Hvordan AI brukes i kampen mot Wuhan-coronaviruset

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

Wuhan-coronaviruset opptrådte 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 det 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 det kan sprede seg, bruker forskere maskinlæringsalgoritmer som fokuserer på data hentet fra sosiale medier og andre deler av internettet.

I løpet av den siste uken ser infeksjonsraten ut til å ha gått ned noe, 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 det globale helsemiljøet fortsatt bekymret for virusets evne til å sprede seg. Forskere prøver å komme først på virusets spredning ved å bruke maskinlæring og stor data samlet inn fra internettet.

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

Forskerne gjennomser sosiale medier for å finne potensielle symptomer på coronavirus, og fokuserer på regioner hvor leger tror tilfeller kan oppstå. Sosiale medier-innleggene behandles ved hjelp av naturlig språkbehandlingsteknikker, som kan skille mellom innlegg hvor en person nevner sine egne symptomer og 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 smittsomme sykdommer, og argumenterer for at selv med avanserte maskinlæringsteknikker er det ofte vanskelig å spore virusets utbredelse fordi virusets egenskaper fortsatt er noe ukjente, og de fleste sosiale medier-innleggene er fra medieselskaper og handler for tiden om utbruddet i Kina. Likevel tror Vespignani 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 ganske effektiv i å finne spor i en stor mengde sosiale medier-innlegg. Modellen som forskerne brukte, var i stand til å finne bevis for et virusutbrudd den 30. desember, selv om det tok tid å bestemme hvor alvorlig situasjonen ville bli. Kildemateriale kunne forbedre effektiviteten av sykdomssporemodellene enda mer, ettersom det muliggjør en mer effektiv samling av relevante data om viruset. For eksempel viser en analyse av data samlet inn av kinesiske leger at personer under 15 år er mer motstandsdyktige mot viruset.

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

Som Fortune rapporterte, har startup-selskapet Insilico Medicine brukt kunstig intelligens til å identifisere molekyler som potensielt kan behandle coronaviruset. Insilico sine 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 bioteknologiselskapet Gilead som planlegger å starte umiddelbar testing av et nytt antiviralt legemiddel i Wuhan-området.

Etter at Insilico bestemte seg for å begynne å forske på behandlinger, fokuserte de sin forskning på et enzym kalt 3C-like protease. Coronaviruset er avhengig av dette enzymet for å kunne reprodusere og spre seg. Ifølge Insilico, valgte de dette 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. Insilico var i stand til å generere hundredtusenvis av kandidatmolekyler og velge bare de hundre eller så som var mest sannsynlig å være nyttige. Forskningsresultatene ble nylig publisert i repository bioRxiv og på Insilico sine nettsider.