Ascoltare il mondo attraverso l’apprendimento automatico
L’apprendimento automatico (ML) è diventato silenziosamente parte della nostra vita quotidiana, alimentando le nostre auto, le operazioni nei nostri ospedali e il cibo che mangiamo. Alcune delle aziende più entusiasmanti che applicano il ML non si definiscono nemmeno società “ML”. L’auto è l’esempio più ovvio, dato che 10 miliardi di dollari di finanziamenti sono stati riversati nel settore solo nel 2019. Mentre attendiamo con impazienza la prossima generazione di verticali in cui il ML avrà un impatto rivoluzionario, l’assistenza sanitaria si distingue come una delle più promettenti. Nell’ambito dell’assistenza sanitaria, esistono ora straordinari modi in cui il machine learning può migliorare la qualità del nostro udito.
Un problema secolare
Il suono più basso che puoi sentire inizia a deteriorarsi con l’avanzare dell’età, ma il suono udibile più forte rimane costante per tutta la vita. Gli apparecchi acustici tradizionalmente funzionano amplificando i suoni con regolazioni molto grossolane, dal tintinnio dei piatti in un ristorante al suono della voce di tuo figlio. Possono essere incredibilmente dolorosi da indossare, spesso soffocando i suoni che vuoi sentire con rumori che non hai e questo è particolarmente importante nei luoghi pubblici rumorosi.
Si stima che 48 milioni di americani soffrano di un certo grado di ipoacusia. Nonostante la prevalenza del problema, gli apparecchi acustici predominanti oggi sul mercato sono stati costruiti 50-100 anni fa. Sonova è un’azienda svizzera da 17 miliardi di dollari, fondata nel 1947, lo stesso anno in cui fu inventato il transistor. Demant è una società con sede in Danimarca da 8 miliardi di dollari che è stata fondata nel 1904, antecedente persino al modello T.Una manciata di nuovi operatori è emersa di recente, offrendo prodotti meno costosi e diretti al consumatore, ma raggiungendo una qualità alla pari con gli operatori storici del settore rimase sfuggente.
Entra nell’era del machine learning
Con il ML, le aziende possono applicare una tecnologia all’avanguardia per trasformare un problema secolare. Le startup stanno sfruttando il deep learning e l’elaborazione avanzata del segnale con una granularità precedentemente non possibile per migliorare la qualità dell’udito.
Alcune aziende storiche di apparecchi acustici hanno recentemente pubblicizzato la loro capacità di aggiungere funzionalità “AI” come integrazioni di Alexa e contapassi. Sfortunatamente, queste funzionalità non sembrano migliorare la qualità uditiva effettiva né sfruttare le vere capacità di ML oltre a generare buzz di marketing.
Al contrario, le startup stanno costruendo soluzioni basate su software in grado di fornire continuamente nuove funzionalità e aggiornamenti agli utenti esistenti, proprio come i sistemi sperimentati da Apple e Tesla, risultando in un prodotto che continua a migliorare nel tempo. Gli algoritmi che alimentano questi apparecchi acustici possono rilevare, prevedere e sopprimere il rumore di fondo indesiderato, formando la base di un fossato tecnico non banale dietro il prodotto. Gli ingegneri hanno trascorso anni a costruire questi modelli di rete neurale prendendo dati strutturati e non strutturati, aumentandoli con dati interni (che rappresentano uno spettro di età, lingue e tipi di voce), inserendo i dati nell’addestramento della rete neurale e quindi perfezionando le previsioni un processo che migliora continuamente l’efficacia del prodotto.
Nella mia conversazione con Andre Esteva, Head of Medical AI presso Salesforce, ha osservato che “gli approcci tradizionali sono stati limitati da ampi sforzi manuali per acquisire dati, crearli manualmente in un formato utilizzabile, preparare algoritmi rudimentali e distribuirli sui dispositivi. Al contrario, ML ha un effetto volano naturale in cui i dispositivi raccolgono dati su larga scala, i protocolli di addestramento ML elaborano automaticamente i dati, si aggiornano e ridistribuiscono. L’effetto è una significativa riduzione dei cicli di feedback del prodotto e un aumento della gamma di funzionalità disponibili. La bellezza di questo approccio è che l’intelligenza sottostante migliora nel tempo man mano che le reti neurali passano attraverso l’addestramento iterativo “.
È ora di investire
Ci sono molte ragioni per essere ottimisti sul valore che il ML può creare per migliorare la nostra salute negli anni a venire. Sono fermamente convinto che tra la prossima generazione di settori in cui anche il machine learning avrà un impatto rivoluzionario, l’assistenza sanitaria è una delle più promettenti. Il futuro dell’udito, delle cure primarie, degli studi clinici e di molti altri pezzi critici del puzzle dell’assistenza sanitaria dipenderà sempre più da sistemi intelligenti. Le entusiasmanti startup che emergono nel mercato degli apparecchi acustici sono solo un esempio di una nuova ondata di innovazione basata sul ML nel settore sanitario.
