Introduzione.
Nel mese di marzo del 2020, anche per sfruttare al meglio la forzata "reclusione" dovuta al "social distancing" imposto dalle misure per la prevenzione del covid-19, ho deciso di iniziare a seguire la specializzazione AI for Medicine di Coursera.
E' da tempo, più di due anni, che mi occupo attivamente di Machine Learning e Deep Learning ed ho completato, a fine 2019, la bellissima e difficile specializzazione su Deep Learning guidata dal mitico Andrew NG.
Tuttavia, mi è chiaro che per comprendere veramente gli strumenti non basta la teoria, ma è necessario applicarli a casi reali o più possibile vicini alla complessità della realtà. Inoltre, fin dai tempi del liceo, sono sempre stato affascinato dalla medicina, anche se poi ho seguito, per studio e per lavoro, una strada differente.
Oggi, mi è sempre più chiaro ed evidente che un campo in cui il Deep Learning può dare un contributo enorme è proprio il campo della Medicina. Le applicazioni possibili sono tantissime e già numerosi sono i lavori pubblicati ed anche le tecnologie e le applicazioni pratiche.
Un gran bel libro da leggere.
Durante l'evento di presentazione della specializzazione, ho avuto modo di seguire l'intervento di Eric Topol.
Topol è un cardiologo americano, uno scienziato ed autore di un numero realmente impressionante di pubblicazioni scientifiche (l'h-index è: 229, Google Scholar). Tra i tanti campi in cui ha prodotto i suoi contributi, da anni si è occupato delle possibili applicazioni e ricadute, in campo medico, dell'applicazione delle tecniche di Deep Learning. Sul tema ha scritto il bellissimo libro: Deep Medicine: How Artificial Intelligence can make Healthcare Human again.
Il libro mi ha immediatamente interessato, Amazon con la sua incredibile capacità logistica ha fatto il resto (ho comprato, come mia abitudine per quelli che considero bei libri, la copia cartacea con copertina rigida) e... ora è li sul mio comodino per le serate di meditazione.
Le mie note dei corsi.
Fatta questa lunga e spero non troppo tediosa premessa, giungo al dunque: ho deciso di pubblicare in questa sezione del mio sito tutte le note da me redatte durante i mesi in cui, con profitto, ho seguito la specializzazione.
Per ora ho deciso di inserire qui i link alle singole note. Poi, in futuro deciderò, se mai accadrà, per una differente e forse più efficace organizzazione.
Work in progress.
Per sua stessa natura, questa nota è e rimarrà per lungo tempo work-in-progress. Un cantiere che visiterò sopratutto nei week-end (quando non potrò andare in barca a vela) e quando l'umore me lo consiglierà.
Mi scuso con chi leggerà, sopratutto, nelle fase iniziali e vedrà più i pochi mattoni che la costruzione finale.
Note del corso n. 1
- Metriche di prestazione di un modello (in campo medico).
- Deep learning e diagnosi del cancro della pelle.
- ...
...
Note del corso n. 2
Il secondo corso, di quattro settimane, è intitolato "AI for Medical Prognosis".
In questo secondo corso, in particolare, ho potuto approfondire il tema dei "Survival Models". Sono modelli utilizzati da anni in campo medico per prevedere, ad esempio, le probabilità di sopravvivenza nel tempo dei pazienti, magari dopo interventi impegnativi, od esami diagnostici. Ma possono essere utilizzati, con grande efficacia, in molti differenti campi. Ad esempio, ho l'obiettivo di scrivere una nota (che un po' esula dai temi trattati nella specializzazione) che spiega come modelli quali Kaplan-Meier possono essere utilizzati per prevedere il tempo medio per cui i sottoscrittori di un servizio (es:Telco) mantengono attivo il servizio senza abbandonare.
Note del corso n. 3
...
Altri miei lavori
Per approfondire alcune delle tenmatiche incontrate nei corsi ho implementati alcuni progetti e prototipi:
Notebook e codice.
Alcuni dei Notebook e dei frammenti di codice sviluppati li ho condivisi nel repository github: https://github.com/luigisaetta/med4ainotes
Per rispetto delle regole di Coursera non posso condividere i Notebook dei miei assignment, ma condividerò frammenti di codice estratti ed ulteriormente elaborati.