El director de distribución de Yandex Technology, promotor de programación, uno de los creadores y presentador permanente del podcast de Radio-T, Grigory Bakunov, habló en la conferencia
DUMP del año pasado sobre qué cambios fundamentales están ocurriendo en medicina y farmacología en este momento, qué problemas prácticos enfrenta la ciencia y cómo se ve la medicina del futuro
Debajo del informe de video cortado y su versión de texto.
Hola Brevemente sobre patrocinadores. No hace mucho tiempo, fui invitado a participar en una conferencia relacionada con la medicina y la tecnología. Dicen: "Necesitamos una breve conferencia de 15 minutos". Antes de la actuación, me detienen por un segundo, dicen, un breve anuncio. Resulta que un hombre dice: “¡Una gran conferencia médica, muy genial! Mi agua de mar se vende literalmente en un puesto vecino, cura todas las enfermedades, la efectividad es 150% más alta que una medicina habitual, asegúrese de venir ". Miro y pienso, Señor, si esa persona saliera en una conferencia de desarrollo, sería apedreado. Y los médicos están sentados y o son normales o están acostumbrados, no lo sé.
¿Por qué estoy haciendo todo esto? Cuando me estaba preparando para esta presentación, para ser honesto, pensé que hablaría sobre otra cosa. Pero hace aproximadamente una semana y media me di cuenta de que no quería contar un boletín típico sobre aprendizaje automático en ciencias. No en el sentido de que es una mierda, sino en el sentido de que, en promedio, si estás interesado en esto, ya lo sabes.
Si no lo sabe, simplemente no está interesado.
¿De qué quiero hablarte? Quiero hablar sobre los problemas prácticos que enfrenta la ciencia ahora, para que sea comprensible para usted, los programadores y, además, incluso agradable.
Perdóname por las ilustraciones. Siempre tengo tales ilustraciones que ni siquiera las miras, pero me complacerá si al menos a veces sonríes.
El mensaje principal, con el que probablemente deberías comenzar, es este. Cuando hace tres años comencé a trabajar en un tema relacionado con la medicina, la salud, los productos farmacéuticos y el uso de métodos algorítmicos, fui a varios institutos grandes y conocí a muchas personas inteligentes allí, y cada vez les hice la misma pregunta. ¿Cómo puedo hacer que las personas que se dedican a la medicina y la farmacia, la medicina en primer lugar, entren en un diálogo? ¿Cómo hacerlos hablar? Dicen: bueno, deben ser provocados.
Y comencé a venir a la conferencia con este eslogan.
Siempre se veía así. Entras al pasillo y dices: "Hola, queridos médicos y queridos científicos, debo decirles esto: la medicina no es una ciencia".
Por supuesto, esto no es del todo cierto. Tengo una definición simple de por qué la medicina no es una ciencia. Porque la medicina moderna se ve así: hasta que te gradúes de un instituto médico, no practiques medicina, no sabes nada en medicina. Necesitas no solo terminar. Hay una pasantía, un procedimiento complicado, que has estado estudiando durante casi 9 años, y solo a partir de esto, comienzas a ser considerado un médico principiante. Hay un lenguaje esotérico especial que solo hablan los médicos. Y a veces tengo la sensación de que tienen su propio lenguaje escrito.
En este caso, al principio solo aprendes, adquieres conocimiento, luego te dan un maestro, a quien sigues y repites lo que hace. Y solo entonces te dan una bata blanca, un sombrero, un estetoscopio (que, como sabes, los médicos ya no usan, esto es pura parafernalia) y dicen: eso es todo, ahora eres un médico.
Piensa por un segundo, ¿esto te recuerda algo? Durante muchos años te enseñaron por primera vez, apenas aceptaste el examen, luego vas tras el maestro y repites todo lo que necesitas después de él. Y después de un tiempo, tú mismo te conviertes en maestro.
La estructura uno a uno repite la estructura de las órdenes secretas del siglo 12-14. Uno a uno. Aquellos que interpretaron el credo de Assassin's probablemente deberían recordar esta historia. Uno a uno: una orden secreta.
En este caso, necesitas saber esto. El orden secreto tiene una tarea: no crear nuevos conocimientos, no aumentar los antiguos, sino simplemente preservar el conocimiento de los antiguos. Debido a esto, la medicina se ha ralentizado durante muchos años. Gracias a Dios se acabó. En mi opinión, terminó justo ahora, y no terminó gracias a la medicina y los médicos, sino porque la humanidad comenzó a acumular datos.
Estos datos, que hemos acumulado, a menudo comenzaron a contradecir la medicina. Y comenzaron a contradecirse fuertemente. Específicamente, es difícil de contradecir.
La mayoría de los cambios importantes e importantes en la medicina que se han producido en los últimos 20-30 años se asocian exclusivamente con datos.
Además, la medicina, a pesar de que, en mi opinión, desde el siglo XXI comenzó a ser científica, tiene un gran problema.
No hay una definición difícil de lo que es la ciencia. Pero hay varias técnicas científicas importantes. Me parece que el más importante de ellos es que si haces ciencia, constantemente realizas experimentos, les cuentas a otras personas sobre ellos y otras personas deberían poder reproducir tu experimento.
El punto clave de la ciencia en el mundo moderno es la reproducibilidad del experimento. Además, la reproducibilidad de muchas maneras. Puedes repetir el experimento que hice. Otra persona puede repetir el experimento que hiciste.
Y ahora, lo que es más importante. Alguien repite tus experimentos todo el tiempo. Sin esto, no hay ciencia, no hay verificación.
Cuando llegamos a este tema (hay varios entusiastas involucrados en este tema), lo primero que descubrimos: la mayoría de las personas que trabajan con datos sobre ciencia no saben nada sobre cómo funciona esto en el mundo normal de los programadores.
Creo que este es uno de los experimentos más exitosos que hicimos, comenzamos a trabajar con farmacia y biología celular, comenzamos una cultura del experimento. Cada experimento y los resultados de cada experimento que diseñamos en forma de una prueba existente. Una prueba escrita terminada en Python. Cada experimento fue diseñado de esta manera.
Los datos de cada acción experimental, es decir, el uso de un fármaco en una proteína o el uso de un fármaco en una célula, fueron una prueba de funcionamiento. Y eso es lo importante. Todas estas pruebas se ejecutaron en paralelo, todo el tiempo, sin parar. Este es un patrón clásico llamado Integración continua.
Cuando comenzamos a hablar sobre esto con los científicos, ellos comenzaron a hablar sobre eso: “Bueno, esto es increíblemente difícil. Para hacer esto, necesitas escribir algún software ”. Resultó que la mayoría del software que los programadores han estado usando durante años para todas estas cosas, como algunos Travis, que hemos usado durante muchos años, algunos Jenkins, que hemos usado durante muchos años, también son uno a uno para los científicos.
Si conecta su cabeza y comienza a pensar, entonces un experimento es un código. Las mismas historias clásicas de regresión funcionan. Por ejemplo, si de repente en algún momento decide que se requieren cambios en su experimento científico, realicemos todas las pruebas anteriores en un nuevo experimento y verifiquemos que funcionen.
La prueba de regresión clásica no ha ido a ninguna parte. Los científicos se sorprendieron porque descubrieron que si los experimentos se llevaban a cabo de la manera antigua y nueva, la diferencia en las mediciones experimentales era de hasta el 20%.
¿Qué es el 20% en la granja? Bueno, parece que la farmacia ha estado acostumbrada a errores por mucho tiempo. Bueno, lanzaron un medicamento fallido, un año después le pagaron a alguien, este medicamento no comenzó a funcionar para alguien. En realidad, los errores detectados en la farmacia en etapas posteriores a menudo conducen al cierre de la empresa. Porque si reveló un efecto secundario complejo de 4 a 5 años después del lanzamiento del medicamento y, por su propia estupidez, lo vendió, por ejemplo, en los Estados Unidos o en cualquier otro mercado civilizado, el número de demandas en su contra, como compañía, será de decenas y cientos, cada una de los cuales consistirá en decenas de millones de dólares. Simplemente gastas más en abogados.
