Przewiduj epidemię, zanim nadejdzie

Kanadyjski algorytm BlueDot szybciej niż eksperci rozpoznał zagrożenie ze strony najnowszego koronawirusa. Poinformował swoich klientów o zagrożeniu na kilka dni, zanim amerykańskie Centra Kontroli i Zapobiegania Chorobom (CDC) i Światowa Organizacja Zdrowia (WHO) wysłały oficjalne zawiadomienia do świata.

Kamran Chan (1), lekarz, specjalista chorób zakaźnych, założyciel i dyrektor generalny programu BlueDot, wyjaśniono w wywiadzie prasowym, w jaki sposób ten system wczesnego ostrzegania wykorzystuje sztuczną inteligencję, w tym przetwarzanie języka naturalnego i uczenie maszynowe, do śledzenia nawet sto chorób zakaźnych jednocześnie. Codziennie analizowanych jest około 100 65 artykułów w XNUMX językach.

1. Kamran Khan i mapa pokazująca rozprzestrzenianie się koronawirusa z Wuhan.

Dane te sygnalizują firmom, kiedy należy powiadomić swoich klientów o potencjalnej obecności i rozprzestrzenianiu się choroby zakaźnej. Inne dane, takie jak informacje o planach podróży i lotach, mogą pomóc w dostarczeniu dodatkowych informacji o prawdopodobieństwie rozwoju epidemii.

Idea modelu BlueDot jest następująca. uzyskać informacje tak szybko, jak to możliwe pracownicy służby zdrowia w nadziei, że będą w stanie zdiagnozować – i, jeśli to konieczne, odizolować – osoby zakażone i potencjalnie zaraźliwe na wczesnym etapie zagrożenia. Khan wyjaśnia, że ​​algorytm nie wykorzystuje danych z mediów społecznościowych, ponieważ jest „zbyt chaotyczny”. Jednak „oficjalne informacje nie zawsze są aktualne”, powiedział Recode. Aby skutecznie zapobiec epidemii, liczy się czas reakcji.

Khan pracował jako specjalista chorób zakaźnych w Toronto w 2003 roku, kiedy to się stało. epidemia SARS. Chciał opracować nowy sposób śledzenia tego typu chorób. Po przetestowaniu kilku programów prognostycznych uruchomił BlueDot w 2014 roku i zebrał 9,4 miliona dolarów na finansowanie swojego projektu. Firma zatrudnia obecnie czterdziestu pracowników, lekarzy i programistówktórzy opracowują narzędzie analityczne do śledzenia chorób.

Po zebraniu danych i ich wstępnej selekcji wchodzą do gry analitycy. po epidemiolodzy Sprawdzają wyniki pod kątem ważności naukowej, a następnie zgłaszają się do rządu, biznesu i pracowników służby zdrowia. klienci.

Khan dodał, że jego system może również wykorzystywać szereg innych danych, takich jak informacje o klimacie, temperaturze w danym obszarze, a nawet informacje o lokalnym inwentarzu, aby przewidzieć, czy ktoś zarażony chorobą może wywołać epidemię. Wskazuje, że już w 2016 r. Blue-Dot był w stanie przewidzieć wybuch epidemii wirusa Zika na Florydzie na sześć miesięcy przed jego faktycznym zarejestrowaniem na tym obszarze.

Firma działa w podobny sposób i wykorzystuje podobne technologie. Metabiotamonitorowanie epidemii SARS. Jej eksperci w swoim czasie stwierdzili, że największe ryzyko pojawienia się tego wirusa w Tajlandii, Korei Południowej, Japonii i Tajwanie zrobili ponad tydzień przed ogłoszeniem przypadków w tych krajach. Niektóre z ich wniosków zostały wyciągnięte z analizy danych dotyczących lotów pasażerskich.

Metabiota, podobnie jak BlueDot, wykorzystuje przetwarzanie języka naturalnego do oceny potencjalnych raportów o chorobach, ale pracuje również nad opracowaniem tej samej technologii dla informacji w mediach społecznościowych.

Mark Gallivan, dyrektor naukowy ds. danych Metabiota, wyjaśnił mediom, że platformy i fora internetowe mogą sygnalizować ryzyko wybuchu epidemii. Eksperci twierdzą również, że mogą oszacować ryzyko choroby powodującej wstrząsy społeczne i polityczne na podstawie informacji, takich jak objawy choroby, śmiertelność i dostępność leczenia.

W dobie Internetu każdy oczekuje szybkiej, rzetelnej i być może czytelnej wizualnej prezentacji informacji o postępie epidemii koronawirusa, na przykład w postaci zaktualizowanej mapy.

2. Tablica rozdzielcza koronawirusa 2019-nCoV Uniwersytetu Johnsa Hopkinsa.

Centrum Nauki i Inżynierii Systemów na Uniwersytecie Johnsa Hopkinsa opracowało prawdopodobnie najsłynniejszy na świecie pulpit nawigacyjny koronawirusa (2). Dostarczył również kompletny zestaw danych do pobrania w postaci arkusza Google. Mapa pokazuje nowe przypadki, potwierdzone zgony i wyleczenia. Dane wykorzystywane do wizualizacji pochodzą z różnych źródeł, w tym WHO, CDC, China CDC, NHC i DXY, chińskiej witryny internetowej, która agreguje raporty NHC i lokalne raporty sytuacyjne CCDC w czasie rzeczywistym.

