Πώς το AI Χρησιμοποιείται στον Αγώνα κατά του Κορονοϊού του Γουχάν

Η τεχνητή νοημοσύνη αξιοποιείται στον αγώνα κατά του κορονοϊού του Γουχάν. Η τεχνητή νοημοσύνη χρησιμοποιείται από ερευνητές για να παρακολουθήσουν την εξάπλωση της νόσου και να ερευνήσουν πιθανές θεραπείες για τον ιό.

Ο κορονοϊός του Γουχάν εμφανίστηκε στην Κίνα τον Δεκέμβριο και στα δύο μήνες που πέρασαν έχει εξαπλωθεί σε όλη την Κίνα και σε άλλες περιοχές του πλανήτη. Δεν είναι ακόμη γνωστό πόσο μολυσματικός είναι ο ιός και πόσο γρήγορα μπορεί να εξαπλωθεί, αν και υπάρχουν目前 πάνω από 40.000 επιβεβαιωμένα κρούσματα στην Κίνα. Για να αποκτήσουν μια καλύτερη κατανόηση του πώς ο ιός μπορεί να εξαπλωθεί και πόσο γρήγορα μπορεί να εξαπλωθεί, οι ερευνητές χρησιμοποιούν αλγόριθμους μηχανικής μάθησης που επικεντρώνονται σε δεδομένα από ιστοσελίδες κοινωνικών μέσων και άλλες περιοχές του ιντερνέτ.

Κατά τη διάρκεια της τελευταίας εβδομάδας, ο ρυθμός μόλυνσης φαίνεται να έχει μειωθεί κάπως, αλλά δεν είναι σαφές αν η νόσος έρχεται υπό έλεγχο ή αν τα νέα κρούσματα γίνονται πιο δύσκολα να ανιχνευτούν. Ενώ άλλες χώρες σε όλο τον κόσμο έχουν δει μόνο quelques κρούσματα κορονοϊού, σε σύγκριση με την Κίνα, η διεθνής κοινότητα υγείας παραμένει ανήσυχη για την ικανότητα του ιού να εξαπλωθεί. Οι ερευνητές προσπαθούν να προηγηθούν της εξάπλωσης του ιού χρησιμοποιώντας μηχανική μάθηση και μεγάλα δεδομένα που συλλέγονται από το διαδίκτυο.

Όπως αναφέρθηκε από το Wired, μια διεθνής ομάδα ερευνητών έχει εξαγάγει δεδομένα από διάφορες περιοχές του ιντερνέτ, συμπεριλαμβανομένων αναρτήσεων από γιατρούς και ιατρικές ομάδες, κανάλια δημόσιας υγείας, αναρτήσεις σε κοινωνικά μέσα και ειδησεογραφικές αναφορές, συλλέγοντας μια βάση δεδομένων κειμένου που μπορεί να σχετίζεται με τον κορονοϊό. Οι ερευνητές αναλύουν τα δεδομένα για σημάδια ότι ο ιός μπορεί να εξαπλωθεί εκτός των συνόρων της Κίνας, χρησιμοποιώντας τεχνικές μηχανικής μάθησης για να βρουν σχετικά μοτίβα στα δεδομένα που θα μπορούσαν να δείξουν πώς ο ιός συμπεριφέρεται.

Οι ερευνητές διερευνούν αναρτήσεις σε κοινωνικά μέσα για πιθανές συμπτώματα κορονοϊού, επικεντρώνοντας την έρευνά τους σε περιοχές όπου οι γιατροί πιστεύουν ότι μπορεί να εμφανιστούν κρούσματα. Οι αναρτήσεις σε κοινωνικά μέσα επεξεργάζονται χρησιμοποιώντας τεχνικές φυσικής επεξεργασίας γλώσσας, τεχνικές που μπορούν να διακρίνουν μεταξύ αναρτήσεων όπου ένας άνθρωπος αναφέρει τα δικά του συμπτώματα και αναρτήσεων όπου κάποιος λέει λέξεις που σχετίζονται με συμπτώματα σε άλλο контекστό (όπως συζητώντας ειδήσεις για τον κορονοϊό).

Σύμφωνα με τον Alessandro Vespignani, όπως ανέφερε το Wired, καθηγητής του Northeastern University και εμπειρογνώμονας ανάλυσης μόλυνσης, επιχειρηματολόγησε ότι ακόμη και με προηγμένα τεχνικά μέσα μηχανικής μάθησης είναι συχνά δύσκολο να παρακολουθήσει την εξάπλωση του ιού επειδή τα χαρακτηριστικά του ιού είναι ακόμη κάπως άγνωστα, και οι περισσότερες αναρτήσεις σε κοινωνικά μέσα είναι από εταιρείες μέσων ενημέρωσης και τώρα για την έξαρση στην Κίνα. Ωστόσο, ο Vespignani πιστεύει ότι αν ο ιός ever έπιανε ποτέ στην Αμερική θα γινόταν πιο εύκολο να παρακολουθήσει χάρη σε περισσότερες αναρτήσεις που αφορούν τον ιό.

Παρά την πρόκληση να αποκτήσουν σχετικές πληροφορίες για την πιθανή συμπεριφορά του κορονοϊού, το μοντέλο που δημιούργησαν οι ερευνητές φαίνεται να είναι αρκετά αποτελεσματικό στο να βρει ενδείξεις μέσα σε một μεγάλο ωκεανό αναρτήσεων σε κοινωνικά μέσα. Το μοντέλο που χρησιμοποιούν οι ερευνητές ήταν能够 να βρει ενδείξεις μιας ιογενούς έξαρσης στις 30 Δεκεμβρίου, αν και χρειάστηκε χρόνος για να καθορίσει πόσο σοβαρή θα γινόταν η κατάσταση. Πληροφορίες που συλλέχθηκαν από το κοινό θα μπορούσαν να βελτιώσουν την αποτελεσματικότητα των μοντέλων παρακολούθησης νόσων ακόμη περισσότερο, καθώς επιτρέπουν την πιο αποτελεσματική συλλογή σχετικών δεδομένων σχετικά με τον ιό. Για παράδειγμα, μια ανάλυση δεδομένων που συλλέχθηκαν από κινέζους ιατρούς δείχνει ότι οι άνθρωποι κάτω των 15 ετών είναι πιο ανθεκτικοί στον ιό.

Η τεχνητή νοημοσύνη μπορεί επίσης να συνδυαστεί με δεδομένα που συλλέγονται από κινητές συσκευές για να δημιουργήσει μοντέλα που θα μπορούσαν να προβλέψουν την κατεύθυνση που εξαπλώνεται ο ιός καθώς και το ρυθμό εξάπλωσης. Για παράδειγμα, ερευνητές από το Πανεπιστήμιο του Southampton χρησιμοποίησαν δεδομένα κινητών για να καθορίσουν το μονοπάτι που ο ιός μπορεί να έχει πάρει όταν εξήλθε από το Γουχάν τις μέρες που ακολούθησαν την εμφάνισή του. Άλλοι ερευνητές ανέλυσαν δεδομένα που συλλέχθηκαν από την Tencent, μια κινέζικη εταιρεία ανάπτυξης κινητών εφαρμογών, και βρήκαν ότι οι περιορισμοί που επιβλήθηκαν από την κινέζικη κυβέρνηση θα μπορούσαν να μειώσουν την εξάπλωση του ιού, αγοράζοντας πολύτιμο χρόνο για να αναπτύξουν ένα σχέδιο επίθεσης.

Όπως ανέφερε το Fortune, η εταιρεία Insilico Medicine έχει χρησιμοποιήσει τεχνητή νοημοσύνη για να αναγνωρίσει μόρια που θα μπορούσαν να θεραπεύσουν τον κορονοϊό. Το AI της Insilico αναγνώρισε χιλιάδες πιθανά μόρια φαρμάκων κατά τη διάρκεια τεσσάρων ημερών. Η Insilico εξήγησε ότι τα 100 πιο υποσχόμενα υποψήφια θα συνθετούν και tất cả τα ερευνητικά τους για μοριακές δομές θα δημοσιευτούν για άλλους ερευνητές να επωφεληθούν. Ιατρικοί ερευνητές και εταιρείες επιταχύνουν την ανάπτυξη και τον έλεγχο θεραπειών, με την αμερικανική βιοτεχνολογική εταιρεία Gilead να σχεδιάζει να ξεκινήσει τον άμεσο έλεγχο ενός νέου αντιιικού φαρμάκου στην περιοχή του Γουχάν.

Μετά την απόφαση της Insilico να αρχίσει την έρευνα θεραπειών, επικεντρώθηκε την έρευνά της σε μια ενζύμη που ονομάζεται 3C-like προτεάση. Ο κορονοϊός εξαρτάται από αυτήν την ενζύμη για να αναπαραχθεί και να εξαπλωθεί. Σύμφωνα με την Insilico, επέλεξε αυτήν την ενζύμη επειδή είναι khá παρόμοια με άλλες ιικές προτεάσες των οποίων οι δομές έχουν ήδη τεκμηριωθεί, και επειδή το Πανεπιστήμιο Shanghai Tech είχε αναπτύξει ένα μοντέλο της 2019-nCoV 3C-like προτεάσης. Σε διάστημα τεσσάρων ημερών η Insilico μπόρεσε να γεννήσει εκατοντάδες χιλιάδες υποψήφια μόρια και να επιλέξει μόνο τα εκατό περίπου που ήταν πιο πιθανό να είναι χρήσιμα. Τα αποτελέσματα της έρευνας δημοσιεύθηκαν πρόσφατα στο αποθετήριο bioRxiv και στην ιστοσελίδα της Insilico.