La introducción de pruebas de regresión en este entorno permitió en muchas situaciones reducir el costo de los errores en un 20-30%. ¿Cuál es el 20-30% del flujo total de una compañía farmacéutica bastante grande con la que interactué con esto? Bueno, es como 4-5 mil millones de dólares. Según ellos, el dinero es pequeño. Para mi gusto, para introducir una pequeña herramienta, el dinero es directamente bueno.
La misma historia es una versión uno en uno y el enfoque del experimento como tal. A partir del momento en que comienzas a pensar en el experimento y en la acción científica, como en el código, inmediatamente comienzas a pensar que necesitas ponerlo todo en alguna parte. Resultó que la mayoría de los científicos con los que estoy trabajando ahora mira con entusiasmo a Github y dice: "Bueno, ¿qué fue posible?"
Las personas que han estado trabajando con Github y Gith durante mucho tiempo entienden que aquí lanzaron una nueva prueba, aquí Travis se conectó, lo que tomó todo esto, lo bombeó y realizó nuevas pruebas. Por cierto, ¡se ve muy hermoso! Travis se contrae, se mueve una mano mecanizada, que comienza a meter viejas drogas en pipetas. Imagen increíble!
De hecho, lo más importante en la historia de "veamos las pruebas como código" es que ha aparecido el control de versiones. De otra manera, comenzaron a trabajar con hipótesis. No como "en algún lugar en el que parecemos estar equivocados", sino "vamos a hacer una tontería, hacer una bisección, encontrar en qué parte del código tenemos un error, en qué prueba cometimos un error, en qué punto nos detuvimos".
No sé sobre ti, pero estas historias me entusiasman mucho. Cuando empiezo a pensar en ello, pienso, Dios, bueno, el stock de herramientas que crearon los programadores era increíblemente grande. Él es simplemente gigantesco.
Y que Dios lo bendiga, con versiones puras dentro del marco de Github. En primer lugar, las pruebas son código. Si describimos experimentos e hipótesis como código, tenemos excelentes herramientas para el análisis estático. Tenemos excelentes herramientas de análisis de código. ¿Vamos a buscar errores lógicos sin siquiera comenzar un experimento? ¿Vamos a fusionar todas las pruebas en un gran algoritmo y buscar errores lógicos en ellas? No hay problema
Aquí debe comprender que en la granja de servidores dicha Integración continua es un proceso bastante costoso, porque cada prueba cuesta algo de dinero. Llevar a cabo un ciclo de CI en la historia actual con una gran empresa agrícola con la que trabajo requiere unos 80 mil dólares. Vamos a traducir de otra manera. Si podemos cometer un error lógico en el experimento antes de la prueba, ahorramos instantáneamente 80 mil dólares.
Los programadores son muy conscientes: se pueden ejecutar linter y análisis estáticos antes de la confirmación. Simplemente no permita que se prueben las hipótesis que inicialmente eran erróneas. O decir que el error no está en la hipótesis que ahora desea agregar. Y esto también sucede.
Y en este momento, también, viene algo muy importante.
Cuando una persona trabaja en una cadena de experimentos, no hay problema. Es como si un programador escribiera el código: no hay problemas, se coloca en una carpeta en Samba o en Dropbox, y no hay problemas, todo está bien. En ese momento, cuando hay dos programadores, los conflictos ya están comenzando. Cuando los programadores son 50 personas, y todos trabajan en aproximadamente una pieza de código, leen en un conjunto de pruebas, por supuesto, surgen problemas. Aquí, una increíble juerga de creatividad para el uso de herramientas listas para usar que los programadores han desarrollado en las últimas décadas.
