Առողջապահություն
Ուհանի վիրուսի բռնկման առաջին ակնարկները որսացել են AI-ի կողմից
Արհեստական ինտելեկտի վրա հիմնված առողջության մոնիտորինգի և հիվանդությունների հայտնաբերման պլատֆորմը կարողացավ հայտնաբերել Ուհանի վիրուսային բռնկման նշանները մոտ մեկ շաբաթ առաջ, երբ պետական մարմինները նախազգուշացնեին հանրությանը` ներկայացնելով հայացք, թե ինչպես կարելի է AI-ն օգտագործել հիվանդության բռնկումները ժամանակին հայտնաբերելու համար:
Մինչ Առողջապահության համաշխարհային կազմակերպության պաշտոնական ծանուցումը Ուհանի վիրուսի մասին հրապարակվեց հունվարի XNUMX-ին, և ԱՄՆ Հիվանդությունների վերահսկման և կանխարգելման կենտրոնը (CDC) ստացավ բռնկման մասին հունվարի XNUMX-ին, բռնկման առաջին նախազգուշական նշանները վերցվեցին կանադացիների կողմից: առողջության մոնիտորինգի համակարգը գրեթե մեկ շաբաթ առաջ։ Ինչպես հաղորդում է Wired-ը, AI-ի վրա հիմնված առողջապահական համակարգը BlueDot դեկտեմբերի 31-ին իր հաճախորդներին զգուշացրել է հնարավոր բռնկման մասին։ Bluedot-ն օգտագործում է AI ալգորիթմներ՝ վերահսկելու տարբեր գլոբալ նորությունների աղբյուրները և հայտնաբերելու օրինաչափությունները առողջապահական հաշվետվություններում: Այն նաև հաշվի է առնում բույսերի և կենդանիների հիվանդությունների ցանցերի մասին տեղեկատվությունը: Օգտագործելով իր հավաքած տեղեկատվությունը, BlueDot-ի համաճարակաբաններն այնուհետև նախազգուշացումներ և կանխատեսումներ են հաղորդում իր բաժանորդներին առողջական հնարավոր ռիսկերի և բռնկումների մասին:
Երբ գործ ունենք հիվանդության բռնկման հետ, վաղ հայտնաբերումը միշտ ավելի լավ է: Որքան շուտ հայտնաբերվի, այնքան ավելի շատ ժամանակ կունենան առողջապահության ոլորտի պատասխանատուները արձագանքելու համար: Ուհանի վիրուսի և Չինաստանում այլ հիվանդությունների բռնկման դեպքում Չինաստանի կառավարությունը հաճախ դանդաղ է տրամադրում տեղեկատվություն հանրային առողջապահության համաշխարհային պաշտոնյաների հետ: Սա խնդիր ունի, քանի որ CDC-ն և ԱՀԿ-ն ապավինում են այլ պետական մարմինների հաղորդակցություններին իրենց պատասխանները պլանավորելու համար: Այնուամենայնիվ, եթե BlueDot-ի պես AI համակարգը կարողանա ճշգրիտ կանխատեսումներ անել՝ հիմնվելով բազմաթիվ առանձին նորությունների, բլոգների և ֆորումների միջոցով արտահոսող տեղեկատվության վրա, դա կարող է հնարավորություն տալ առողջապահական կազմակերպություններին ավելի արագ գործել՝ ի պատասխան բռնկումների:
BlueDot-ի հայտնաբերած Քամրան Խանի խոսքով՝ ընկերությունը չի օգտագործում սոցիալական մեդիայի տվյալները հիվանդությունների տարածումը կանխատեսելիս, քանի որ տվյալները չափազանց փոփոխական են և խառնաշփոթ՝ օգտագործելու համար: Փոխարենը, նորությունների զեկույցները, կենդանիների հիվանդությունների հայտնի ցանցերի տվյալները և ավիաընկերությունների տոմսերի տվյալները համակցված են՝ ստեղծելով մոդել, որը կանխատեսում է, թե որտեղ են սկսվում վարակները և որտեղ կարող են վարակված մարդիկ հաջորդ ճանապարհորդել: BlueDot-ը ճիշտ կարողացավ կանխատեսել, որ Ուհանի վիրուսը կտարածվի Թայբեյում, Տոկիոյում, Սեուլում և Բանգկոկում իր դրսևորումից մի քանի օրվա ընթացքում։
BlueDot-ը գործարկվել է Խանի կողմից 2014 թվականին, և ընկերությունն այժմ ունի 40 աշխատակից, այդ թվում՝ տվյալների գիտնականներ, բժիշկներ և ծրագրավորողներ, որոնք միասին աշխատում են հիվանդության հսկողության և կանխատեսման մոդելներ ստեղծելու համար: Մեքենայական ուսուցման ալգորիթմները և բնական լեզվի մշակման տեխնիկան օգտագործվում են աշխարհով մեկ տարածված և 65 տարբեր լեզուներով ընդգրկող լրատվական հաղորդումներից տվյալների կորզման համար: Խանը Wired-ին ասաց.
«Այն, ինչ մենք արել ենք, օգտագործել ենք բնական լեզվի մշակումը և մեքենայական ուսուցումը այս շարժիչը վարժեցնելու համար՝ հասկանալու համար, թե արդյոք սա սիբիրախտի բռնկում է Մոնղոլիայում՝ ընդդեմ ծանր մետալ խմբի Anthrax խմբի վերամիավորման»:
Տվյալների ավտոմատ հավաքագրման և նախնական վերլուծության ավարտից հետո մարդկային վերլուծաբանները կրկնակի ստուգում են տվյալները և համոզվում, որ մոդելի եզրակացությունները հիմնավոր են թվում: Վերջապես, հաշվետվություն է ստեղծվում և ուղարկվում հավելվածի հաճախորդներին:
BlueDot-ի համակարգը հեռու է հիվանդությունների տարածումը կանխատեսելու AI ոլորտի առաջին փորձից: Տվյալների գիտնականները եղել են օգտագործելով մեծ տվյալներ և մեքենայական ուսուցման մոդելներ՝ հետևելու տարբեր հիվանդությունների տարածմանը, ինչպես վաղուց, որոշ փորձեր ավելի հաջող են, քան մյուսները: Google-ը փորձեց իր ուժերը Google Flu Trends-ի միջոցով հետևելու հիվանդության տարածմանը, սակայն 2013-ի գրիպի սեզոնների ծանրությունը կանխատեսելու նրա փորձերն էին. ըստ տեղեկությունների՝ նվազել է մոտ 140%-ով. Միայն ժամանակը ցույց կտա, թե արդյոք BlueDot-ը կարող է հետևողականորեն կանխատեսել հիվանդությունների տարածումը, բայց եթե կարողանա, դա կարող է ճանապարհ հարթել հիվանդությունների բռնկման ավելի արագ և ճշգրիտ գնահատականների համար:
