Direktur Distribusi Teknologi Yandex, promotor pemrograman, salah satu pencipta dan pembawa acara permanen podcast Radio-T, Grigory Bakunov, berbicara pada konferensi
DUMP tahun lalu tentang perubahan mendasar apa yang terjadi dalam kedokteran dan farmakologi saat ini, apa masalah praktis yang dihadapi ilmu pengetahuan dan seperti apa bentuk kedokteran yang terlihat seperti masa depan.
Di bawah laporan video yang dipotong dan versi teksnya.
Halo Secara singkat tentang sponsor. Belum lama ini, saya diundang untuk berpartisipasi dalam konferensi yang berkaitan dengan kedokteran dan teknologi di dalamnya. Mereka berkata: "Kita perlu ceramah singkat selama 15 menit." Sebelum pertunjukan, mereka menghentikan saya sebentar, kata mereka, sebuah pengumuman singkat. Ternyata seorang pria yang mengatakan: “Konferensi medis yang hebat, sangat keren! Air laut saya benar-benar dijual di warung tetangga, menyembuhkan semua penyakit, efektivitasnya 150% lebih tinggi dari obat biasa, pastikan untuk datang. " Saya melihat dan berpikir, Tuhan, jika orang seperti itu keluar pada konferensi pembangunan, dia akan dilempari batu. Dan para dokter duduk dan apakah mereka normal, atau mereka terbiasa, saya tidak tahu.
Untuk apa saya semua ini. Ketika saya sedang mempersiapkan presentasi ini, jujur saja, saya pikir saya akan membicarakan hal lain. Tetapi sekitar satu setengah minggu yang lalu saya sadar bahwa saya tidak ingin memberi tahu buletin khas tentang pembelajaran mesin dalam sains. Bukan dalam arti bahwa itu omong kosong, tetapi dalam arti bahwa, secara rata-rata, jika Anda tertarik pada ini, Anda sudah tahu tentang itu.
Jika Anda tidak mengetahuinya, maka Anda sama sekali tidak tertarik.
Apa yang ingin saya ceritakan? Saya ingin berbicara tentang masalah praktis apa yang dihadapi sains sekarang, sehingga dapat dimengerti oleh Anda, programmer, dan lebih dari itu, bahkan menyenangkan.
Maafkan saya untuk ilustrasinya. Saya selalu memiliki ilustrasi sedemikian rupa sehingga Anda bahkan mungkin tidak melihatnya, tetapi saya akan senang jika Anda setidaknya kadang-kadang tersenyum.
Pesan utama, yang mungkin harus Anda mulai, adalah ini. Ketika tiga tahun yang lalu saya mulai berurusan dengan topik yang berkaitan dengan kedokteran, kesehatan, farmasi, dan penggunaan metode algoritmik, saya pergi ke beberapa lembaga besar dan bertemu banyak orang pintar di sana, dan setiap kali saya bertanya kepada mereka pertanyaan yang sama. Bagaimana saya bisa membuat orang yang terlibat dalam obat-obatan dan farmasi, kedokteran pada awalnya, menjadi dialog? Bagaimana cara membuat mereka bicara? Mereka berkata: mereka harus diprovokasi.
Dan saya mulai datang ke konferensi dengan slogan ini.
Selalu terlihat seperti ini. Anda pergi ke aula, katakan: "Halo, dokter dan ilmuwan terkasih, saya harus memberi tahu Anda ini: obat bukan ilmu."
Tentu saja, ini tidak sepenuhnya benar. Saya memiliki definisi sederhana tentang mengapa kedokteran bukanlah sains. Karena kedokteran modern terlihat seperti ini: sampai Anda lulus dari lembaga medis, Anda tidak berlatih kedokteran, Anda tidak tahu apa-apa dalam kedokteran. Anda tidak perlu hanya selesai. Ada magang, prosedur yang rumit, Anda telah belajar selama hampir 9 tahun, dan hanya mulai dari ini, Anda mulai dianggap sebagai dokter pemula. Ada bahasa esoterik khusus yang hanya dokter yang berbicara. Dan kadang-kadang saya merasa bahwa mereka memiliki bahasa tulisan mereka sendiri.
Dalam hal ini, pada awalnya Anda baru belajar, mendapatkan pengetahuan, kemudian mereka memberi Anda seorang guru, yang Anda ikuti dan ulangi apa yang dia lakukan. Dan hanya kemudian mereka memberi Anda jas putih, topi, stetoskop (yang, seperti yang Anda tahu, dokter tidak lagi gunakan, ini adalah perlengkapan murni) dan mereka berkata: itu saja, sekarang Anda adalah seorang dokter.
Pikirkan sejenak, apakah ini mengingatkan Anda pada sesuatu? Selama bertahun-tahun Anda pertama kali diajar, hampir tidak diterima melalui ujian, kemudian Anda mengejar guru dan mengulangi semua yang Anda butuhkan setelahnya. Dan setelah beberapa waktu Anda sendiri menjadi guru.
Struktur satu-ke-satu mengulangi struktur perintah rahasia abad ke-12-14. Satu lawan satu. Mereka yang memainkan kredo Assassin mungkin harus mengingat kisah ini. Satu lawan satu - perintah rahasia.
Dalam hal ini, Anda perlu tahu ini. Perintah rahasia memiliki tugas - bukan untuk menciptakan pengetahuan baru, bukan untuk menambah yang lama, tetapi hanya untuk melestarikan pengetahuan orang-orang kuno. Karena itu, pengobatan telah melambat selama bertahun-tahun. Syukurlah semuanya sudah berakhir. Menurut pendapat saya, itu baru saja berakhir, dan berakhir bukan karena obat-obatan dan dokter, tetapi karena manusia mulai mengumpulkan data.
Data-data ini, yang telah kami kumpulkan, sering mulai bertentangan dengan kedokteran. Dan mereka mulai berkontradiksi dengan kuat. Secara khusus, sulit untuk kontradiksi.
Sebagian besar perubahan utama dan penting dalam kedokteran yang telah terjadi selama 20-30 tahun terakhir dikaitkan secara eksklusif dengan data.
Terlebih lagi, kedokteran, terlepas dari kenyataan bahwa, menurut pendapat saya, dari abad ke-21 mulai ilmiah, ia memiliki satu masalah besar.
Tidak ada definisi yang sulit tentang apa itu sains. Tetapi ada sejumlah teknik ilmiah yang penting. Tampak bagi saya bahwa yang paling penting dari mereka adalah jika Anda melakukan sains, Anda terus-menerus melakukan eksperimen, Anda memberi tahu orang lain tentang mereka, dan orang lain harus dapat mereproduksi eksperimen Anda.
Titik kunci sains di dunia modern adalah reproduksibilitas percobaan. Apalagi reproduksibilitas dalam banyak hal. Anda dapat mengulangi percobaan yang saya lakukan. Orang lain dapat mengulangi percobaan yang Anda lakukan.
Dan sekarang, apa yang lebih penting. Seseorang mengulangi eksperimen Anda sepanjang waktu. Tanpa ini, tidak ada ilmu, tidak ada verifikasi.
Ketika kami sampai pada topik ini (ada beberapa penggemar yang terlibat dalam topik ini), hal pertama yang kami temukan: sebagian besar orang yang bekerja dengan data seputar sains tidak tahu apa-apa tentang bagaimana ini bekerja di dunia normal para programmer.
Saya percaya bahwa ini adalah salah satu eksperimen paling sukses yang kami lakukan, kami mulai bekerja dengan farmasi dan biologi sel, kami memulai budaya percobaan. Setiap percobaan dan hasil dari setiap percobaan yang kami desain dalam bentuk tes yang ada. Tes tertulis selesai dengan Python. Setiap percobaan dirancang dengan cara ini.
Data dari setiap tindakan eksperimental, yaitu, misalnya, penggunaan obat pada protein atau penggunaan obat pada sel, adalah tes. Dan itulah yang penting. Semua tes ini berjalan secara paralel, setiap saat, tanpa henti. Ini adalah pola klasik yang disebut Integrasi Berkelanjutan.
Ketika kami mulai membicarakannya dengan para ilmuwan, mereka mulai membicarakannya: “Yah, ini sangat sulit. Untuk melakukan ini, Anda perlu menulis beberapa perangkat lunak. " Ternyata sebagian besar perangkat lunak yang telah digunakan programmer selama bertahun-tahun untuk semua hal ini, seperti beberapa Travis, yang telah kami gunakan selama bertahun-tahun, beberapa Jenkins, yang telah kami gunakan selama bertahun-tahun, adalah satu-satu untuk para ilmuwan juga.
Jika Anda menyambungkan kepala dan mulai berpikir, maka eksperimen adalah kode. Cerita regresi klasik yang sama berhasil. Misalnya, jika Anda tiba-tiba memutuskan bahwa perubahan diperlukan dalam percobaan ilmiah Anda, mari jalankan semua tes lama pada percobaan baru dan verifikasi bahwa itu berfungsi.
Pengujian regresi klasik belum ke mana-mana. Para ilmuwan terkejut karena mereka menemukan bahwa jika percobaan dilakukan dengan cara lama dan dengan cara baru, perbedaan dalam pengukuran eksperimental hingga 20%.
