Hoe AI wordt gebruikt in de strijd tegen het Wuhan-coronavirus

Kunstmatige intelligentie wordt ingezet in de strijd tegen het Wuhan-coronavirus. Kunstmatige intelligentie wordt door onderzoekers gebruikt om de verspreiding van de ziekte te volgen en om potentiële behandelingen voor het virus te onderzoeken.

Het Wuhan-coronavirus manifesteerde zich in China in december, en in de twee maanden sindsdien heeft het zich verspreid over China en naar andere delen van de wereld. Het is nog onbekend hoe besmettelijk het virus is en hoe snel het virus zich kan verspreiden, hoewel er momenteel meer dan 40.000 bevestigde gevallen zijn in China. Om een beter begrip te krijgen van hoe het virus zich kan verspreiden en hoe snel het virus zich kan verspreiden, gebruiken onderzoekers machine learning-algoritmen die zijn gericht op gegevens die zijn verzameld van sociale mediasites en andere delen van het web.

Over de loop van de afgelopen week lijkt het tempo van infectie enigszins te zijn afgenomen, maar het is onduidelijk of de ziekte onder controle komt of dat nieuwe gevallen moeilijker te detecteren zijn. Terwijl andere landen over de hele wereld slechts een paar gevallen van coronavirus hebben gezien, in vergelijking met China, blijft de wereldgezondheidsinstantie bezorgd over de mogelijkheid van het virus om zich te verspreiden. Onderzoekers proberen vooruit te lopen op de verspreiding van het virus door machine learning en big data te gebruiken die zijn verzameld van het internet.

Zoals gerapporteerd door Wired, heeft een internationaal team van onderzoekers gegevens verzameld van verschillende delen van het internet, waaronder berichten van artsen en medische groepen, openbare gezondheidskanalen, sociale medieberichten en nieuwsberichten, en een database samengesteld van tekst die mogelijk verband houdt met het coronavirus. De onderzoekers analyseren vervolgens de gegevens op tekenen dat het virus zich buiten de grenzen van China kan verspreiden, waarbij ze machine learning-technieken gebruiken om relevante patronen in de gegevens te vinden die kunnen suggereren hoe het virus zich gedraagt.

De onderzoekers zoeken door sociale medieberichten naar potentiële symptomen van coronavirus, met als focus op regio’s waar artsen denken dat gevallen kunnen ontstaan. De sociale medieberichten worden verwerkt met behulp van natuurlijke taalverwerkingstechnieken, technieken die kunnen onderscheiden tussen berichten waarin iemand zijn eigen symptomen noemt en iemand die symptoom-gerelateerde woorden in een andere context gebruikt (zoals het bespreken van nieuws over het coronavirus).

Volgens Alessandro Vespignani, zoals gerapporteerd door Wired, een professor aan de Northeastern University en expert op het gebied van besmetting, is het zelfs met geavanceerde machine learning-technieken vaak moeilijk om de verspreiding van het virus te volgen, omdat de kenmerken van het virus nog gedeeltelijk onbekend zijn en de meeste sociale medieberichten afkomstig zijn van mediabedrijven en momenteel over de uitbraak in China gaan. Vespignani gelooft echter dat als het virus ooit voet zou krijgen in de VS, het gemakkelijker zou worden om het te volgen dankzij meer berichten over het virus.

Ondanks de uitdaging om relevante informatie te verkrijgen over het potentieel gedrag van het coronavirus, lijkt het model dat door de onderzoekers is gemaakt redelijk effectief te zijn in het vinden van aanwijzingen binnen een grote hoeveelheid sociale medieberichten. Het model dat door de onderzoekers werd gebruikt, kon bewijs van een virusuitbraak vinden op 30 december, hoewel het even duurde voordat duidelijk werd hoe ernstig de situatie zou worden. Crowdsourced informatie kan de effectiviteit van ziektemodellen verder verbeteren, omdat het een efficiëntere verzameling van relevante gegevens over het virus mogelijk maakt. Als voorbeeld suggereert een analyse van gegevens die zijn verzameld door Chinese artsen dat mensen jonger dan 15 jaar minder gevoelig zijn voor het virus.

Kunstmatige intelligentie kan ook worden gecombineerd met gegevens die zijn verzameld van mobiele apparaten om modellen te bouwen die potentieel de richting kunnen voorspellen waarin een virus zich verspreidt, evenals de snelheid van de verspreiding. Zo hebben onderzoekers van de University of Southampton mobiele gegevens gebruikt om de route te bepalen die het virus mogelijk heeft genomen toen het Wuhan verliet in de dagen na zijn manifestatie. Andere onderzoekers hebben gegevens geanalyseerd die zijn verzameld door Tencent, een Chinese ontwikkelaar van mobiele apps, en ontdekten dat de door de Chinese regering opgelegde beperkingen de verspreiding van het virus mogelijk hebben vertraagd, waardoor er kostbare tijd werd gewonnen om een aanvalsplan te ontwikkelen.

Zoals gerapporteerd door Fortune, heeft het startupbedrijf Insilico Medicine kunstmatige intelligentie gebruikt om moleculen te identificeren die potentieel het coronavirus kunnen behandelen. Insilico’s AI heeft duizenden mogelijke geneesmiddelmoleculen geïdentificeerd in de loop van vier dagen. Insilico legde uit dat de 100 meest veelbelovende kandidaten zullen worden gesynthetiseerd en dat alle onderzoek naar moleculaire structuren zal worden gepubliceerd, zodat andere onderzoekers daarvan kunnen profiteren. Medische onderzoekers en bedrijven versnellen de ontwikkeling en testing van behandelingen, waarbij het in de VS gevestigde biotechbedrijf Gilead van plan is om onmiddellijk te beginnen met de testing van een nieuw antiviraal geneesmiddel in de regio Wuhan.

Nadat Insilico had besloten om behandelingen te gaan onderzoeken, richtte het zijn onderzoek op een enzym genaamd 3C-achtige protease. Het coronavirus is afhankelijk van dit enzym om zich te reproduceren en te verspreiden. Volgens Insilico koos het voor dit specifieke enzym omdat het erg lijkt op andere virale proteasen waarvan de structuren al zijn gedocumenteerd, en omdat de Shanghai Tech University een model had ontwikkeld van de 2019-nCoV 3C-achtige protease. In de loop van vier dagen kon Insilico honderdduizenden kandidaatmoleculen genereren en alleen de honderd of zo selecteren die het meest waarschijnlijk nuttig zouden zijn. De resultaten van het onderzoek zijn onlangs gepubliceerd in het repository bioRxiv en op de website van Insilico.