Comment l'IA est utilisée dans la lutte contre le coronavirus de Wuhan

L'intelligence artificielle est mise à profit dans la lutte contre le coronavirus de Wuhan. L'intelligence artificielle utilisée par les chercheurs suit la propagation de la maladie et recherche des traitements potentiels contre le virus.

Le coronavirus de Wuhan s’est manifesté en Chine en décembre et, au cours des deux mois qui ont suivi, il s’est propagé à travers la Chine et dans d’autres parties du monde. On ne sait toujours pas à quel point le virus est contagieux et à quelle vitesse il pourrait se propager, bien qu'il y ait actuellement plus de 40,000 XNUMX cas confirmés en Chine. Afin de mieux comprendre comment le virus pourrait se propager et à quelle vitesse il peut se propager, les chercheurs utilisent des algorithmes d’apprentissage automatique axés sur les données extraites des sites de médias sociaux et d’autres parties du Web.

Au cours de la semaine dernière, le taux d'infection semble avoir quelque peu diminué, mais on ne sait pas si la maladie est sous contrôle ou si de nouveaux cas deviennent plus difficiles à détecter. Alors que d'autres pays du monde n'ont vu que quelques cas de coronavirus, par rapport à la Chine, la communauté mondiale de la santé reste préoccupée par la capacité du virus à se propager. Les chercheurs tentent de devancer la propagation des virus en utilisant l'apprentissage automatique et les mégadonnées collectées sur Internet.

Tel que rapporté par Wired, une équipe internationale de chercheurs a extrait des données de diverses parties d'Internet, y compris des publications de médecins et de groupes médicaux, des canaux de santé publique, des publications sur les réseaux sociaux et des reportages, compilant une base de données de textes pouvant être liés au coronavirus. Les chercheurs analysent ensuite les données à la recherche de signes indiquant que le virus pourrait se propager en dehors des frontières chinoises, en utilisant des techniques d'apprentissage automatique afin de trouver des modèles pertinents dans les données qui pourraient indiquer le comportement du virus.

Les chercheurs examinent les publications sur les réseaux sociaux à la recherche de symptômes potentiels du coronavirus, en centrant leur recherche sur les régions où les médecins pensent que des cas pourraient se manifester. Les publications sur les réseaux sociaux sont traitées à l’aide de techniques de traitement du langage naturel, techniques qui permettent de distinguer les publications dans lesquelles une personne mentionne ses propres symptômes de celles dans lesquelles une personne prononce des mots liés à ses symptômes dans un autre contexte (par exemple, en discutant de l’actualité du coronavirus).

Selon Alessandro Vespignani, comme l'a rapporté Wired, professeur à l'Université Northeastern et analyste expert en contagion, affirme que même avec des techniques avancées d'apprentissage automatique, il est souvent difficile de suivre la propagation du virus car les caractéristiques du virus sont encore quelque peu inconnues, et la plupart des médias sociaux les messages proviennent d'entreprises de médias et concernent actuellement l'épidémie en Chine. Cependant, Vesignani pense que si jamais le virus s'installait aux États-Unis, il deviendrait plus facile à surveiller grâce à davantage de messages concernant le virus.

Malgré le défi d'obtenir des informations pertinentes sur le comportement potentiel du coronavirus, le modèle créé par les chercheurs semble être raisonnablement efficace pour trouver des indices dans une vaste mer de publications sur les réseaux sociaux. Le modèle utilisé par les chercheurs a pu trouver des preuves d'une épidémie virale le 30 décembre, bien qu'il ait fallu du temps pour déterminer à quel point la situation deviendrait grave. Informations participatives pourrait encore améliorer l'efficacité des modèles de suivi des maladies, car cela permet une collecte plus efficace des données pertinentes concernant le virus. À titre d'exemple, une analyse des données collectées par des médecins chinois suggère que les personnes de moins de 15 ans sont plus résistantes au virus.

L'intelligence artificielle peut également être combinée avec des données collectées à partir d'appareils mobiles pour créer des modèles qui peuvent potentiellement prédire la direction dans laquelle un virus se propage ainsi que le taux de propagation. Par exemple, des chercheurs de l'Université de Southampton ont utilisé les données mobiles pour déterminer le chemin que le virus a pu prendre en quittant Wuhan dans les jours qui ont suivi sa manifestation. D'autres chercheurs ont analysé les données collectées par Tencent, un développeur d'applications mobiles chinois, et ont découvert que les restrictions imposées par le gouvernement chinois réduisaient potentiellement la propagation du virus, faisant gagner un temps vital pour développer un plan d'attaque.

Comme Fortune l'a rapporté, la startup Médecine Insilico a fait appel à l'intelligence artificielle pour identifier des molécules susceptibles de traiter le coronavirus. L'IA d'Insilico a identifié des milliers de molécules médicamenteuses possibles en quatre jours. Insilico a expliqué que les 100 candidats les plus prometteurs seront synthétisés et que toutes leurs recherches sur les structures moléculaires seront publiées pour que d'autres chercheurs en profitent. Les chercheurs médicaux et les entreprises accélèrent le développement et les tests de traitements, la société de biotechnologie américaine Gilead prévoyant de commencer les tests immédiats d'un nouveau médicament antiviral dans la région de Wuhan.

Après qu'Insilico ait décidé de commencer à rechercher des traitements, elle a concentré ses recherches sur une enzyme appelée protéase de type 3C. Le coronavirus compte sur cette enzyme pour se reproduire et se propager. Selon Insilico, il a choisi cette enzyme spécifique parce qu'elle est assez similaire à d'autres protéases virales dont les structures ont déjà été documentées, et parce que l'Université de Shanghai Tech a développé un modèle de la protéase de type 2019-nCoV 3C. En l'espace de quatre jours, Insilico a pu générer des centaines de milliers de molécules candidates et n'en choisir que la centaine qui étaient les plus susceptibles d'être utiles. Les résultats de la recherche ont été récemment publiés dans le référentiel bioRxiv et sur le site d'Insilico.