Berapakah 20% di pertanian? Tampaknya farmasi sudah lama terbiasa dengan kesalahan. Ya, mereka merilis obat yang gagal, setahun kemudian mereka membayar seseorang, obat ini tidak mulai bekerja untuk seseorang. Pada kenyataannya, kesalahan yang terdeteksi di apotek pada tahap selanjutnya sering menyebabkan penutupan perusahaan. Karena jika Anda mengungkapkan efek samping yang kompleks 4-5 tahun setelah peluncuran obat dan, dengan kebodohan Anda sendiri, menjualnya, misalnya, di Amerika Serikat atau pasar beradab lainnya, jumlah tuntutan hukum terhadap Anda, sebagai sebuah perusahaan, akan berjumlah puluhan dan ratusan, masing-masing yang akan terdiri dari puluhan juta dolar. Anda hanya menghabiskan lebih banyak untuk pengacara.
Pengenalan tes regresi dalam lingkungan ini memungkinkan dalam banyak situasi untuk mengurangi biaya kesalahan hingga 20-30%. Berapakah 20-30% dari total aliran perusahaan farmasi yang cukup besar yang berinteraksi dengan saya? Yah, itu seperti 4-5 miliar dolar. Menurut mereka, uangnya kecil. Menurut selera saya, untuk memperkenalkan satu alat kecil, uang itu langsung baik.
Kisah yang sama adalah versi satu per satu dan pendekatan untuk eksperimen seperti itu. Mulai dari saat ketika Anda mulai berpikir tentang percobaan dan tentang tindakan ilmiah, seperti tentang kode, Anda segera mulai berpikir bahwa Anda harus meletakkan semuanya di suatu tempat. Ternyata sebagian besar ilmuwan yang bekerja dengan saya sekarang memandang dengan antusias pada Github dan berkata, "Yah, apa yang mungkin terjadi?"
Orang-orang yang telah bekerja dengan Github dan gith untuk waktu yang lama memahami bahwa di sini Anda meluncurkan tes baru, Travis terhubung di sana, yang mengambil semua ini, memompakannya, dan mengeluarkan tes baru. Omong-omong, itu terlihat sangat indah! Kedutan Travis, gerakan tangan mekanis, yang mulai mendorong obat-obatan lama ke pipet. Gambar yang luar biasa!
Sebenarnya, hal terpenting dalam kisah "mari kita lihat tes sebagai kode" adalah bahwa versi telah muncul. Dengan cara yang berbeda, mereka mulai bekerja dengan hipotesis. Tidak seperti “di suatu tempat kita keliru”, tetapi “mari kita ambil git, buat dua bagian, temukan di bagian mana kode kita memiliki kesalahan, di mana tes kita membuat kesalahan, pada titik mana kita berhenti”.
Saya tidak tahu tentang Anda, tetapi kisah-kisah ini sangat membangkitkan semangat saya. Ketika saya mulai memikirkannya, saya berpikir, Ya Tuhan, persediaan alat yang dibuat oleh programmer sangat besar. Dia hanya raksasa.
Dan Tuhan memberkatinya, dengan versi murni dalam kerangka Github. Pertama-tama, tes adalah kode. Jika kami menggambarkan eksperimen dan hipotesis sebagai kode, kami memiliki alat yang hebat untuk analisis statis. Kami memiliki alat analisis kode yang hebat. Mari mencari kesalahan logis tanpa memulai percobaan? Mari menggabungkan semua tes menjadi satu algoritma besar dan mencari kesalahan logis di dalamnya? Tidak masalah
Di sini Anda perlu memahami bahwa di peternakan Integrasi Berkelanjutan seperti itu adalah proses yang agak mahal, karena setiap tes membutuhkan biaya. Melakukan satu siklus CI dalam cerita saat ini dengan perusahaan pertanian besar tempat saya bekerja, membutuhkan sekitar 80 ribu dolar. Mari kita terjemahkan dengan cara lain. Jika kita dapat membuat kesalahan logis dalam percobaan sebelum pengujian - hemat instan 80 ribu dolar.
Pemrogram sangat menyadari: analisis statis dan statis dapat dijalankan sebelum komit. Hanya saja, jangan sampai hipotesis yang awalnya salah diuji. Atau mengatakan bahwa kesalahan itu tidak ada dalam hipotesis yang sekarang ingin Anda tambahkan. Dan ini juga terjadi.
Dan pada saat ini juga, hal yang sangat penting datang.
Ketika satu orang mengerjakan serangkaian eksperimen, tidak ada masalah. Seolah-olah seorang programmer menulis kode - tidak ada masalah, dimasukkan ke dalam folder di Samba atau di Dropbox, dan tidak ada masalah, semuanya baik-baik saja. Pada saat itu, ketika ada dua programmer, konflik sudah dimulai. Ketika programmer adalah 50 orang, dan mereka semua bekerja pada sekitar satu bagian kode, membaca - pada satu set tes, tentu saja, masalah muncul. Di sini, sebuah keceriaan kreativitas yang luar biasa untuk penggunaan alat yang tidak biasa yang telah dikembangkan oleh para programmer selama beberapa dekade terakhir.