Al mismo tiempo, voto por Github con ambas manos. Sinceramente, creo que usar Github más allá del simple almacenamiento de código es simplemente increíble. A pesar de que, por supuesto, no soy representante de la compañía Github en ningún lugar.
La aparición de herramientas para el trabajo colectivo en experimentos en combinación con el control de versiones permitió hacer cosas muy interesantes. Por ejemplo, los chicos con los que trabajo comenzaron a solicitarse mutuamente ofertas. Solo porque, bueno, fue a ver cómo están las cosas con el otro equipo, descubrió una hipótesis interesante y, en lugar de simplemente tirarla a una sala de fumadores, como es habitual para los chicos involucrados en biología y física, hizo todo simplemente, él diseñó una solicitud de extracción, anótela. Por otro lado, los chicos dijeron: "Oh, idea genial", la congelaron y, después de un tiempo, vimos una nueva prueba con un nuevo experimento en la base de datos.
Desafortunadamente, debido al hecho de que la mayoría de las relaciones entre compañías técnicas y farmacéuticas no son muy públicas, no podemos decirlo todo. Puedo decir que conozco al menos un medicamento que comenzó con la solicitud de extracción hace tres años y ahora está recibiendo la certificación de la FDA.
La certificación de la FDA significa que en un año este medicamento puede aparecer en farmacias. Todavía no es nuestro.
Desafortunadamente, este cambio en la mente de los jóvenes científicos sigue siendo muy difícil de sobreestimar. Esta es una transición del desarrollo cerrado, ya que se ha aceptado durante muchos años como parte de pequeños equipos de investigación, para abrir procedimientos. Estoy seguro de que pasarán de 3 a 4 años, y verá pequeños laboratorios de investigación que todos mantienen en Github y que están listos para aceptar solicitudes de extracción de personas externas. Y será solo una bomba. Es solo un mundo diferente donde cada persona puede participar de una forma u otra en una actividad científica normal.
¿Por qué es esto importante? Por lo tanto, por qué el código abierto como tal es importante. No, no digo en este momento que el código abierto sea el mejor software del mundo, no. Además, me parece que esto pertenece a la frase de hace quince años con la firma "Brillo y pobreza de código abierto". Pero sin código abierto, no habría una gran cantidad de cosas que usamos todos los días. La mitad de Android. Sin código abierto, no habría Android.
La misma historia está sucediendo ahora con las drogas y será genial, será increíblemente genial cuando nos encontremos en este mundo.
Aquí, por supuesto, no todo es tan rápido. Pero hay un área en la que este enfoque actual es probablemente el más fácil de aplicar.
Hay un enfoque interesante que dice que es posible comenzar, para no cambiar toda su estructura, no forzarlo a reescribir todo, comenzar a digitalizar los resultados de los experimentos que ya está realizando. Y conviértalos, por ejemplo, en un conjunto de archivos de texto. Y luego use herramientas listas para trabajar con registros.
Para hacerte entender, tengo una historia increíble. Estoy encantado de decírselo cada vez. Cuando los resultados de los experimentos científicos se agrupan en Kibana y en ClickHouse, se utilizan bases de datos listas para usar que generalmente contienen una gran cantidad de registros, se realizan diferentes pruebas, mediciones, experimentos y, entre otras cosas, se utilizan algoritmos estándar para la "detección de anomalías". ¿Cómo se llama en ruso? En ruso, la "detección de anomalías" se denomina "búsqueda de frustraciones". Yo mismo estoy sorprendido por la palabra, pero me gusta mucho.
Resultó que la búsqueda de frustraciones es increíblemente buena cuando se aplica a la ciencia experimental. El lugar más genial donde ahora se usa: Yandex tiene una interacción con el CERN. Dentro del CERN, hay varios experimentos grandes en el Gran Colisionador de Hadrones. El más pequeño de estos se llama LHCb, en el que se producen miles de millones de colisiones de partículas. Los resultados de cada una de estas colisiones se registran en la base de datos.
