H Sofia Tomov, ένα παιδί θαύμα 18 ετών βουλγαροαμερικάνα έχει ιδρύσει την Qardian Labs. Η ίδια αναφέρει “Αναπτύσσουμε καινοτόμες λύσεις λογισμικού βασισμένες στην τεχνητή νοημοσύνη για την αξιολόγηση του κινδύνου καρδιακών παθήσεων και επί του παρόντος συνεργαζόμαστε με την Πολεμική Αεροπορία των ΗΠΑ για την ανάπτυξη ενός συστήματος ανάλυσης υπερηχοκαρδιογραφήματος για την υποστήριξη λήψης αποφάσεων. Το λογισμικό μας χρησιμοποιεί βαθιά νευρωνικά δίκτυα για να επιτύχει ακρίβεια 99 τοις εκατό σε δεδομένα δοκιμών. Το λογισμικό επίσης ωφελεί τους αθλητίατρους, βοηθώντας τους αθλητές να επισημάνουν τον κίνδυνο αιφνίδιας καρδιακής ανακοπής, που αποτελεί την κύρια αιτία θανάτου στους αθλητές.
Είναι νικήτρια της πρώτης θέσης στην ιατρική το 2018 στο Intel ISEF για την έρευνά της που χρησιμοποιεί τη μηχανική μάθηση για τη βελτίωση της διάγνωσης καρδιακών παθήσεων. Η ίδια αναφέρει: “Ως επίδοξος επιστήμονας πληροφορικής, έχω ασχοληθεί με έργα σχετικά με αλγορίθμους για γονιδιωματική ανάλυση καθώς και με τη μηχανική μάθηση. Το 2017 κέρδισα την πρώτη θέση στον διεθνή διαγωνισμό Project Paradigm Challenge και ήμουν φιναλίστ στον διαγωνισμό Discovery Education/3M Young Scientist Challenge. Αναγνωρίστηκα από το Business Insider ως μια από τις “15 νεαρές ιδιοφυίες που αλλάζουν ήδη τον κόσμο” και το έργο μου έχει παρουσιαστεί στο US News and World Report και στην Telegraph (Ηνωμένο Βασίλειο).
Ο κοινοτικός ακτιβισμός είναι επίσης σημαντικός για μένα, καθώς έχω ιδρύσει το Teen Vote, μια μη κερδοσκοπική οργάνωση αφιερωμένη στη μείωση της ηλικίας ψήφου και στην προώθηση της εκπαίδευσης του πολίτη, ξεκίνησα ένα τοπικό παράρτημα του Project CS Girls για να διδάξω σε κορίτσια γυμνασίου και λυκείου την επιστήμη των υπολογιστών, καθώς και εθελοντικά διδάσκοντας επιστήμη και μηχανική σε μαθητές δημοτικού”.
Η Sofia Tomov είναι:
- Παθιασμένη με την επίλυση προβλημάτων και τη βοήθεια των άλλων.
- Φοιτήτρια στο Πανεπιστήμιο του Τενεσί στο Νόξβιλ. “Ως επιστήμονας πληροφορικής, έχω ασχοληθεί με αλγόριθμους για γονιδιωματική ανάλυση καθώς και με τη μηχανική μάθηση”.
- Νικήτρια της πρώτης θέσης του Intel ISEF 2018 (Μεταφραστική Ιατρική)
- Νικήτρια της πρώτης θέσης στο διεθνή διαγωνισμό Project Paradigm Challenge 2017 (ηλικίες 9-13 ετών)
- Υπότροφος Caroline D. Bradley 2017
- Φιναλίστ στο διαγωνισμό Discovery Education/3M Young Scientist Challenge 2016.
- Αναγνωρίστηκε από το Business Insider ως μία από τις “15 νεαρές ιδιοφυΐες που ήδη αλλάζουν τον κόσμο”.
- Το έργο της έχει παρουσιαστεί στο US News and World Report και στην Telegraph (Ηνωμένο Βασίλειο).