Pada saat yang sama, saya memilih Github dengan kedua tangan. Saya sungguh percaya bahwa menggunakan Github lebih dari sekadar menyimpan kode sama sekali tidak dapat dipercaya. Terlepas dari kenyataan bahwa, tentu saja, saya bukan perwakilan dari perusahaan Github di sembarang tempat.
Munculnya alat untuk kerja kolektif pada percobaan dalam kombinasi dengan versi memungkinkan untuk melakukan hal-hal yang sangat menarik. Misalnya, orang-orang yang bekerja dengan saya mulai saling tarik-meminta dengan penawaran. Hanya karena, yah, dia pergi untuk melihat bagaimana keadaan dengan tim lain, menemukan hipotesis yang menarik, dan alih-alih melemparkannya ke ruang merokok, seperti kebiasaan bagi orang-orang yang terlibat dalam biologi dan fisika, dia melakukan segalanya dengan sederhana, dia merancang permintaan tarik, letakkan. Di sisi lain, mereka berkata: "Oh, ide keren", mereka membekukannya, dan setelah beberapa waktu kami melihat tes baru dengan percobaan baru dalam database.
Sayangnya, karena kenyataan bahwa sebagian besar hubungan antara perusahaan teknis dan farmasi tidak terlalu terbuka, kami tidak dapat mengatakan semuanya. Saya dapat mengatakan bahwa saya tahu setidaknya satu obat yang dimulai dengan permintaan tarik tiga tahun yang lalu dan sekarang menerima sertifikasi FDA.
Sertifikasi FDA berarti bahwa dalam setahun obat ini dapat muncul di apotek. Belum milik kita.
Sayangnya, perubahan dalam pikiran para ilmuwan muda ini masih sangat sulit ditaksir terlalu tinggi. Ini adalah transisi dari pengembangan tertutup, seperti yang telah diterima selama bertahun-tahun sebagai bagian dari tim penelitian kecil, ke prosedur terbuka. Saya yakin 3-4 tahun akan berlalu, dan Anda akan melihat laboratorium penelitian kecil yang dimiliki semua orang di Github dan siap menerima permintaan tarik dari orang-orang di luar. Dan itu hanya akan menjadi bom. Ini hanya dunia yang berbeda di mana setiap orang dapat berpartisipasi dalam aktivitas ilmiah normal.
Mengapa ini penting? Karena itu, mengapa open source seperti itu penting. Tidak, saya tidak mengatakan sekarang bahwa open source adalah perangkat lunak paling keren di dunia, tidak. Terlebih lagi, bagi saya tampaknya ini adalah frase menangkap lima belas tahun yang lalu dengan tanda tangan "Bersinar dan kemiskinan sumber terbuka." Tetapi tanpa open source, tidak akan ada banyak hal yang kita gunakan setiap hari. Setengah dari Android. Tanpa sumber terbuka, tidak akan ada Android.
Kisah yang sama terjadi sekarang dengan narkoba dan itu akan menjadi keren, itu akan sangat keren ketika kita menemukan diri kita di dunia ini.
Di sini, tentu saja, semuanya tidak begitu cepat. Tetapi ada area di mana pendekatan kita saat ini mungkin yang paling mudah untuk diterapkan.
Ada pendekatan menarik yang mengatakan bahwa mungkin untuk memulai, agar tidak mengubah seluruh struktur Anda, tidak memaksa Anda untuk menulis ulang semuanya, untuk mulai melakukan digitalisasi dari hasil percobaan yang sudah Anda lakukan. Dan mengubahnya, misalnya, menjadi satu set file teks sederhana. Dan kemudian gunakan alat yang sudah jadi untuk bekerja dengan log.
Untuk membuat Anda mengerti, saya punya cerita yang luar biasa. Saya senang memberi tahu dia setiap waktu. Ketika hasil percobaan ilmiah didorong ke dalam Kibana dan di ClickHouse - database siap pakai yang biasanya berisi sejumlah besar log, tes yang berbeda, pengukuran, percobaan dilakukan pada mereka, dan antara lain, standar algoritma untuk deteksi anomali digunakan. Disebut apakah itu dalam bahasa Rusia? Di Rusia, "deteksi anomali" disebut "mencari frustrasi". Saya sendiri kaget dengan kata itu, tetapi saya sangat menyukainya.
Pencarian frustrasi, ternyata, sangat bagus ketika diterapkan pada sains eksperimental. Tempat paling keren di mana sekarang digunakan - Yandex berinteraksi dengan CERN. Di dalam CERN, ada beberapa percobaan besar di Large Hadron Collider. Yang terkecil dari ini disebut LHCb, di mana miliaran tabrakan partikel terjadi. Hasil dari masing-masing tabrakan ini dicatat dalam database.
