Kako se AI koristi u borbi protiv Wuhan Coronavirusa

Umjetna inteligencija koristi se u borbi protiv Wuhan Coronavirusa. Umjetna inteligencija koju koriste istraživači prati širenje bolesti i istražuje moguće načine liječenja virusa.

Koronavirus iz Wuhana pojavio se u Kini u prosincu, a u dva mjeseca od tada proširio se Kinom i drugim dijelovima svijeta. Još uvijek nije poznato koliko je virus zarazan i koliko brzo bi se virus mogao širiti, iako trenutno postoji više od 40,000 potvrđenih slučajeva u Kini. Kako bi bolje razumjeli kako se virus može širiti i koliko brzo se virus može širiti, istraživači koriste algoritme strojnog učenja usredotočene na podatke izvučene sa stranica društvenih medija i drugih dijelova weba.

Tijekom prošlog tjedna, čini se da se stopa zaraze donekle smanjila, ali nije jasno je li bolest pod kontrolom ili je nove slučajeve sve teže otkriti. Dok je u drugim zemljama diljem svijeta zabilježeno samo nekoliko slučajeva koronavirusa, u usporedbi s Kinom, svjetska zdravstvena zajednica i dalje je zabrinuta zbog mogućnosti širenja virusa. Istraživači pokušavaju preduhitriti širenje virusa korištenjem strojnog učenja i velikih podataka prikupljenih s interneta.

Kako prenosi Wired, međunarodni tim istraživača izvukao je podatke iz raznih dijelova interneta, uključujući postove liječnika i medicinskih grupa, javnozdravstvene kanale, objave na društvenim mrežama i novinska izvješća, sastavljajući bazu podataka s tekstovima koji bi se mogli odnositi na koronavirus. Istraživači zatim analiziraju podatke tražeći znakove da bi se virus mogao širiti izvan granica Kine, koristeći tehnike strojnog učenja kako bi pronašli relevantne obrasce u podacima koji bi mogli nagovijestiti kako se virus ponaša.

Istraživači pretražuju objave na društvenim mrežama u potrazi za potencijalnim simptomima koronavirusa, usredotočujući svoju pretragu na regije u kojima liječnici misle da bi se mogli pojaviti slučajevi. Objave na društvenim mrežama obrađuju se tehnikama obrade prirodnog jezika, tehnikama koje mogu razlikovati postove u kojima osoba spominje vlastite simptome od onih koji izgovaraju riječi povezane sa simptomima u drugom kontekstu (kao što je rasprava o vijestima o koronavirusu).

Prema Alessandru Vespignaniju, kako je izvijestio Wired, profesor sa Sveučilišta Northeastern i stručni analitičar zaraze, tvrdi da je čak i uz napredne tehnike strojnog učenja često teško pratiti širenje virusa jer su karakteristike virusa još uvijek donekle nepoznate, a većina društvenih medija postovi su iz medijskih kompanija i trenutno o izbijanju u Kini. Međutim, Vesignani vjeruje da bi, ako bi virus ikada zavladao u SAD-u, bilo lakše pratiti ga zahvaljujući većem broju postova koji se tiču ​​virusa.

Unatoč izazovu u dobivanju relevantnih informacija o potencijalnom ponašanju koronavirusa, čini se da je model koji su stvorili istraživači prilično učinkovit u pronalaženju tragova unutar velikog mora objava na društvenim mrežama. Model koji su koristili istraživači uspio je pronaći dokaze o izbijanju virusne bolesti 30. prosinca, iako je trebalo vremena da se utvrdi koliko će situacija postati ozbiljna. Crowdsourced informacije mogao bi još više poboljšati učinkovitost modela praćenja bolesti jer omogućuje učinkovitije prikupljanje relevantnih podataka o virusu. Na primjer, analiza podataka prikupljenih od strane kineskih liječnika sugerira da su ljudi mlađi od 15 godina otporniji na virus.

Umjetna inteligencija također se može kombinirati s podacima prikupljenim s mobilnih uređaja za izradu modela koji potencijalno mogu predvidjeti smjer u kojem se virus širi kao i brzinu širenja. Na primjer, istraživači sa Sveučilišta Southampton koristili su mobilne podatke za odrediti put koje je virus možda uzeo dok se selio iz Wuhana u danima nakon njegove manifestacije. Drugi istraživači analizirali su podatke koje je prikupio Tencent, kineski programer mobilnih aplikacija, i otkrili da ograničenja koja je nametnula kineska vlada potencijalno smanjuju širenje virusa, kupujući vitalno vrijeme za razvoj plana napada.

Kako je izvijestio Fortune, pokretanje Insilico Medicina upotrijebio je umjetnu inteligenciju za identificiranje molekula koje bi potencijalno mogle liječiti koronavirus. Insilico AI identificirao je tisuće mogućih molekula lijeka tijekom četiri dana. Insilico je objasnio da će se sintetizirati 100 kandidata koji najviše obećavaju i da će sva njihova istraživanja o molekularnim strukturama biti objavljena kako bi ih drugi istraživači mogli iskoristiti. Medicinski istraživači i tvrtke ubrzano prate razvoj i testiranje tretmana, a američka biotehnološka tvrtka Gilead planira odmah započeti testiranje novog antivirusnog lijeka u regiji Wuhan.

Nakon što je Insilico odlučio započeti istraživanje tretmana, svoje je istraživanje usredotočio na enzim koji se zove 3C-slična proteaza. Koronavirus se oslanja na ovaj enzim za reprodukciju i širenje. Prema Insilicu, odlučili su se za ovaj specifičan enzim jer je prilično sličan drugim virusnim proteazama čije su strukture već dokumentirane te jer je šangajsko tehničko sveučilište razvilo model proteaze slične 2019-nCoV 3C. U rasponu od četiri dana Insilico je uspio generirati stotine tisuća molekula kandidata i odabrati samo stotinjak za koje je najvjerojatnije bilo korisno. Rezultati istraživanja nedavno su objavljeni u repozitoriju bioRxiv i na web stranici tvrtke Insilico.