ก้าวสู่การบันทึกข้อมูลสุขภาพดิจิทัลแบบฉลาดขึ้น

ภาพจาก MIT News

ระบบที่พัฒนาโดยนักวิจัยจาก Massachusetts Institute of Technology (MIT) และ Boston’s Beth Israel Deaconess Medical Center มีเป้าหมายที่จะปรับปรุงบันทึกด้านสุขภาพทางอิเล็กทรอนิกส์โดยผสมผสานการเรียนรู้ของเครื่องและการปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ ระบบนี้เรียกว่า MedKnowts จะแสดงเวชระเบียนที่ได้รับการปรับแต่งเฉพาะผู้ป่วยแต่ละคนโดยอัตโนมัติ เสนอการเติมข้อความอัตโนมัติสำหรับศัพท์ทางคลินิก และเติมข้อมูลในช่องข้อมูลผู้ป่วยโดยอัตโนมัติ และอีกหลายอย่าง Luke Murray แห่ง MIT กล่าวว่า "[แพทย์] จะดูหน้าที่เกี่ยวกับการรักษาและมุ่งเฉพาะสิ่งที่เกี่ยวข้องกับสภาพปัจจุบันของคนไข้ เรากำลังช่วยทำกระบวนการนั้นโดยอัตโนมัติ และหวังว่าจะช่วยย้ายอะไรบางอย่างออกจากหัวของแพทย์เพื่อให้พวกเขามีมีเวลาคิดเกี่ยวกับอะไรที่ซับซ้อนมากขึ้น ซึ่งก็คือการระบุว่ามีอะไรผิดปกติเกิดขึ้นกับคนไข้ และคิดแผนการรักษา”

อ่านข่าวเต็มได้ที่: MIT News

จะสร้างระยะห่างระหว่างคนเดินถนนได้อย่างไรในโลกยุคหลังการระบาด

ภาพจาก Universitat Oberta de Catalunya (Spain)

ด้วยการใช้เทคโนโลยีอัตโนมัติ นักวิทยาศาสตร์จาก Universitat Oberta de Catalunya (UOC) ในสเปนและ University of California, Berkeley ได้ออกแบบวิธีในการกำหนดวิธีการวัดที่ต้องใช้เพื่อให้แน่ใจว่าคนเดินถนนในที่สาธารณะจะเว้นระยะห่างกันมากขึ้น นักวิจัยใช้ข้อมูลระบบสารสนเทศทางภูมิศาสตร์ หรือ GIS ซึ่งโดยทั่วไปจะถูกเก็บอยู่บนเครื่องสำหรับเก็บข้อมูลที่เปิดเป็นสาธารณะของหน่วยงานในเมือง เพื่อวัดพื้นที่ที่สำหรับคนเดินเท้าและสำหรับการจราจรใน 10 เมืองในยุโรป อเมริกาเหนือ และอเมริกาใต้ โดยงานวิจัยนี้ได้แสดงถึงความแตกต่างระหว่างเมืองต่าง ๆ และพบว่าโดยส่วนใหญ่แล้วแต่ละเมืองจะเหลือที่ให้คนเดินเท้าค่อนข้างน้อย เมื่อเปรียบเทียบระหว่างยุโรป อเมริการเหนือ และอเมริกาใต้ พบว่ายุโรปนั้นมีการแบ่งส่วนที่เป็นธรรมมากที่สุด โดยประเทศที่เหลือที่ให้คนเดินเท้าน้อยที่สุดคือสหรัฐอเมริกา ส่วนประเทศในอเมริกาใต้นั้นอยู่ตรงกลาง "วิธีการของเราแสดงให้เห็นว่าด้วยกลยุทธ์ที่วางแผนไว้อย่างดี ความพยายามในการปรับปรุงระบบทางเท้าในเมืองสามารถทำได้ ในขณะที่ยังคงอนุญาตให้มีการการจราจรไหลไปตามปกติ" นักวิจัยกล่าว

อ่านข่าวเต็มได้ที่: Universitat Oberta de Catalunya (Spain)

เพิ่มเติมเสริมข่าว: อยากให้มาลองวิเคราะห์ในประเทศไทยดูจัง นักวิจัยอาจตะลึงไปเลยก็ได้

 

