NPL se move para qualificar informações IoT e Big Data
Em uma extremidade da escala estão sensores, talvez sensores médicos desgastados pelo corpo, que são objetos claramente definidos e são claramente importantes. No outro extremo da escala (você pode argumentar) são comentários de redes sociais, mas mesmo isso pode ser importante.
O cabeçalho da ciência da informação da NPL, Mike Oldham, diz à Electronic Weekly: "Existem PME do Reino Unido que analisam os tweets das redes sociais para decisões empresariais - por exemplo, mapeando tweets na rede de transporte do Reino Unido e levando problemas antes dos instrumentos de uma empresa de transporte em alguns casos".
Com cada vez mais aprendendo a máquina para divulgar dados para decisões, ou mesmo tomar decisões, como a confiança na qualidade dos dados pode ser mantida ao longo do ciclo de vida dos dados, pergunta a Oldham. É um ciclo que ele resume como "coletar, conectar, compreender" com comprimir na lista se muitos dados tiverem que passar por um tubo estreito.
Existe alguma sensação para o que são dados importantes e o que não é?
Proteção de qualidade
"Se você tem dados de paródia em uma rede de energia inteligente, você não quer que uma máquina semi-autônoma feche a grade", diz Oldham.
Para os tweets e a situação de transporte, "não tenho certeza de que a NPL precisa se envolver se os dados de navegação estiverem errados e você está atrasado de vez em quando, mas para o diagnóstico médico você precisará do padrão-ouro. A importância dos dados é tudo sobre vidas, segurança e risco financeiro ".
Com seus institutos de metrologia de contrapartida nos EUA e na Alemanha - NIST e PTB - NPL acabaram de iniciar um projeto para estabelecer alguns padrões de qualidade de dados, de acordo com o gerente de estratégia da NPL Sundeep Bhandari. Também está trabalhando com a Universidade Brunel, algumas organizações com sede na China e o Instituto Turing de várias maneiras para fins semelhantes.
Parte da pesquisa envolveu as organizações questionadoras, incluindo empresas de telecomunicações, empresas de energia, prestadores de cuidados de saúde, a BBC e a Polícia Metropolitana, sobre o que eles precisam das métricas de qualidade de dados. "Depois de falar com eles, tentaremos destilar o que a NPL precisa fazer para a indústria", diz Bhandari.
Uma necessidade conhecida é quantificar as medidas feitas durante os diagnósticos médicos baseados em varredura, para permitir técnicas de "grandes dados" para extrair novos conhecimentos de milhões de varreduras e para remover a variabilidade de diagnósticos individuais.
Decidindo padrões
"No momento, o diagnóstico médico é uma relação de trabalho próxima entre um clínico e a máquina que eles usam", diz o cientista de dados Oldham. "Estamos trabalhando para padronizar isso, então qualquer clínico pode trabalhar com resultados de qualquer máquina. Parte do processo é decidir qual tipo de metadados você deve coletar. "
Um projeto específico de qualidade de dados médicos na NPL é uma tentativa de melhorar as medidas feitas por scanners de MRI que observam a "taxa de perfusão miocárdica" - a taxa de sangue e, portanto, oxigênio, é entregue ao tecido cardíaco.
A varredura é adquirida ao longo do tempo e depois pós-processada por um clínico que seleciona os objetos de interesse na varredura, permitindo que a máquina extraia uma curva de tempo do comportamento de um agente de contraste. Esta curva é manipulada contra um modelo matemático para estimar a taxa de perfusão.
O problema é que uma varredura de MRI é em grande parte um instrumento qualitativo, inadequado para a medição absoluta. A melhor maneira de medir a perfusão é com uma análise PET, mas isso precisa de uma injeção de material radioativo.
"O PET é o mais quantitativo, mas uma pessoa só pode ter tantos exames de PET em uma vida", disse Nadia Smith, cientista de dados da NPL, ao Electronics Weekly. "Se podemos trazer a ressonância magnética para ser mais quantitativa, seria muito melhor para o diagnóstico".
E é exatamente isso que a NPL vai tentar como parte de um projeto europeu de três anos ao lado de seus pares na França e na Alemanha (LNE e PTB), no King's College de Londres e em um hospital finlandês.
Shutterstock