Setelah itu, serangkaian algoritma siap pakai dijalankan yang menemukan anomali di sana. Objek dan acara yang tidak sesuai dengan ide kecantikan. Saya tidak bisa mengatakan bahwa penemuan besar dibuat di sana sekarang, tetapi jika beberapa penemuan dibuat di sana sebagai bagian dari percobaan ini, itu akan dibuat secara eksklusif berkat pendekatan TI ini ke area yang tampaknya klasik seperti analisis tabrakan partikel.
Ini, tentu saja, adalah perubahan mendasar dalam sains. Dan dalam sains apa pun. Kembali ke topik farmasi, kedokteran dan biologi, saya ingin mengatakan bahwa sebenarnya, semakin sains ilmiah, semakin sulit untuk menerapkan pendekatan programatik di dalamnya.
Karena bagaimanapun, misalnya, dalam fisika, dahulu kala berbeda budaya percobaan. Mereka terbiasa dengan metode matematika dan pendekatan matematika. Tetapi dalam bidang farmasi, kedokteran dan biologi, tidak. Karena itu, ketika Anda memberi tahu mereka bahwa ada cara kerja kolektif, dan satu bagian percobaan dapat dilakukan di satu bagian benua, dan yang lain di bagian lain, ada sistem yang memungkinkan ini untuk digabungkan. Dan lebih dari itu: bahkan jika Anda memiliki satu orang menulis satu dan yang lainnya, Anda entah bagaimana dapat menyatukan konflik ini. Ada sistem yang memungkinkan Anda untuk secara otomatis melakukan percobaan yang Anda tambahkan dan katakan bahwa beberapa di antaranya tidak terjadi atau sesuatu terjadi. Dokter yang berinteraksi dengan obat eksperimental menerangi mata mereka.
Ketika Anda melakukan ini, Anda memiliki perasaan (saya harap itu tidak salah) bahwa Anda mengubah dunia. Mungkin saja, setelah 20-30 tahun, karena Anda baru saja mengajar apoteker cara menggunakan Travis, orang akan mati lebih sedikit.
Seluruh cerita memiliki sisi sedih lain. Ada sangat sedikit orang yang, seperti saya, berusaha membawa metode, metode, dan metodologi kerja IT ke area lain di luar TI. Saya datang ke sini untuk menceritakan seluruh kisah ini kepada Anda, sebagian besar karena, mungkin, Anda dapat menyampaikan kepada para ilmuwan, spesialis, pengacara, siapa pun, kemungkinan tak terbatas yang dimiliki alat kami.
Untuk sesaat, seluruh cerita tentang farmasi, biologi, dan fisika didorong mundur. Bayangkan sejenak bahwa Anda bekerja dengan firma hukum.
Apakah Anda mengerti bahwa sebagian besar kontrak modern dapat ditulis dalam bahasa algoritmik? Apakah Anda memahami bahwa kode hukum modern adalah perpustakaan untuk perjanjian ini? Apakah Anda mengerti bahwa konstitusi adalah sistem operasi untuk kontrak-kontrak ini? Apakah Anda mengerti bahwa metode analisis statis, jika semua ini diubah menjadi bahasa algoritmik, akan menemukan cacat, kesalahan, dan masalah dalam undang-undang ini jauh lebih efektif daripada pengacara profesional mana pun?Saya telah bekerja di TI selama bertahun-tahun, saya pikir saya pandai mencapai tenggat waktu untuk tugas apa pun. Jadi, untuk mendigitalkan keseluruhan cerita, mendigitalkan semua undang-undang, membawanya ke dalam bentuk digital, Anda memerlukan programmer yang baik, seorang pengacara yang baik dan satu setengah tahun, mungkin. Inilah konsep startup, jika Anda mau, ambillah.
Faktanya, kita hampir berakhir. Pada umumnya, pendekatan ini, yang disebut "mengambil alat IT dan membawanya ke seluruh dunia," sedikit mesianis. Seperti, kita punya agama, itu namanya, sekarang kata "gesit" sudah kotor, mari kita ambil kata lain? Mari kita “Alat Kerja Tim.”Untuk membawa alat kerja otomatis ke spesialisasi lain adalah misi yang memungkinkan orang untuk menghemat berjam-jam kehidupan, dan kadang-kadang hanya kehidupan manusia. Itu sebabnya saya sekarang melakukan ini secara aktif.
Hanya itu yang ingin saya bicarakan.
