Come l’AI sta essere utilizzato nella lotta contro il Wuhan Coronavirus

L’intelligenza artificiale sta essere sfruttata nella lotta contro il Wuhan Coronavirus. L’intelligenza artificiale sta essere impiegata da ricercatori per tracciare la diffusione della malattia e per ricercare potenziali trattamenti per il virus.

Il Wuhan Coronavirus si è manifestato in Cina a dicembre, e nei due mesi successivi si è diffuso in tutta la Cina e in altre parti del globo. È ancora sconosciuto quanto contagioso sia il virus e quanto rapidamente il virus possa diffondersi, anche se attualmente ci sono più di 40.000 casi confermati all’interno della Cina. Al fine di ottenere una migliore comprensione di come il virus possa diffondersi e quanto rapidamente il virus possa diffondersi, i ricercatori stanno impiegando algoritmi di apprendimento automatico focalizzati sui dati raccolti da siti di social media e altre parti del web.

Nel corso dell’ultima settimana, il tasso di infezione sembra essere diminuito leggermente, ma non è chiaro se la malattia stia venendo sotto controllo o se i nuovi casi stanno diventando più difficili da rilevare. Mentre altri paesi in tutto il mondo hanno visto solo alcuni casi di coronavirus, in confronto alla Cina, la comunità sanitaria mondiale rimane preoccupata per la capacità del virus di diffondersi. I ricercatori stanno cercando di anticipare la diffusione del virus utilizzando l’apprendimento automatico e i big data raccolti da internet.

Come riportato da Wired, un team internazionale di ricercatori ha estratto dati da varie parti di internet, comprese le pubblicazioni di medici e gruppi medici, canali di salute pubblica, post sui social media e notizie, compilando un database di testi che potrebbero essere relativi al coronavirus. I ricercatori hanno quindi analizzato i dati per segni che il virus potrebbe diffondersi al di fuori dei confini della Cina, utilizzando tecniche di apprendimento automatico per trovare modelli rilevanti nei dati che potrebbero suggerire come il virus si stia comportando.

I ricercatori setacciano i post sui social media alla ricerca di potenziali sintomi di coronavirus, concentrandosi sulla ricerca di regioni dove i medici pensano che i casi possano manifestarsi. I post sui social media vengono elaborati utilizzando tecniche di elaborazione del linguaggio naturale, tecniche che possono distinguere tra post in cui una persona menziona i propri sintomi e qualcuno che dice parole relative ai sintomi in un altro contesto (ad esempio, discutendo notizie sul coronavirus).

Secondo Alessandro Vespignani, come riportato da Wired, professore della Northeastern University e analista di contagio, anche con tecniche di apprendimento automatico avanzate è spesso difficile tracciare la diffusione del virus perché le caratteristiche del virus sono ancora in parte sconosciute, e la maggior parte dei post sui social media proviene da aziende di media e attualmente riguarda l’epidemia in Cina. Tuttavia, Vespignani ritiene che se il virus dovesse mai prendere piede negli Stati Uniti, sarebbe più facile monitorarlo grazie a più post riguardanti il virus.

Nonostante la sfida nel raccogliere informazioni rilevanti sul comportamento potenziale del coronavirus, il modello creato dai ricercatori sembra essere ragionevolmente efficace nel trovare indizi all’interno di un grande mare di post sui social media. Il modello utilizzato dai ricercatori è stato in grado di trovare prove di un’epidemia virale il 30 dicembre, anche se ci è voluto del tempo per determinare quanto seria sarebbe stata la situazione. Le informazioni crowdsourced potrebbero migliorare ulteriormente l’efficacia dei modelli di tracciamento delle malattie, poiché consentono la raccolta più efficiente di dati rilevanti riguardanti il virus. Ad esempio, un’analisi dei dati crowdsourced da medici cinesi suggerisce che le persone sotto i 15 anni sono più resistenti al virus.

L’intelligenza artificiale può anche essere combinata con i dati raccolti dai dispositivi mobili per costruire modelli che possono potenzialmente prevedere la direzione in cui un virus si sta diffondendo, nonché il tasso di diffusione. Ad esempio, i ricercatori dell’Università di Southampton hanno utilizzato i dati mobili per determinare il percorso che il virus potrebbe aver preso mentre si diffondeva al di fuori di Wuhan nei giorni successivi alla sua manifestazione. Altri ricercatori hanno analizzato i dati raccolti da Tencent, uno sviluppatore di app mobili cinese, e hanno scoperto che le restrizioni imposte dal governo cinese potrebbero ridurre la diffusione del virus, guadagnando tempo prezioso per sviluppare un piano di attacco.

Come riportato da Fortune, la startup Insilico Medicine ha utilizzato l’intelligenza artificiale per identificare molecole che potrebbero potenzialmente trattare il coronavirus. L’AI di Insilico ha identificato migliaia di possibili molecole di farmaci nel corso di quattro giorni. Insilico ha spiegato che i 100 candidati più promettenti saranno sintetizzati e che tutta la loro ricerca sulle strutture molecolari sarà pubblicata in modo che altri ricercatori possano approfittarne. I ricercatori medici e le aziende stanno accelerando lo sviluppo e la sperimentazione di trattamenti, con l’azienda biotecnologica statunitense Gilead che pianifica di iniziare immediatamente la sperimentazione di un nuovo farmaco antivirale all’interno della regione di Wuhan.

Dopo che Insilico ha deciso di iniziare a ricercare trattamenti, ha focalizzato la sua ricerca su un enzima chiamato 3C-like protease. Il coronavirus si basa su questo enzima per riprodursi e diffondersi. Secondo Insilico, ha scelto questo enzima specifico perché è molto simile ad altre proteasi virali la cui struttura è già stata documentata, e perché la Shanghai Tech University aveva sviluppato un modello della 2019-nCoV 3C-like protease. Nel corso di quattro giorni, Insilico è stato in grado di generare centinaia di migliaia di molecole candidate e scegliere solo le cento o così che erano più probabili di essere utili. I risultati della ricerca sono stati recentemente pubblicati nel repository bioRxiv e sul sito web di Insilico.