- Ίδρυσε την Qardian Labs, μια επιχείρηση που βασίζεται στο λογισμικό διάγνωσης καρδιακών παθήσεων που ανέπτυξε και κέρδισε την πρώτη θέση στο Intel ISEF.
- Ίδρυσε την Teen Vote, μια μη κερδοσκοπική οργάνωση αφιερωμένη στη μείωση της ηλικίας ψήφου και στην προώθηση της εκπαίδευσης του πολίτη, καθώς και στην εθελοντική διδασκαλία της επιστήμης και της μηχανικής σε μαθητές δημοτικού.
- Ίδρυσε ένα τοπικό παράρτημα του Project CS Girls, ενός οργανισμού αφιερωμένου στην ενδυνάμωση των κοριτσιών γυμνασίου και λυκείου να αλλάξουν τον κόσμο με την επιστήμη των υπολογιστών
Οι έρευνές της
Ο αλγόριθμος για τις παρενέργειες των συνταγογραφούμενων φαρμάκων
Κάντε το χάπι να ταιριάζει στον άρρωστο
Οι παρενέργειες των συνταγογραφούμενων φαρμάκων είναι η 4η κύρια αιτία θανάτου στις ΗΠΑ, σύμφωνα με την AMA.
“Αναρωτήθηκα γιατί οι άνθρωποι ανταποκρίνονται διαφορετικά στα ίδια φάρμακα και διαπίστωσα ότι οι γενετικές μεταλλάξεις επηρεάζουν την ανταπόκριση ενός ατόμου. Ωστόσο, η γνώση της μετάλλαξης λύνει μόνο το μισό πρόβλημα. Οι γιατροί πρέπει να γνωρίζουν αν οι ασθενείς τους έχουν συγκεκριμένες μεταλλάξεις. Πρέπει να εντοπίσουν μια αλλαγή βάσης σε ένα γονιδίωμα 6 δισεκατομμυρίων βάσεων. Για να αντιμετωπίσω αυτό το πρόβλημα, καινοτόμησα ένα είδος αλγορίθμου υπολογιστή, ή διαδικασία επίλυσης προβλημάτων, που μπορεί να βρει μεταλλάξεις σε ένα γονιδίωμα”.
Η έρευνα σε αυτόν τον τομέα θα μπορούσε να οδηγήσει σε πρωτοποριακές ιατρικές καινοτομίες που θα ανακουφίσουν τον πόνο επιτρέποντας την εξατομικευμένη ιατρική, επιτρέποντας στους γιατρούς να δημιουργούν εξατομικευμένες θεραπείες με βάση τη μοναδική γενετική σύνθεση ενός ατόμου.
Πως δουλεύει
Οι γιατροί μπορούν να χρησιμοποιήσουν αλγορίθμους αναζήτησης συμβολοσειρών για να βρουν μεταλλάξεις. Οι αλγόριθμοι αναζήτησης συμβολοσειρών είναι προγράμματα υπολογιστών που βρίσκουν μια συμβολοσειρά γραμμάτων σε ένα κείμενο. Το γονιδίωμα είναι το κείμενο και η μετάλλαξη είναι η συμβολοσειρά.
Το πρόβλημα με τους περισσότερους υπάρχοντες αλγορίθμους αναζήτησης συμβολοσειρών είναι ότι είναι πολύ αργοί. Η ταχύτητα είναι ζωτικής σημασίας σε καταστάσεις έκτακτης ανάγκης, όπως η επιληπτική κρίση ή το αλλεργικό σοκ, όταν το σωστό φάρμακο πρέπει να συνταγογραφηθεί αμέσως.