Anda dapat menemukan saya seperti ini, ini saya.Saya siap menjawab pertanyaan Anda. Sebelum kita melanjutkan, saya ingin mengatakan bahwa saya selalu khawatir di depan audiens seperti di sini. Anda semua sangat berbeda. Dan ada juga banyak orang dari Yekaterinburg, saya sendiri dari sini, dan saya tahu bahwa tidak terlalu lazim bagi kita untuk tersenyum di sini. Terima kasih untuk salah satu dari kalian yang tersenyum. Itu bagus, terima kasih.Di satu sisi, saya mendengar kata Python, di sisi lain saya mendengar "analisis statis", "harga kesalahan tinggi." Lalu mengapa Python, dan bukan Haskell?Saya akan sangat menyukai Haskell, satu-satunya masalah adalah lebih mudah bagi kita untuk melalui Python, bodoh karena mereka sudah memiliki sejumlah kode Python yang ditulis, karena fakta bahwa di beberapa tempat kami menggunakan pembelajaran mesin yang kami tulis, yang, tentu saja, dilarang dengan Python. Dengan Haskell, lebih mudah bagi ahli matematika, dengan Python, lebih mudah bagi ahli biologi dan apoteker.— , — -. . , :) , . - , : « ? ». , . . , , , open source, , , ? ?Kedokteran sampai akhir abad ke-20 berkembang dengan sangat lambat. Apa contoh yang akan Anda berikan? Semua orang tahu bahwa umat manusia telah belajar untuk mengobati sakit maag. Tiba-tiba ternyata sebagian besar kasus sakit maag disebabkan oleh bakteri tertentu, bakteri yang disebut Helicobacter pylori, mereka menemukan cara untuk menghadapinya, semuanya elementer, semuanya hebat. Seseorang bahkan menerima Hadiah Nobel. Tetapi jika Anda membaca detailnya, Anda akan mengetahui bahwa sebelum itu ditemukan di peternakan dan belajar bagaimana mengobatinya 60 tahun sebelumnya. 60 tahun orang telah sekarat.Sekarang siklus pengambilan keputusan untuk mentransfer data dari satu sains ke sains lainnya telah menurun menjadi 10 tahun. Sekarang, jika ada poin antara Novosibirsk dan Khabarovsk tempat-tempat orang melakukan sains, tetapi mereka bahkan tidak memiliki komputer, maka setelah 10 tahun semuanya akan berubah. Tandai kata-kata saya. Lebih dari 10 tahun tidak akan berlalu.Namun, ada area di mana tidak ada aplikasi sains. Sebagian besar dokter dengan siapa saya berinteraksi sekarang dan yang ingin terlibat dalam sains aktif dan mengambil bagian dalam eksperimen, tetapi yang tinggal di luar kota pusat, menggunakan ponsel pribadi mereka sebagai komputer. Lebih dari cukup. Satu program genap tepat di ponsel."Kedokteran bukanlah ilmu," bagus. Dalam pidato lain, sekitar setahun yang lalu, Anda dapat mendengar ungkapan dari Anda bahwa hanya 24% dari diagnosis yang dimasukkan. Dan apa yang harus dilakukan dengan ini? Apa solusi yang mungkin?Pengumuman singkat untuk mereka yang belum pernah mendengar cerita ini. Ada angka resmi WHO - Organisasi Kesehatan Dunia - yang rata-rata di dunia, jika Anda pergi ke dokter dan dokter menempatkan Anda hipotesis diagnosis, maka probabilitas bahwa itu benar adalah 24%. Artinya, bahkan tidak 50, bahkan tidak melempar koin. 24%Apa yang harus dilakukan? Inilah yang harus dilakukan dengan itu. Simpan data sebanyak mungkin. Padahal, masalahnya bukan di dokter. Dan fakta bahwa bagi mereka, menurut standar Rusia, baik 6, atau 9 menit bahwa dokter berbicara kepada Anda, bersama dengan mengisi kartu, kumpulan data yang dapat dipelajari oleh dokter tentang Anda untuk menganalisisnya dapat diabaikan. Tetapi jika Anda belajar untuk melakukan ini secara otomatis, maka jumlah data akan sangat besar.Saya suka menceritakan kisah yang luar biasa ini, itu terjadi pada saya pada tahun sebelumnya. Saya duduk di bioskop, saya punya Apple Watch. Ahli jantung saya, dengan siapa saya bekerja, menerima data dari Apple Watch saya. Pada satu titik dia memanggilku. Dengan hati-hati saya bertanya: "Ya, apa itu?" Dia berkata, “Dengar, kamu baik-baik saja? Saya hanya melihat bahwa Anda memiliki denyut nadi 160, dan Anda tidak di gym. "Saya membutuhkannya Seperti inilah obat masa depan. Dan pendekatan ini bukan dari jenis "Saya pergi ke dokter, mengeluh, dan dia mulai mendiagnosis saya", tetapi "dokter, melihat indikator organik saya, mengatakan bahwa ada sesuatu yang salah, mungkin kita perlu