อีกไม่นานคนที่นั่งรถคันเดียวกันสามารถฟังเสียงที่ต่างกันได้

ภาพจาก PhysicWorld

อัลกอริธึมเกี่ยวกับการได้ยินเสียง (acoustic) ที่สร้างขึ้นโดยนักวิจัยจากมหาวิทยาลัย Le Mans ของฝรั่งเศสและ Stellantis ผู้ผลิตรถยนต์ในเนเธอร์แลนด์ ช่วยให้ผู้ฟังสองคนที่นั่งติดกันในรถยนต์เพื่อฟังเสียงที่แตกต่างกันโดยสิ้นเชิงโดยไม่ต้องใช้หูฟัง ระบบจะตรวจสอบลักษณะของเสียงที่ปล่อยออกมาจากลำโพงแบบติดตั้งพนักพิงศีรษะในแบบเรียลไทม์ก่อน จากนั้นอัลกอริธึมจะปรับตัวกรองของระบบทุกครั้งที่มีการเปลี่ยนตำแหน่งที่นั่ง โดยปรับตำแหน่งของโซนเสียงส่วนบุคคล (personalized sound zone) หรือ PSZ ของผู้โดยสารแต่ละคน ในระหว่างการทดสอบ เมื่อเบาะนั่งข้างหนึ่งเลื่อนไปข้างหน้า 15 ซม. ในขณะที่อีกที่นั่งอยู่ที่เดิม อัลกอริธึมสามารถรักษาความต่าง 30 เดซิเบลระหว่าง PSZ สองตัวได้อย่างน่าเชื่อถือ ซึ่งความดังนี้เป็นความแตกต่างระหว่างการกระซิบและการสนทนาปกติ

อ่านข่าวเต็มได้ที่: Physicsworld.com

กรีซอนุญาตให้นักท่องเที่ยวเข้าประเทศโดยปลอดภัยจาก COVID-19 ได้ยังไง

ภาพจาก University of Southern California

นักวิจัยจาก University of Southern California (USC) Marshall School of Business, Wharton School of Business ของ University of Pennsylvania บริษัทที่ปรึกษาด้านการบริหารความมั่งคั่ง AgentRisk และGreece's universities of Athens and Thessaly ของกรีซได้ร่วมมือกันพัฒนาอัลกอริทึมที่สามารถระบุ นักเดินทางที่ติด COVID-19 ที่ไม่มีอาการได้ อัลกอริทึม “Eva” ใช้ข้อมูลแบบเรียลไทม์เพื่อระบุนักท่องเที่ยวที่มีความเสี่ยงสูงเพื่อทำการทดสอบ นักวิจัยพบว่าอัลกอริธึมสามารถระบุนักเดินทางที่ติดเชื้อที่ไม่มีอาการที่เดินทางไปยังกรีซได้เกือบสองเท่า เมื่อเทียบกับการที่ประเทศที่ใช้เพียงข้อจำกัดการเดินทาง และการทดสอบแบบสุ่ม อีวาเคยถูกใช้เพื่อแยกข้อมูลที่ได้รับจากนักท่องเที่ยว เพื่อสร้างโปรไฟล์ของผู้ที่มีแนวโน้มว่าจะติดเชื้อและไม่มีอาการ

อ่านข่าวเต็มได้ที่: University of Southern California

ปุ่ม dislike อาจปรับปรุงคำแนะนำของ Spotify

ภาพจาก Cornell Chronicle

ทีมวิจัยที่ Cornell University ได้พัฒนาอัลกอริธึมคำแนะนำที่อาจปรับปรุงผู้ให้บริการสตรีมมิ่งเสียงและสื่อ  Spotify โดยผสมผสานทั้งความชอบ (like) และไม่ชอบ (disklike) ทีมวิจัยแสดงให้เห็นว่าผู้ฟังมีแนวโน้มที่จะชอบเพลงมากขึ้นประมาณ 20% หากอัลกอริธึมแนะนำได้รับการฝึกฝนจากทั้งข้อมูลชอบและไม่ชอบทั้งหมด 400,000 ครั้ง ซึ่งต่างจากอัลกอริธึมที่ฝึกฝนโดยใช้ข้มูลเฉพาะการชอบเท่านั้น Sasha Stoikov จาก Cornell กล่าวว่าอัลกอริธึมที่เน้นไปที่ปุ่มที่ชอบเท่านั้นมีโอกาสแนะนำเพลงที่ผู้ฟังไม่ชอบมากขึ้น  ระบบใหม่นี้มีชื่อว่า Piki จะเลือกเพลงจากฐานข้อมูลประมาณ 5 ล้านเพลง และให้เงินผู้ใช้ 1 ดอลลาร์ต่อ 25 เพลงที่พวกเขาให้คะแนน ซึ่ง Stoikov กล่าวว่า "เป็นการจูงใจให้ผู้ใช้ลงคะแนนตามความจริง"

อ่านข่าวเต็มได้ที่: Cornell Chronicle