“Για να αντιμετωπίσω αυτό το πρόβλημα, υλοποίησα τον αλγόριθμο Reverse Factor και τον παραλληλοποίησα ή τον κωδικοποίησα ώστε να εκτελείται σε πολλούς επεξεργαστές υπολογιστών. Αυτό δεν έχει γίνει για αυτόν τον αλγόριθμο. Πώς ο παραλληλισμός κάνει έναν αλγόριθμο ταχύτερο; Ένα παράλληλο πρόγραμμα μοιράζει το έργο της αναζήτησης ενός γονιδιώματος, βάζοντας πολλούς επεξεργαστές να εργαστούν μαζί σε ένα πρόβλημα. Αυτό μειώνει το χρόνο που απαιτείται για την εξεύρεση της λύσης. Η παραλληλοποίηση του αλγορίθμου Reverse Factor επιτάχυνε τον αρχικό κατά 400%, γεγονός που υποδηλώνει τη σκοπιμότητά του. Τα αποτελέσματά μου υποδηλώνουν ότι ένας αλγόριθμος αναζήτησης συμβολοσειρών όπως ο δικός μου μπορεί να σώσει ζωές, προωθώντας τον τομέα της εξατομικευμένης ιατρικής και επιτρέποντας στους γιατρούς να προβλέπουν την ανταπόκριση ενός ασθενούς”.
ΚΑΡΔΙΑ SMART
Οι καρδιακές παθήσεις είναι η κύρια αιτία θανάτου παγκοσμίως, σκοτώνοντας 20 εκατομμύρια ανθρώπους ετησίως. Μια ακριβής και έγκαιρη διάγνωση θα μπορούσε να είναι η διαφορά μεταξύ ζωής και θανάτου για τα άτομα με καρδιοπάθεια.
Χρησιμοποίησα τη μηχανική μάθηση για να βελτιώσω την ακρίβεια της διάγνωσης των καρδιακών παθήσεων. Η μηχανική μάθηση είναι ένας τύπος τεχνητής νοημοσύνης που διδάσκει τον υπολογιστή να μαθαίνει από τα υπάρχοντα δεδομένα και να προβλέπει αποτελέσματα για μελλοντικά δεδομένα.
Για την εργασία μου, καινοτόμησα το HEARO — Heart Evaluation for Algorithmic Risk-reduction and Optimization (Αξιολόγηση της καρδιάς για αλγοριθμική μείωση και βελτιστοποίηση του κινδύνου). Το HEARO διδάσκει στον υπολογιστή να ενεργεί ως τεχνητός εγκέφαλος χρησιμοποιώντας βαθιά νευρωνικά δίκτυα μεταβλητού στρώματος με κανονικοποίηση για την ταξινόμηση και την ταξινόμηση δεδομένων. Αποτελεί μοναδική συνεισφορά στον τομέα με δύο σημαντικούς τρόπους: 1) ξεπερνά τα υπάρχοντα αποτελέσματα, συμπεριλαμβανομένων εκείνων του Stanford, και 2) ο συνδυασμός ενός βαθύ νευρωνικού δικτύου και της κανονικοποίησης αποτελεί ένα νέο διαγνωστικό εργαλείο. Δύναται να δώσει στους γιατρούς ένα δυνητικά σωτήριο εργαλείο για να κάνουν πιο τεκμηριωμένη διάγνωση και να επιτρέψουν στους ανθρώπους να λάβουν θεραπεία όταν τη χρειάζονται.
ΜΕ ΤΟΝ ΆΝΕΜΟ
Η ρύπανση από την καύση ορυκτών καυσίμων αποτελεί παγκόσμιο πρόβλημα. Η ρύπανση αυτή ευθύνεται για 1 στους 8 θανάτους παγκοσμίως, σύμφωνα με τον ΠΟΥ. Μια καθαρότερη πηγή ενέργειας, όπως η αιολική ενέργεια, θα σώσει ζωές.
Ένα εμπόδιο στη χρήση της αιολικής ενέργειας είναι η ανακρίβεια των προβλέψεων για την παραγωγή ισχύος των ανεμογεννητριών. Οι ανακριβείς προβλέψεις αναγκάζουν τις επιχειρήσεις κοινής ωφέλειας να χρησιμοποιούν εφεδρικές μονάδες. Αυτό συνεπάγεται σπατάλη ενέργειας. Οι ανακριβείς προβλέψεις μπορούν να προκαλέσουν σπατάλες χρημάτων στις επιχειρήσεις κοινής ωφέλειας, επειδή οι εφεδρικές εγκαταστάσεις είναι ακριβές στη συντήρηση.