Diagnostyka w godzinach, a nie dniach

Świat po raz pierwszy usłyszał o nowej chorobie, która pojawiła się w Wuhan w Chinach. 31 grudnia 2019 miasto Tydzień później chińscy naukowcy ogłosili, że zidentyfikowali winowajcę. W następnym tygodniu niemieccy specjaliści opracowali pierwszy test diagnostyczny (3). Jest szybki, znacznie szybszy niż w czasach SARS lub podobnych epidemii przed i po.

Już na początku ostatniej dekady naukowcy poszukujący jakiegoś groźnego wirusa musieli go hodować w komórkach zwierzęcych na szalkach Petriego. Musiałeś stworzyć wystarczająco dużo wirusów, aby zrobić izolować DNA i przeczytaj kod genetyczny w procesie znanym jako sekwencjonowanie. Jednak w ostatnich latach technika ta ogromnie się rozwinęła.

Naukowcy nie muszą już nawet hodować wirusa w komórkach. Mogą bezpośrednio wykryć bardzo małe ilości wirusowego DNA w płucach lub wydzielinie krwi pacjenta. I zajmuje to godziny, a nie dni.

Trwają prace nad stworzeniem jeszcze szybszych i wygodniejszych narzędzi do wykrywania wirusów. Veredus Laboratories z siedzibą w Singapurze pracuje nad przenośnym zestawem do wykrywania, VereChip (4) trafi do sprzedaży od 1 lutego br. Wydajne i przenośne rozwiązania przyspieszą również identyfikację osób zakażonych w celu uzyskania odpowiedniej opieki medycznej podczas rozmieszczania zespołów medycznych w terenie, zwłaszcza gdy szpitale są przepełnione.

Ostatnie postępy technologiczne umożliwiły zbieranie i udostępnianie wyników diagnostycznych w czasie zbliżonym do rzeczywistego. Przykład platformy z Quidel Sofia ja system Tablica filmów PCR10 Firmy BioFire zapewniające szybkie testy diagnostyczne patogenów układu oddechowego są natychmiast dostępne dzięki bezprzewodowemu połączeniu z bazami danych w chmurze.

Genom koronawirusa 2019-nCoV (COVID-19) został całkowicie zsekwencjonowany przez chińskich naukowców niecały miesiąc po odkryciu pierwszego przypadku. Prawie dwadzieścia kolejnych zostało ukończonych od pierwszej sekwencji. Dla porównania epidemia wirusa SARS rozpoczęła się pod koniec 2002 roku, a jego pełny genom nie był dostępny do kwietnia 2003 roku.

Sekwencjonowanie genomu ma kluczowe znaczenie dla rozwoju diagnostyki i szczepionek przeciwko tej chorobie.

Innowacje szpitalne

5. Robot medyczny z Regionalnego Centrum Medycznego Providence w Everett.

Niestety nowy koronawirus zagraża także lekarzom. Według CNN, zapobiegać rozprzestrzenianiu się koronawirusa w szpitalu i poza nim, personel Regionalnego Centrum Medycznego Providence w Everett w stanie Waszyngton, używa Robot (5), który mierzy parametry życiowe izolowanego pacjenta i działa jako platforma wideokonferencyjna. Maszyna jest czymś więcej niż tylko komunikatorem na kółkach z wbudowanym ekranem, ale nie eliminuje całkowicie pracy ludzkiej.

Pielęgniarki muszą jeszcze wejść do pokoju z pacjentem. Kontrolują też robota, który nie będzie narażony na infekcję, przynajmniej biologicznie, więc urządzenia tego typu będą coraz częściej wykorzystywane w leczeniu chorób zakaźnych.

Oczywiście pomieszczenia można ocieplić, ale trzeba też przewietrzyć, żeby móc oddychać. Wymaga to nowego systemy wentylacyjnezapobieganie rozprzestrzenianiu się drobnoustrojów.

Fińska firma Genano (6), która opracowała tego typu techniki, otrzymała wyraźne zamówienie dla placówek medycznych w Chinach. Z oficjalnego oświadczenia firmy wynika, że ​​firma ma duże doświadczenie w dostarczaniu sprzętu zapobiegającego rozprzestrzenianiu się chorób zakaźnych w sterylnych i odizolowanych salach szpitalnych. W poprzednich latach realizowała m.in. dostawy do placówek medycznych w Arabii Saudyjskiej podczas epidemii wirusa MERS. Fińskie urządzenia do bezpiecznej wentylacji trafiły również do słynnego tymczasowego szpitala dla osób zarażonych koronawirusem 2019-nCoV w Wuhan, wybudowanego już w dziesięć dni.

