Hvordan AI brukes i kampen mot Wuhan-coronaviruset

Kunstig intelligens utnyttes i kampen mot Wuhan-coronaviruset. Kunstig intelligens brukes av forskere til å spore sykdommens utbredelse og til å forsk på potensielle behandlinger for viruset.

Wuhan-coronaviruset manifesterte seg i Kina i desember, og i de to månedene siden da har det spredt seg over hele Kina og til andre deler av verden. Det er fortsatt ukjent hvor smittsomt viruset er og hvor raskt viruset kan sprede seg, selv om det for tiden er over 40 000 bekreftede tilfeller i Kina. For å få en bedre forståelse av hvordan viruset kan sprede seg og hvor raskt viruset kan sprede seg, bruker forskere maskinlæringsalgoritmer som fokuserer på data hentet fra sosiale medier og andre deler av nettet.

Over løpet av den siste uken, ser smittehastigheten ut til å ha blitt noe redusert, men det er uklart om sykdommen er under kontroll eller om nye tilfeller blir vanskeligere å oppdage. Mens andre land rundt om i verden bare har sett noen få tilfeller av coronavirus, i sammenligning med Kina, er verdens helsemiljø fortsatt bekymret for virusets evne til å sprede seg. Forskere prøver å komme i forkjøpet for virusets spredning ved å bruke maskinlærings- og big data-samlinger fra internettet.

Som rapportert av Wired, har et internasjonalt team av forskere trukket ut data fra ulike deler av internettet, inkludert innlegg fra leger og medisinske grupper, offentlige helsekanaler, sosiale medieinnlegg og nyhetsrapporter, og samlet en database med tekst som kan relatere til coronaviruset. Forskerne analyserer deretter dataene for tegn på at viruset kan sprede seg utenfor Kinas grenser, ved å bruke maskinlærings-teknikker for å finne relevante mønster i dataene som kan hinte om hvordan viruset oppfører seg.

Forskerne går gjennom sosiale medieinnlegg for å finne potensielle symptomer på coronavirus, og fokuserer på regioner hvor leger tror tilfeller kan manifestere seg. Sosiale medieinnlegg prosesseres ved hjelp av naturlig språkbehandlingsteknikker, teknikker som kan skille mellom innlegg hvor en person nevner sine egne symptomer versus noen som sier symptom-relaterte ord i en annen kontekst (slik som å diskutere nyheter om coronaviruset).

Ifølge Alessandro Vespignani, som Wired rapporterte, er Northeastern University-professor og ekspert på smittespredning, at selv med avanserte maskinlærings-teknikker er det ofte vanskelig å spore virusets spredning fordi virusets egenskaper fortsatt er noe ukjente, og de fleste sosiale medieinnleggene er fra medieselskaper og handler for tiden om utbruddet i Kina. Men Vespignani tror at hvis viruset noen gang skulle få fotfeste i USA, ville det bli lettere å overvåke takket være flere innlegg om viruset.

Til tross for utfordringen i å få relevant informasjon om virusets potensielle atferd, ser modellen som forskerne har laget ut til å være rimelig effektiv i å finne spor i en stor mengde sosiale medieinnlegg. Modellen som forskerne brukte, kunne finne bevis for en viral utbrudd den 30. desember, selv om det tok tid å bestemme hvor alvorlig situasjonen ville bli. Kildeinformasjon kunne forbedre effektiviteten av sykdomssporemodellene enda mer, ettersom det muliggjør en mer effektiv samling av relevant data om viruset. For eksempel, viser en analyse av data som er crowdsourcet av kinesiske leger at personer under 15 år er mer motstandsdyktige mot viruset.

Kunstig intelligens kan også kombineres med data samlet fra mobile enheter for å bygge modeller som potensielt kan forutsi retningen et virus spreder seg, samt hastigheten på spredningen. For eksempel, brukte forskere fra University of Southampton mobile data til å bestemme banen viruset kan ha tatt da det forlot Wuhan i dagene etter det manifesterte seg. Andre forskere analyserte data samlet av Tencent, en kinesisk mobilapp-utvikler, og fant at restriksjonene pålagt av den kinesiske regjeringen potensielt kan redusere virusets spredning, og kjøpe viktig tid til å utvikle en plan for angrep.

Som Fortune rapporterte, har startup-selskapet Insilico Medicine brukt kunstig intelligens til å identifisere molekyler som potensielt kan behandle coronaviruset. Insilicos AI identifiserte tusenvis av mulige legemidler over fire dager. Insilico forklarte at de 100 mest lovende kandidatene vil bli syntetisert og all deres forskning på molekylærstrukturer vil bli publisert for andre forskere å dra nytte av. Medisinske forskere og selskaper akselerer utviklingen og testingen av behandlinger, med det USA-baserte biotekselskapet Gilead som planlegger å starte umiddelbar testing av et nytt antiviralt legemiddel innen Wuhan-området.

Etter at Insilico bestemte seg for å begynne å forsk på behandlinger, fokuserte de sin forskning på et enzym kalt 3C-like protease. Coronaviruset er avhengig av dette enzymet for å forplante seg og sprede seg. Ifølge Insilico, valgte de dette spesifikke enzymet fordi det er ganske likt andre virale proteaser hvis strukturer allerede er dokumentert, og fordi Shanghai Tech University hadde utviklet en modell av 2019-nCoV 3C-like protease. Over fire dager kunne Insilico generere hundretusener av kandidatmolekyler og velge bare de hundre eller så som var mest sannsynlig å være nyttige. Resultatene av forskningen ble nylig publisert i repository bioRxiv og på Insilicos nettsted.