بهبود سلامت، یک سیستم یادگیری ماشینی در یک زمان

مرضیه قاسمی که در کودکی اسیر بازی‌های رایانه‌ای و پازل شده بود، در سنین پایین نیز شیفته سلامتی بود. خوشبختانه، او راهی پیدا کرد که در آن توانست این دو علاقه را با هم ترکیب کند.

قاسمی، دانشیار دپارتمان مهندسی برق و علوم کامپیوتر MIT و مؤسسه مهندسی و علوم پزشکی (IMES) و مدیر ارشد این دانشگاه می‌گوید: «اگرچه من شغلی را در بخش مراقبت‌های بهداشتی در نظر گرفته بودم، اما کشش علوم و مهندسی کامپیوتر قوی‌تر بود. محقق در آزمایشگاه اطلاعات و سیستم های تصمیم گیری (LIDS). “وقتی متوجه شدم که علوم کامپیوتر به طور گسترده و به طور خاص AI/ML می تواند در مراقبت های بهداشتی به کار رود، این یک همگرایی از علایق بود.”

امروز قاسمی و گروه تحقیقاتی Healthy ML او در LIDS کار می کنند روی مطالعه عمیق در مورد اینکه چگونه یادگیری ماشین (ML) می تواند قوی تر شود و متعاقباً برای بهبود ایمنی و برابری در سلامت به کار رود.

قاسمی که در تگزاس و نیومکزیکو در خانواده ای ایرانی-آمریکایی مهندسی محور بزرگ شده بود، الگوهایی داشت که باید در حرفه STEM دنبال شود. در حالی که او عاشق بازی های ویدیویی مبتنی بر پازل بود – “حل پازل برای باز کردن سطوح دیگر یا پیشرفت بیشتر یک چالش بسیار جذاب بود” – مادرش او را در اوایل ریاضیات پیشرفته تر درگیر کرد. روی، او را وسوسه می کند که ریاضیات را فراتر از حساب ببیند.

قاسمی می‌گوید: «افزودن یا ضرب کردن مهارت‌های پایه‌ای است که به دلایل خوبی بر آن تأکید شده است، اما تمرکز می‌تواند این ایده را مبهم کند که بسیاری از ریاضیات و علوم سطح بالاتر بیشتر در مورد منطق و معما هستند.» به دلیل تشویق مادرم، می‌دانستم که چیزهای جالبی در راه است.»

قاسمی می گوید که علاوه بر مادرش، بسیاری دیگر از رشد فکری او حمایت کردند. همانطور که او مدرک کارشناسی خود را در دانشگاه ایالتی نیومکزیکو به دست آورد، مدیر کالج Honors و یک محقق سابق مارشال – جیسون آکلسون، که اکنون مشاور ارشد وزارت امنیت داخلی ایالات متحده است – به او کمک کرد تا برای بورسیه مارشال درخواست کند. به دانشگاه آکسفورد، جایی که در سال 2011 مدرک کارشناسی ارشد گرفت و برای اولین بار به حوزه جدید و به سرعت در حال تکامل یادگیری ماشین علاقه مند شد. قاسمی در طول دوره دکترای خود در MIT می‌گوید که «از اساتید و همتایانش حمایت می‌شود» و می‌افزاید: «این محیط باز بودن و پذیرش چیزی است که من سعی می‌کنم آن را برای دانشجویانم تکرار کنم».

در حین کار روی قاسمی دکترای خود را نیز با اولین سرنخ خود مواجه کرد که سوگیری در داده های سلامتی می تواند در مدل های یادگیری ماشین پنهان شود.

او مدل‌هایی را برای پیش‌بینی نتایج با استفاده از داده‌های سلامت آموزش داده بود، «و طرز فکر آن زمان استفاده از همه داده‌های موجود بود. در شبکه‌های عصبی برای تصاویر، ما دیده بودیم که ویژگی‌های مناسب برای عملکرد خوب آموخته می‌شود و نیاز به مهندسی دستی ویژگی‌های خاص را از بین می‌برد.

طی جلسه ای با لئو سلی، محقق اصلی آزمایشگاه فیزیولوژی محاسباتی MIT و IMES و یکی از اعضای کمیته پایان نامه قاسمی، سلی از او پرسید که آیا قاسمی عملکرد مدل ها را بررسی کرده است یا خیر. روی بیماران از جنس های مختلف، انواع بیمه، و نژادهای خود گزارش شده.

قاسمی بررسی کرد و خلأهایی وجود داشت. ما اکنون تقریباً یک دهه کار داریم که نشان می‌دهد رفع این شکاف‌های مدل دشوار است – این شکاف‌ها از سوگیری‌های موجود در داده‌های سلامت و شیوه‌های فنی پیش‌فرض ناشی می‌شوند. اگر به دقت در مورد آنها فکر نکنید، مدل ها ساده لوحانه تعصبات را بازتولید کرده و گسترش می دهند.”

قاسمی از همان زمان به بررسی چنین موضوعاتی پرداخت.