mengambil tindakan" , ini memungkinkan Anda untuk mengubah angka ini secara radikal. Saya pikir dalam 20-30 tahun kita akan menaikkan, secara kasar, koefisien diagnostik menjadi 50%. Saya mungkin tidak bertahan hidup, tetapi Anda akan bertahan hidup.Pertanyaan pertama. Apa saja contoh area yang tidak terkait dengan IT, di mana ada kebutuhan nyata untuk kolaborasi yang didistribusikan? Dan pertanyaan kedua. Bagaimana menyingkirkan gagasan bahwa gambar masa depan indah Rusia yang Anda gambar bukan Rusia?Setengah dari contoh yang saya bicarakan adalah dari Rusia. Kami telah membuat kemajuan dalam banyak bidang teknis, termasuk yang ilmiah, baru-baru ini. Dan karena ini, kita perlu sedikit berubah. Ada banyak tempat di mana Anda tidak perlu memperbaiki pesanan yang sudah ada 50 tahun yang lalu, cukup datang dan tawarkan setidaknya beberapa pesanan.Adapun tempat-tempat di mana ada kebutuhan untuk kerja kolektif. Tolong jangan lupa bahwa jika para sopir taksi ditanya pada awal abad ke-20 bagaimana Anda membayangkan mobil itu dan apa yang Anda inginkan darinya, mereka akan mengatakan bahwa kami ingin kereta besar di belakang kuda untuk membawa kotoran. Ini akan menjadi inovasi besar.Dalam arti bahwa Anda tidak mengharapkan para ilmuwan untuk dengan antusias menanggapi saran Anda. Akan ada semacam tekanan terlebih dahulu. Anda datang dan berkata: bagi saya tampaknya tidak buruk melakukan ini dalam metode khusus Anda, di tempat khusus ini. "Yang ini" adalah, misalnya, karya kolektif pada satu artikel atau satu tes. Jangan mengharapkan kesenangan. Untungnya, setelah dua atau tiga iterasi interaksi, mereka akan menyadari apa itu kebahagiaan, dan sebelum itu akan ada penolakan.Sangat menarik tes mana yang sedang dilakukan. Apakah saya mengerti benar bahwa perusahaan memiliki serangkaian tes farmasi khusus untuk produk tertentu? Bagaimana cara memperkenalkan tes baru di sana?Tidak mungkin sekarang.Misalnya, kami menguji alergi, tes semacam ini?Ada tes afiliasi. Katakanlah untuk kesederhanaan bahwa, misalnya, ada satu set bahan biologis yang diketahui dipengaruhi oleh alergen seperti itu, dan ada sebuah peternakan otomatis yang memperkenalkan satu set obat dan memeriksa bahwa reaksi terhadap obat ini setelah pemberian obat lain tidak telah berubah. Atau telah berubah menjadi lebih baik. Atau yang lebih buruk. Artinya, hanya pengukuran biasa yang diambil.Ternyata seluruh sistem manajemen dasar tidak mengotomatisasi dan mengumpulkan data?Mengotomatiskan pengumpulan data dan kontinuitas proses.Artinya, tidak terhubung dengan biologi itu sendiri?Ini tidak terkait dengan perubahan dalam sains itu sendiri, tetapi Anda lihat, munculnya teknologi yang tidak terlihat seperti menulis, menulis surat, dan secara sains mengubah sains di masa depan. Kisah yang sama terjadi di sini. Munculnya alat-alat baru cukup banyak mengubah ilmu itu sendiri. Itu hanya terjadi melalui langkah.Apakah ini perusahaan farmasi swasta atau didukung oleh negara?Kita di dunia tampaknya tidak memiliki perusahaan farmasi milik negara. Pengalaman saya didasarkan pada interaksi dengan dua perusahaan farmasi besar. Salah satunya adalah kelas dunia, dengan akar bahasa Jerman.Saya punya pertanyaan sederhana. Di mana mendapatkan data jika Anda bukan Yandex?Tampak bagi saya bahwa data harus diambil dari perusahaan mitra, seperti halnya Yandex, karena pada kenyataannya tidak ada seorang pun di dunia yang memiliki cukup data dalam satu sumber untuk menggerakkan ilmu pengetahuan.Sains selalu merupakan sesuatu yang terbentuk di persimpangan sejumlah besar data dengan pemilik yang berbeda.Dengan data medis, seperti yang saya pahami, semuanya jauh lebih rumit ...Ini sebaliknya. Dengan data medis dalam beberapa tahun terakhir, semuanya jauh lebih sederhana, karena data ini dianonimkan baik dalam jumlah besar, tetapi, sayangnya, tidak dalam bahasa Rusia. Nah, di sini Anda perlu melakukan sesuatu dengan mereka: menerjemahkan, entah bagaimana berinteraksi. Atau data ini diperoleh langsung dari pasien. Dengan masing-masing Anda perlu menandatangani selembar kertas yang dia setuju untuk transfer data. Dan itu saja.