Después de eso, se ejecuta un conjunto de algoritmos ya preparados que encuentra anomalías allí. Objetos y eventos que no encajan en la idea de belleza. No puedo decir que se hagan grandes descubrimientos allí ahora, pero si se hizo algún descubrimiento allí como parte de este experimento, se hará exclusivamente gracias a este enfoque de TI en un área aparentemente clásica como el análisis de colisión de partículas.
Estos, por supuesto, son cambios fundamentales en la ciencia. Y en ciencia cualquiera. Volviendo al tema de la farmacia, la medicina y la biología, quiero decir que, de hecho, cuanto más científica es la ciencia, más difícil es aplicar enfoques programáticos en ella.
Porque sin embargo, por ejemplo, en física, hace mucho tiempo una cultura diferente del experimento. Se acostumbraron a métodos matemáticos y enfoques matemáticos. Pero en productos farmacéuticos, medicina y biología, no. Por lo tanto, cuando les dice que hay medios de trabajo colectivo, y una parte del experimento se puede realizar en una parte del continente, y la otra en la otra, hay un sistema que permite que esto se combine. Y más que eso: incluso si una persona escribe una y la otra, de alguna manera puede unir este conflicto. Hay un sistema que le permite realizar automáticamente de manera constante los experimentos que agrega y decir que algunos de ellos no sucedieron o algo sucedió. Los médicos que interactúan con la medicina experimental iluminan sus ojos.
Cuando haces esto, tienes la sensación (espero que no sea falso) de que estás cambiando el mundo. Es posible, después de 20-30 años, porque acaba de enseñar a los farmacéuticos cómo usar Travis, las personas morirán menos.
Toda la historia tiene otro lado triste. Hay muy pocas personas que, como yo, intentan llevar los métodos, métodos y metodologías de trabajo de TI a otras áreas fuera de TI. Vine aquí para contarte toda esta historia, en gran parte porque, tal vez, puedas transmitir a los científicos, especialistas, abogados, a cualquiera, esas posibilidades infinitas que nuestras herramientas ya tienen.
Por un segundo, toda la historia sobre farmacia, biología y física fue postergada. Imagine por un segundo que está trabajando con un bufete de abogados.
¿Entiendes que la mayoría de los contratos modernos se pueden escribir en lenguaje algorítmico? ¿Entiendes que los códigos de leyes modernos son bibliotecas para estos tratados? ¿Entiendes que la constitución es el sistema operativo para estos contratos? ¿Entiende que los métodos de análisis estático, si todo esto se convierte en un lenguaje algorítmico, encontrarán defectos, errores y problemas en esta legislación que es mucho más eficaz que cualquier abogado profesional?He estado trabajando en TI durante muchos años, creo que soy bueno para cumplir con los plazos para cualquier tarea. Entonces, para digitalizar toda la historia, digitalizar toda la legislación, llevarla a formato digital, necesita un buen programador, un buen abogado y un año y medio, probablemente. Aquí está el concepto de una startup, si quieres, tómalo.
De hecho, estamos cerca de terminar. En general, este enfoque, llamado "tomar herramientas de TI y llevarlas al resto del mundo", es un poco mesiánico. Como, tenemos una religión, se llama, ahora la palabra "ágil" ya está sucia, tomemos alguna otra palabra. Vamos a "Herramientas de trabajo en equipo".Llevar herramientas de trabajo automatizadas a cualquier otra especialidad es una misión que permite a las personas salvar horas de vida y, a veces, solo vidas humanas. Es por eso que ahora estoy haciendo esto tan activamente.
Eso es todo de lo que quería hablar.