موفقیت مورد علاقه او در کارهایی که انجام داده در چندین بخش به دست آمد. اول، او و گروه تحقیقاتی اش نشان دادند که مدل های یادگیری می توانند نژاد بیمار را از روی تصاویر پزشکی مانند اشعه ایکس قفسه سینه تشخیص دهند، که رادیولوژیست ها قادر به انجام آن نیستند. سپس گروه دریافتند که مدل‌ها برای عملکرد خوب بهینه شده‌اند.روی متوسط» برای زنان و اقلیت ها عملکرد خوبی نداشت. تابستان گذشته، گروه او این یافته‌ها را ترکیب کرد تا نشان دهد که هر چه یک مدل بیشتر یاد بگیرد که نژاد یا جنسیت بیمار را از روی یک تصویر پزشکی پیش‌بینی کند، شکاف عملکردی آن برای زیر گروه‌های آن جمعیت‌شناسی بدتر خواهد بود. قاسمی و تیمش دریافتند که اگر به مدلی آموزش داده شود که به جای تمرکز، تفاوت های جمعیتی را در نظر بگیرد، مشکل را کاهش داد. روی عملکرد متوسط ​​کلی – اما این process باید در هر سایتی که یک مدل در آن مستقر است انجام شود.

ما تاکید می‌کنیم که مدل‌هایی که برای بهینه‌سازی عملکرد (تعادل عملکرد کلی با کمترین شکاف انصافی) در یک بیمارستان آموزش داده شده‌اند، در سایر تنظیمات بهینه نیستند. این تاثیر مهمی دارد روی قاسمی می‌گوید که چگونه مدل‌هایی برای استفاده انسان ایجاد می‌شود. یک بیمارستان ممکن است منابع لازم برای آموزش یک مدل را داشته باشد و سپس بتواند نشان دهد که عملکرد خوبی دارد، حتی با محدودیت‌های انصافی خاص. با این حال، تحقیقات ما نشان می‌دهد که این ضمانت‌های عملکرد در تنظیمات جدید وجود ندارد. مدلی که در یک سایت به خوبی متعادل است ممکن است در یک محیط متفاوت به طور موثر عمل نکند. این بر کاربرد مدل‌ها در عمل تأثیر می‌گذارد، و ضروری است که ما برای رسیدگی به این موضوع برای کسانی که مدل‌ها را توسعه داده و به کار می‌برند، کار کنیم.»

کار قاسمی از هویت او معلوم می شود.

او می‌گوید: «من یک زن و یک مادر به‌طور آشکار مسلمان هستم – هر دو به شکل‌دهی نگاه من به جهان کمک کرده‌اند، که نشان‌دهنده علایق تحقیقاتی من است. “من کار می کنم روی استحکام مدل‌های یادگیری ماشین، و اینکه چگونه عدم استحکام می‌تواند با سوگیری‌های موجود ترکیب شود. این علاقه تصادفی نیست.»

در مورد فکرش processقاسمی می‌گوید الهام‌بخش اغلب زمانی که بیرون از خانه است به ذهنش می‌رسد – دوچرخه‌سواری در نیومکزیکو در مقطع کارشناسی، پارویی در آکسفورد، دویدن به عنوان دانشجوی دکترا در MIT، و این روزها پیاده‌روی در کنار کمبریج اسپلانید. او همچنین می‌گوید هنگام نزدیک شدن به یک مشکل پیچیده فکر کردن به بخش‌های مشکل بزرگ‌تر و تلاش برای درک اینکه چگونه پیش‌فرض‌های او درباره هر بخش ممکن است نادرست باشد، مفید بوده است.

او می‌گوید: «در تجربه من، محدودکننده‌ترین عامل برای راه‌حل‌های جدید چیزی است که فکر می‌کنید می‌دانید. “گاهی اوقات سخت است که از دانش (جزئی) خود در مورد چیزی عبور کنید تا زمانی که واقعاً یک مدل، سیستم و غیره را عمیقاً بررسی کنید و متوجه شوید که یک قسمت فرعی را به درستی یا کامل متوجه نشده اید.”

قاسمی همانقدر که به کارش علاقه دارد، عمداً تصویر بزرگتر زندگی را دنبال می کند.

او می‌گوید: «وقتی به تحقیق خود عشق می‌ورزید، جلوگیری از تبدیل شدن آن به هویت شما دشوار است – این چیزی است که من فکر می‌کنم بسیاری از دانشگاهیان باید از آن آگاه باشند. من سعی می کنم مطمئن شوم که علایق (و دانش) فراتر از تخصص فنی خودم دارم.

«یکی از بهترین راه‌ها برای کمک به اولویت‌بندی تعادل، ارتباط با افراد خوب است. اگر خانواده، دوستان یا همکارانی دارید که شما را تشویق می کنند که یک فرد کامل باشید، نگه دارید روی به آنها!»

قاسمی با برنده شدن جوایز فراوان و به رسمیت شناختن کارهایی که دو علاقه اولیه را در بر می گیرد – علم کامپیوتر و سلامت – اعتقاد دارد که زندگی را یک سفر می بیند.

او می‌گوید: «جمله‌ای از مولوی شاعر ایرانی وجود دارد که به این صورت ترجمه شده است: «تو همان چیزی هستی که دنبالش می‌گردی». در هر مرحله از زندگی‌تان، باید دوباره سرمایه‌گذاری کنید تا کسی که هستید را پیدا کنید و آن را به سمتی که می‌خواهید باشید سوق دهید.»