Χρησιμοποίησα τη μηχανική μάθηση για να βελτιώσω την ακρίβεια των προβλέψεων της ισχύος των τουρμπίνων. Η μηχανική μάθηση είναι ένας τύπος τεχνητής νοημοσύνης που διδάσκει τον υπολογιστή να μαθαίνει από τα υπάρχοντα δεδομένα και να προβλέπει αποτελέσματα για μελλοντικά δεδομένα.
Για το έργο μου, καινοτόμησα με το HAWC — Υβριδικοί αλγόριθμοι για υπολογισμό της αιολικής ενέργειας. Το HAWC διδάσκει στον υπολογιστή να ενεργεί ως τεχνητός εγκέφαλος χρησιμοποιώντας νευρωνικά δίκτυα για την ταξινόμηση και την ταξινόμηση δεδομένων.
Το HAWC μπορεί να μειώσει την ανάγκη για σπάταλες εφεδρικές μονάδες, καθιστώντας έτσι την αιολική ενέργεια πιο εφικτή και μειώνοντας τη ρύπανση.
Πως λειτουγεί
Το σύνολο λογισμικού HAWC αποτελείται από τους ακόλουθους αλγορίθμους: γραμμική παλινδρόμηση, πολυωνυμική παλινδρόμηση, νευρωνικό δίκτυο 2 επιπέδων και νευρωνικό δίκτυο 3 επιπέδων.
Αρχικά, κωδικοποίησα τη γραμμική παλινδρόμηση και την πολυωνυμική παλινδρόμηση στη γλώσσα προγραμματισμού MATLAB. Η γραμμική παλινδρόμηση χρησιμοποιεί μια γραμμική συνάρτηση για να κάνει μια πρόβλεψη, δημιουργώντας μια γραμμή που ταιριάζει στα δεδομένα.
Η πολυωνυμική παλινδρόμηση χρησιμοποιεί μια πολυωνυμική συνάρτηση για να δημιουργήσει μια καμπύλη γραμμή. Κάθε σημείο αντιπροσωπεύει μια πρόβλεψη, οπότε μια ακριβής προσαρμογή αντιπροσωπεύει μια ακριβή πρόβλεψη.
Μέρος της πρόκλησης της κωδικοποίησης ενός νευρωνικού δικτύου είναι η δόμησή του έτσι ώστε να είναι ακριβές και αποδοτικό. Πρέπει να καθοριστεί πόσοι κόμβοι ή τεχνητοί νευρώνες θα χρησιμοποιηθούν και πόσα επίπεδα ή βήματα δημιουργίας συνδέσεων θα χρησιμοποιηθούν. “Για να αντιμετωπίσω αυτές τις προκλήσεις, κωδικοποίησα ένα νευρωνικό δίκτυο 3 επιπέδων που δεν έχει εφαρμοστεί προηγουμένως στην πρόβλεψη της αιολικής ενέργειας. Η ρύπανση σκοτώνει 7 εκατομμύρια ανθρώπους ετησίως – δηλαδή 13 ανθρώπους κάθε λεπτό. Στο χρόνο που μπορεί να σας πήρε να διαβάσετε αυτό το κείμενο, η ρύπανση σκότωσε 65 ανθρώπους. Ο χρόνος τρέχει για να βρούμε μια λύση σε αυτή την κρίση. Τα αποτελέσματά μου υποδηλώνουν ότι το HAWC θα μπορούσε να συμβάλει στη μείωση της ρύπανσης και να σώσει ζωές, επιτρέποντας την ανάπτυξη της αιολικής ενέργειας”.
Από τη Βίκυ Μπαφατάκη