Puedes encontrarme así, soy yo.Estoy listo para responder tus preguntas. Antes de continuar, quiero decir que siempre me preocupo frente a una audiencia como aquí. Todos ustedes son muy diferentes. Y también hay mucha gente de Ekaterimburgo, yo mismo soy de aquí, y sé que no es muy habitual que sonríamos aquí. Gracias por uno de ustedes sonriendo. Fue genial, gracias.Por un lado, escuché la palabra Python, por otro lado escuché "análisis estático", "el precio del error es alto". ¿Por qué entonces Python, y no un poco de Haskell?Estaría muy de acuerdo con Haskell, el único problema es que nos fue más fácil pasar por Python, estúpidamente porque ya tenían una cierta cantidad de código Python escrito, debido al hecho de que en algunos lugares usamos el aprendizaje automático que escribimos, que, por supuesto, fue prohibido en Python. Con Haskell, fue más fácil para los matemáticos, con Python, fue más fácil para los biólogos y farmacéuticos.— , — -. . , :) , . - , : « ? ». , . . , , , open source, , , ? ?La medicina hasta finales del siglo XX se desarrolló a un ritmo muy lento. ¿Qué ejemplo darías? Todos saben que la humanidad ha aprendido a tratar las úlceras estomacales. De repente resultó que la mayoría de los casos de úlceras estomacales son causadas por una bacteria específica, una bacteria llamada Helicobacter pylori, encontraron una manera de tratarla, todo es elemental, todo es genial. Alguien incluso recibió el Premio Nobel. Pero si lee los detalles, descubrirá que antes se descubrió en la cría de animales y aprendió a tratarlo 60 años antes. 60 años la gente ha estado muriendo.Ahora, el ciclo de toma de decisiones para transferir datos de una ciencia a otra ha disminuido a 10 años. Ahora, si hay puntos entre Novosibirsk y Khabarovsk donde la gente hace ciencia, pero ni siquiera tienen una computadora, luego de 10 años todo cambiará. Marca mi palabra Más de 10 años no pasarán.Sin embargo, hay áreas en las que simplemente no hay aplicación de la ciencia. La mayoría de los médicos con los que ahora interactúo y que quieren participar en la ciencia activa y participar en experimentos, pero que viven fuera de las ciudades centrales, usan sus propios teléfonos móviles personales como computadoras. Más que suficiente Uno incluso programa directamente en el teléfono."La medicina no es una ciencia", bueno. En otros discursos, hace aproximadamente un año, se podía escuchar una frase suya de que solo el 24% de los diagnósticos se ponen definitivamente. ¿Y qué hacer con esto? ¿Cuáles son las posibles soluciones?Un breve anuncio para aquellos que no han escuchado esta historia. Hay una figura oficial de la OMS, la Organización Mundial de la Salud, que, en promedio en el mundo, si acude a un médico y el médico le formula una hipótesis de diagnóstico, la probabilidad de que sea correcta es del 24%. Es decir, ni siquiera 50, ni siquiera un lanzamiento de moneda. 24%¿Qué hacer al respecto? Esto es lo que hay que hacer con eso. Guarde tantos datos como sea posible. De hecho, el problema no está en el médico. Y el hecho de que para aquellos, de acuerdo con los estándares rusos, ya sea 6 o 9 minutos que el médico habla con usted, junto con completar la tarjeta, el conjunto de datos que el médico puede aprender sobre usted para analizarlo es insignificante. Pero si aprende a hacer esto automáticamente, la cantidad de datos será increíblemente grande.Me encanta contar esta increíble historia, me sucedió el año anterior. Estoy sentado en una sala de cine, tengo un Apple Watch. Mi cardiólogo, con quien trabajo, recibe datos de mi Apple Watch. En un momento me llama. Pregunto cuidadosamente: "Sí, ¿qué es?" Él dice: "Escucha, ¿estás bien? Solo veo que tienes un pulso de 160 y no estás en el gimnasio ".Lo necesito Así es como se ve la medicina del futuro. Y este enfoque no es del tipo "Fui al médico, me quejé y él comenzó a diagnosticarme", sino que "el médico, mirando mis indicadores orgánicos, dijo que algo andaba mal, tal vez debamos