Ilmu pengetahuan modern adalah yang paling kaya. Seluruh cerita saya tentang open source juga tentang fakta bahwa, mungkin, ini akan memungkinkan sejumlah besar ilmuwan muda dan tidak punya uang yang bukan milik sekte besar dan tidak bekerja dengan perusahaan farmasi besar mana pun untuk menciptakan sesuatu yang baru secara kolektif.Tetapi bagaimana Anda bahkan berpikir untuk menggabungkan dua hal yang tidak terlalu terhubung pada pandangan pertama - IT dan kedokteran? Ini adalah teknologi yang tidak berpotongan di benak kebanyakan orang. Apa langkah pertama yang Anda ambil untuk mengikuti jalan yang Anda pilih?Seperti yang mungkin Anda lihat dalam penampilan saya, saya tidak hanya tidur sedikit, saya juga bukan orang yang sangat sehat. Dan ketika saya mulai berurusan dengan topik kedokteran, farmasi, dan semua itu, saya hanya mencoba untuk menyelesaikan masalah yang dimiliki orang-orang yang terlibat dalam penelitian tertentu. Dan satu-satunya cara untuk menyelesaikan yang saya miliki adalah ini.Anda tahu, ada filsuf dan psikolog hebat bernama Maslow, yang dirumuskan dengan cukup akurat. Diterjemahkan dengan rapi ke dalam bahasa Rusia, ia mengatakan ini: "Ketika Anda memiliki palu di tangan Anda, sulit untuk menahan godaan untuk menganggap segala sesuatu di sekitar sebagai paku." Saya memiliki github di tangan saya, sulit untuk tidak menganggap semuanya sebagai kode. Dan begitulah yang terjadi.Mengapa Anda tidak berpikir untuk melintasi berbagai bidang kegiatan dengan TI sebelumnya? Dan sedikit demagogi untuk pengintaian. Jika ada perkawinan silang yang tajam dari berbagai bidang kegiatan dengan IT, dan kami akan kawin silang dengan pengacara dan sebagainya, maka pada kenyataannya banyak orang yang sekarang menempati pekerjaannya akan pergi.Luar biasa.Pertanyaannya berbeda: apa yang harus dilakukan dengan mereka?Ada banyak hipotesis berbeda. Saya sudah membaca buku yang luar biasa, di mana pun solent, yang dibuat dari orang, seperti yang Anda ingat. Pada tahun 90-an, bioreaktor banyak dibahas di negara kita. Serius, saya tidak punya jawaban untuk pertanyaan ini. Yang paling menarik, saya tidak berpikir bahwa orang IT harus memutuskan apa yang harus dilakukan dengan orang-orang ini.Saya memiliki seorang pria idola, sayangnya, dia meninggal, tetapi dia memiliki ungkapan yang cemerlang. Dia entah bagaimana pada satu pertemuan di mana saya berada, di mana banyak programmer bersumpah, keluar, menulis dua baris. Baris satu: tidak ada yang akan berhasil. Poin nomor dua: kemajuan tidak bisa dihentikan. Dan dengan pemikiran ini bahwa semuanya akan selalu buruk, tetapi kemajuan tidak dapat dihentikan, saya hidup.Ya, sejumlah besar orang sebagai akibat dari kemajuan teknologi akan kehilangan pekerjaan mereka. Tetapi kemajuan tidak perlu dihentikan karena ini. Manusia akan menemukan jalan keluar. Penghasilan tanpa syarat, perawatan wajib dengan memprogram orang-orang yang kehilangan pekerjaan.Saya tidak begitu mengerti. Apa sebenarnya yang dijelaskan dalam pengobatan dengan tes pada Python?Dalam kasus khusus ini, misalnya, kami menggunakan tes untuk menggambarkan input dan data hasil tes alergen. Artinya, dosis obat apa yang dimasukkan ke dalam sel, dan apa hasilnya pada lumen yang kami terima sebagai hasilnya.Yaitu, melalui Integrasi Berkelanjutan apakah Anda memiliki beberapa jenis mesin fisik yang berjalan?Laboratorium Fisik, ya. Di sini Anda perlu memahami bahwa rata-rata mereka sudah memiliki laboratorium fisik. Hanya saja tes-tes di dalamnya dideskripsikan bukan dalam formulir ini, tetapi dalam bentuk program besar di mana ada tertulis: mari kita taruh seperangkat karakteristik ini dan itu dan periksa pada output apakah hasilnya seperti ini dan itu.Tahun ini, konferensi DUMP akan diadakan 19 April di Yekaterinburg. Secara tradisional akan ada bagian Sains. Program tahun ini: Oleg Bartunov (Universitas Negeri Moskow, Postgres Professional), Peter Fedichev (Institut Fisika dan Teknologi Moskow, Gero), Pavel Skripnichenko (UrFU, KantrSkrip), Gennady Shtekh (Naumen), Igor Mamay (Kontur), Vladislav Blinov dan Valery Baranova (Tinkoff). ru), Tatyana Zobnina (Naumen). Program lengkapnya ada di situs web konferensi .