6. Schemat systemu Genano w izolatorze

Według Genano opatentowana technologia zastosowana w oczyszczaczach „eliminuje i zabija wszystkie drobnoustroje unoszące się w powietrzu, takie jak wirusy i bakterie”. Zdolne do wychwytywania drobnych cząstek o wielkości nawet 3 nanometrów, oczyszczacze powietrza nie wymagają konserwacji mechanicznego filtra, a powietrze jest filtrowane przez silne pole elektryczne.

Kolejną ciekawostką techniczną, która pojawiła się podczas wybuchu strachu przed koronawirusem, było skanery termiczne, używany m.in. na indyjskich lotniskach odbierane są osoby z gorączką.

Internet - zranić czy pomóc?

Pomimo ogromnej fali krytyki dotyczącej replikacji i rozpowszechniania, szerzenia dezinformacji i paniki, narzędzia mediów społecznościowych również odegrały pozytywną rolę od czasu wybuchu epidemii w Chinach.

Jak donosi na przykład chińska strona technologiczna TMT Post, platforma społecznościowa dla mini-filmów. douyin, będący chińskim odpowiednikiem znanego na całym świecie TikToka (7), uruchomił specjalny segment do przetwarzania informacji o rozprzestrzenianiu się koronawirusa. Pod hashtagiem #Walcz z zapaleniem płucpublikuje nie tylko informacje od użytkowników, ale także ekspertyzy i porady.

Oprócz podnoszenia świadomości i rozpowszechniania ważnych informacji, Douyin ma również służyć jako narzędzie wsparcia dla lekarzy i personelu medycznego walczącego z wirusem, a także zakażonych pacjentów. Analityk Daniel Ahmad napisał na Twitterze, że aplikacja uruchomiła „efekt wideo Jiayou” (co oznacza zachętę), którego użytkownicy powinni używać do wysyłania pozytywnych wiadomości wspierających lekarzy, pracowników służby zdrowia i pacjentów. Tego typu treści publikują również znane osoby, celebrytki i tzw. influencerzy.

Obecnie uważa się, że dokładna analiza trendów związanych ze zdrowiem w mediach społecznościowych może znacznie pomóc naukowcom i organom zdrowia publicznego w lepszym rozpoznaniu i zrozumieniu mechanizmów przenoszenia chorób między ludźmi.

Częściowo dlatego, że media społecznościowe są „wysoce kontekstowe i coraz bardziej hiperlokalne”, powiedział The Atlantic w 2016 roku. Sałatka Marsylska, naukowiec z Federalnej Szkoły Politechnicznej w Lozannie w Szwajcarii i ekspert w rozwijającej się dziedzinie, którą naukowcy nazywają „Cyfrowa Epidemiologia”. Jednak na razie, dodał, naukowcy nadal raczej próbują zrozumieć, czy media społecznościowe mówią o problemach zdrowotnych, które faktycznie odzwierciedlają zjawiska epidemiologiczne, czy nie (8).

8. Chińczycy robią selfie w maskach.

Wyniki pierwszych eksperymentów w tym zakresie są niejasne. Już w 2008 roku inżynierowie Google uruchomili narzędzie do przewidywania chorób - Google Flu Trends (GFT). Firma planowała wykorzystać go do analizy danych wyszukiwarki Google pod kątem symptomów i słów sygnałowych. Miała wtedy nadzieję, że wyniki zostaną wykorzystane do dokładnego i natychmiastowego rozpoznania „zarysów” epidemii grypy i dengi – dwa tygodnie wcześniej niż amerykańskie Centra Kontroli i Zapobiegania Chorobom. (CDC), którego badania są uważane za najlepszy standard w tej dziedzinie. Jednak wyniki Google dotyczące wczesnej diagnozy grypy opartej na sygnałach internetowych w USA, a później malarii w Tajlandii, uznano za zbyt niedokładne.

Techniki i systemy „przewidujące” różne zdarzenia, m.in. takich jak wybuch zamieszek czy epidemie, zadziałał również Microsoft, który w 2013 roku wraz z izraelskim Instytutem Technion uruchomił program przewidywania katastrof na podstawie analizy treści medialnych. Za pomocą wiwisekcji wielojęzycznych nagłówków „inteligencja komputerowa” musiała rozpoznać zagrożenia społeczne.

Naukowcy zbadali pewne sekwencje zdarzeń, takie jak informacje o suszy w Angoli, które dały podstawę do przewidywania w systemach prognozowania możliwej epidemii cholery, ponieważ odkryli związek między suszą a wzrostem zachorowalności. Ramy systemu powstały na podstawie analizy publikacji archiwalnych „New York Timesa”, począwszy od 1986 roku. Dalszy rozwój i proces uczenia maszynowego wiązał się z wykorzystaniem nowych zasobów Internetu.

Dotychczas w oparciu o sukcesy BlueDot i Metabiota w prognozowaniu epidemiologicznym, można pokusić się o stwierdzenie, że trafna prognoza jest możliwa przede wszystkim na podstawie danych „kwalifikowanych”, tj. profesjonalne, sprawdzone, specjalistyczne źródła, a nie chaos społeczności internetowych i portalowych.

Ale może chodzi o inteligentniejsze algorytmy i lepsze uczenie maszynowe?