tomar alguna medida". , le permite cambiar radicalmente esta cifra. Creo que dentro de 20-30 años elevaremos, en términos generales, el coeficiente de diagnóstico al 50%. Puede que no sobreviva, pero tú sobrevivirás.Primera pregunta ¿Cuáles son algunos ejemplos de áreas no relacionadas con TI, donde existe una necesidad real de colaboración distribuida? Y la segunda pregunta. ¿Cómo deshacerse de la idea de que la imagen del hermoso futuro de Rusia que dibujas no es Rusia?La mitad de los ejemplos de los que hablé son de Rusia. Hemos avanzado en muchas áreas técnicas, incluidas las científicas, recientemente. Y debido a esto, necesitamos cambiar menos. Hay muchos lugares donde no necesita arreglar el orden establecido hace 50 años, solo entre y ofrezca al menos un poco de orden.En cuanto a los lugares donde hay una necesidad de trabajo colectivo. Por favor, no olviden que si a los taxistas se les preguntó a principios del siglo XX cómo imaginan el automóvil y qué quieren de él, dirían que queremos un carro grande detrás del caballo para transportar heces. Esta sería una gran innovación.En el sentido de que no espera que los científicos respondan con entusiasmo a sus sugerencias. Habrá algún tipo de presión primero. Vienes y dices: me parece que no está mal hacer esto en tu método particular, en este lugar en particular. "Éste" es, por ejemplo, un trabajo colectivo en un artículo o en una prueba. No esperes deleite. Afortunadamente, después de dos o tres iteraciones de interacción, se darán cuenta de lo que es la felicidad, y antes de eso habrá rechazo.Es muy interesante qué pruebas se están realizando. ¿Entiendo correctamente que la compañía tiene un conjunto específico de pruebas farmacéuticas para ciertos productos? ¿Cómo introducir nuevas pruebas allí?De ninguna manera en este momento.Por ejemplo, probamos alergias, ¿este tipo de pruebas?Hay pruebas de afiliación. Digamos por simplicidad que, por ejemplo, hay un conjunto de materiales biológicos que se sabe que están afectados por dicho alergeno, y hay una granja automática que introduce un conjunto de medicamentos y verifica que la reacción a estos medicamentos después de la administración de otro medicamento no ha cambiado O ha cambiado para mejor. O para lo peor. Es decir, solo se toman medidas regulares.Resulta que todo el sistema de gestión primaria automatiza y recopila datos.Automatizar la recopilación de datos y la continuidad del proceso.Es decir, ¿no está conectado con la biología misma?No está asociado con un cambio en la ciencia en sí misma, pero usted ve, el surgimiento de una tecnología tan obvia como escribir, escribir cartas, cambiar radicalmente la ciencia en el futuro. La misma historia sucede aquí. La aparición de nuevas herramientas cambia bastante la ciencia misma. Simplemente sucede a través de un paso.¿Es una compañía farmacéutica privada o está de alguna manera respaldada por el estado?En el mundo no parecemos tener compañías farmacéuticas estatales. Mi experiencia se basa en la interacción con dos grandes compañías farmacéuticas. Uno de ellos es de clase mundial, con raíces alemanas.Tengo una pregunta simple ¿Dónde obtener los datos si no eres Yandex?Me parece que los datos deben tomarse de las empresas asociadas, al igual que Yandex, porque en realidad nadie en el mundo tiene suficientes datos en una sola fuente para mover la ciencia.La ciencia siempre es algo que se forma en la intersección de una gran cantidad de datos con diferentes propietarios.Con los datos médicos, según tengo entendido, todo es mucho más complicado ...Es al revés. Con los datos médicos de los últimos años, todo es mucho más simple, porque estos datos se anonimizan en grandes cantidades, pero, desafortunadamente, no en ruso. Bueno, aquí necesitas hacer algo con ellos: traducir, de alguna manera interactuar. O estos datos se obtienen directamente de los pacientes. Con cada uno de los cuales debe firmar un papel en el que acepte la transferencia de datos. Y eso es todo.
