi profondamente sistematicamente e
consentendo decisioni per creare avvisi per
i dottori
quindi dove siamo ora dato che è pieno
progetto di spettro abbiamo iniziato nel
scienza dei dati fin da subito noi
stiamo costruendo queste risorse che siamo
costruendo tecnologie ci costruiamo
hanno accumulato 4.000 ore 40.000 ore
di dati continuamente monitorati al
Dipartimento di Pediatria negli ultimi anni
cinque mesi ma siamo grandi ancora lo farei
non dire di si il mio collaboratore a Stanford
La scuola di medicina ha accesso a circa
3,5 milioni di ore in continuo
registrando ma stiamo iniziando proprio da
il graffio e stiamo iniettando il nostro
competenze di dominio nella costruzione di
i sistemi e anche nella costruzione di
le modelle quindi ci saremo presto quelle
modelli di brocolli che ho mostrato prima
ci stanno effettivamente abilitando a rilevare
stabilità di questi pazienti nelle unità di terapia intensiva
quanto sono stabili come si stanno chiedendo
queste firme si riferiscono a
risultati per i risultati reali su questo
dovremo aspettare un po ‘come qualsiasi
progetto a spettro completo abbiamo un grande
squadra e un incredibile set di mentori e
Sono davvero orgoglioso del team di medici
e ingegneri che in realtà stanno sostenendo
noi quindi qual è il nuovo impulso della medicina
è big data o è una scienza o
è l’apprendimento automatico direi così
il nuovo impulso della medicina sei tu
chi si avventura fuori nel
medicina di nuova generazione e creerà
una differenza facciamo ogni conto
grazie mille
[Applausi]
Please follow and like us:
Be First to Comment