La ciencia moderna es la suerte de los ricos. Toda mi historia sobre el código abierto también trata sobre el hecho de que, quizás, esto permitirá que una gran cantidad de científicos jóvenes y sin dinero que no pertenezcan a ninguna gran secta y no trabajen con ninguna compañía farmacéutica grande para crear algo nuevo colectivamente.Pero, ¿cómo pensaste en combinar dos cosas que no estaban muy conectadas a primera vista: TI y medicina? Estas son tecnologías que no se cruzan en la mente de la mayoría de las personas. ¿Cuáles fueron los primeros pasos que tomaste para seguir el camino que elegiste?Como probablemente vea en mi apariencia, no solo duermo poco, sino que tampoco soy una persona muy sana. Y cuando comencé a tratar el tema de la medicina, la farmacia y todo eso, solo estaba tratando de resolver los problemas que tienen los chicos que participan en una investigación específica. Y la única forma de resolver lo que tengo en mis manos es esto.Ya sabes, había un gran filósofo y psicólogo llamado Maslow, que formuló con bastante precisión. Traducido al ruso, dijo esto: "Cuando tienes un martillo en tus manos, es difícil resistir la tentación de considerar todo como clavos". Tenía un github en mis manos, era difícil no considerar todo alrededor como un código. Y así sucedió.¿Por qué no pensaste en cruzar diferentes esferas de actividad con TI antes? Y un poco de demagogia para reconocer. Si existe una cruza aguda de varios campos de actividad con TI, y cruzaremos abogados y demás, entonces, de hecho, muchas personas que ahora ocupan sus trabajos se irán.Es asombroso.La pregunta es diferente: ¿qué hacer con ellos?Hay muchas hipótesis diferentes. He leído un libro maravilloso, dondequiera que sea el solent, que fue hecho de personas, como recordarán. En los años 90, se discutió mucho sobre un biorreactor en nuestro país. En serio, no tengo una respuesta a esta pregunta. Lo más interesante, no creo que la gente de TI deba decidir qué hacer con estas personas.Tengo un hombre ídolo, desafortunadamente, murió, pero tenía una frase brillante. De alguna manera, en una reunión en la que yo estaba, en la que los programadores juraron mucho, salió y escribió dos líneas. Línea uno: nada funcionará. Punto número dos: el progreso no se puede detener. Y con este pensamiento de que todo será necesariamente malo, pero el progreso no se puede detener, vivo.Sí, una gran cantidad de personas como resultado del progreso tecnológico perderá sus empleos. Pero no es necesario detener el progreso debido a esto. La humanidad encontrará alguna salida. Ingresos incondicionales, tratamiento obligatorio mediante la programación de personas que han perdido sus empleos.No entiendo del todo. ¿Qué se describe exactamente en medicina mediante pruebas en Python?En este caso particular, por ejemplo, utilizamos pruebas para describir los datos de entrada y resultado de una prueba de alérgenos. Es decir, qué dosis del medicamento se introduce en la célula y qué resultado en la luz que recibimos como resultado.Es decir, a través de la integración continua, ¿tiene algún tipo de máquina física en funcionamiento?Laboratorio Físico, sí. Aquí debe comprender que, en promedio, ya tienen laboratorios físicos. Es solo que las pruebas en ellos se describen no en esta forma, sino en la forma de un gran programa en el que está escrito: pongamos nuestras manos en tal y tal conjunto de características y verifiquemos en la salida que el resultado es tal y tal.Este año, la conferencia DUMP se llevará a cabo el 19 de abril en Ekaterimburgo. Tradicionalmente habrá una sección de Ciencias. Programa de este año: Oleg Bartunov (Universidad Estatal de Moscú, Postgres Professional), Peter Fedichev (Instituto de Física y Tecnología de Moscú, Gero), Pavel Skripnichenko (UrFU, KantrSkrip), Gennady Shtekh (Naumen), Igor Mamay (Kontur), Vladislav Blinov y Valery Baranova (Tinkoff. ru), Tatyana Zobnina (Naumen). El programa completo está en el sitio web de la conferencia .