Jak sztuczna inteligencja jest wykorzystywana w walce z koronawirusem z Wuhan

W walce z koronawirusem z Wuhan wykorzystuje się sztuczną inteligencję. Sztuczna inteligencja wykorzystywana przez naukowców śledzi rozprzestrzenianie się choroby i bada potencjalne metody leczenia wirusa.

Koronawirus z Wuhan pojawił się w Chinach w grudniu i w ciągu dwóch miesięcy od tego czasu rozprzestrzenił się w całych Chinach i innych częściach świata. Nadal nie wiadomo, jak zaraźliwy jest wirus i jak szybko może się rozprzestrzeniać, chociaż obecnie w Chinach potwierdzono ponad 40,000 XNUMX przypadków. Aby lepiej zrozumieć, w jaki sposób wirus może się rozprzestrzeniać i jak szybko może się rozprzestrzeniać, badacze wykorzystują algorytmy uczenia maszynowego skupiające się na danych pobieranych z serwisów społecznościowych i innych części sieci.

Wydaje się, że w ciągu ostatniego tygodnia wskaźnik infekcji nieco spadł, ale nie jest jasne, czy choroba jest pod kontrolą, czy też coraz trudniej jest wykryć nowe przypadki. Podczas gdy w innych krajach na całym świecie odnotowano jedynie kilka przypadków zakażenia koronawirusem, w porównaniu z Chinami światowa społeczność zajmująca się zdrowiem jest nadal zaniepokojona zdolnością wirusa do rozprzestrzeniania się. Naukowcy próbują wyprzedzić rozprzestrzenianie się wirusów, korzystając z uczenia maszynowego i dużych zbiorów danych zebranych z Internetu.

Jak donosi Wiredmiędzynarodowy zespół badaczy pobrał dane z różnych części Internetu, w tym z wpisów lekarzy i grup medycznych, kanałów poświęconych zdrowiu publicznemu, wpisów w mediach społecznościowych i doniesień prasowych, tworząc bazę danych zawierającą teksty, które mogą odnosić się do koronaawirusa. Następnie badacze analizują dane pod kątem oznak, że wirus może rozprzestrzeniać się poza granicami Chin, korzystając z technik uczenia maszynowego, aby znaleźć w danych odpowiednie wzorce, które mogą wskazywać na zachowanie wirusa.

Naukowcy przeglądają posty w mediach społecznościowych w poszukiwaniu potencjalnych objawów koronaawirusa, koncentrując swoje poszukiwania na regionach, w których według lekarzy mogą pojawiać się przypadki. Posty w mediach społecznościowych są przetwarzane przy użyciu technik przetwarzania języka naturalnego, czyli technik umożliwiających rozróżnienie postów, w których dana osoba wspomina o własnych objawach, od postów, w których ktoś wypowiada słowa związane z objawami w innym kontekście (np. omawiając wiadomości na temat koronaawirusa).

Według Alessandro Vespignaniego, jak donosi Wired, profesor Northeastern University i ekspert ds. analityki ds. zarażenia, twierdzi, że nawet przy zastosowaniu zaawansowanych technik uczenia maszynowego często trudno jest śledzić rozprzestrzenianie się wirusa, ponieważ charakterystyka wirusa jest wciąż nieco nieznana, a większość mediów społecznościowych posty pochodzą od firm medialnych i obecnie dotyczą epidemii w Chinach. Vesignani uważa jednak, że gdyby wirus kiedykolwiek rozprzestrzenił się w USA, monitorowanie byłoby łatwiejsze dzięki większej liczbie postów dotyczących wirusa.

Pomimo wyzwania, jakim jest uzyskanie odpowiednich informacji na temat potencjalnego zachowania wirusa korony, model stworzony przez badaczy wydaje się być dość skuteczny w znajdowaniu wskazówek w dużym morzu postów w mediach społecznościowych. Model zastosowany przez naukowców umożliwił znalezienie dowodów na wybuch epidemii wirusa w dniu 30 grudnia, chociaż określenie, jak poważna stanie się sytuacja, zajęło trochę czasu. Informacje pochodzące z crowdsourcingu mogłoby jeszcze bardziej poprawić skuteczność modeli śledzenia chorób, ponieważ umożliwia skuteczniejsze gromadzenie odpowiednich danych na temat wirusa. Na przykład analiza danych zebranych przez chińskich lekarzy sugeruje, że osoby w wieku poniżej 15 lat są bardziej odporne na wirusa.

Sztuczną inteligencję można także połączyć z danymi zebranymi z urządzeń mobilnych, aby zbudować modele, które mogą potencjalnie przewidzieć kierunek rozprzestrzeniania się wirusa, a także tempo jego rozprzestrzeniania się. Na przykład naukowcy z Uniwersytetu w Southampton wykorzystali mobilną transmisję danych określić ścieżkę jakie wirus mógł przyjąć po opuszczeniu Wuhan w kilka dni po jego pojawieniu się. Inni badacze przeanalizowali dane zebrane przez Tencent, chińskiego twórcę aplikacji mobilnych, i odkryli, że ograniczenia nałożone przez chiński rząd potencjalnie ograniczają rozprzestrzenianie się wirusa, oszczędzając czas na opracowanie planu ataku.

Jak donosi Fortune, uruchomienie Medycyna Insilico wykorzystała sztuczną inteligencję do zidentyfikowania cząsteczek, które mogłyby potencjalnie leczyć koronaawirusa. Sztuczna inteligencja Insilico zidentyfikowała tysiące możliwych cząsteczek leku w ciągu czterech dni. Insilico wyjaśnił, że 100 najbardziej obiecujących kandydatów zostanie zsyntetyzowanych, a wszystkie ich badania nad strukturami molekularnymi zostaną opublikowane, aby inni badacze mogli z nich skorzystać. Badacze i firmy medyczne przyspieszają rozwój i testowanie terapii, a amerykańska firma biotechnologiczna Gilead planuje natychmiastowe rozpoczęcie testów nowego leku przeciwwirusowego w regionie Wuhan.

Po tym, jak firma Insilico podjęła decyzję o rozpoczęciu badań nad metodami leczenia, skupiła swoje badania na enzymie zwanym proteazą podobną do 3C. Koronawirus wykorzystuje ten enzym do reprodukcji i rozprzestrzeniania się. Według Insilico zdecydowało się na ten konkretny enzym, ponieważ jest on dość podobny do innych proteaz wirusowych, których struktury zostały już udokumentowane, a także dlatego, że Uniwersytet Techniczny w Szanghaju opracował model proteazy podobnej do 2019C 3-nCoV. W ciągu czterech dni Insilico był w stanie wygenerować setki tysięcy potencjalnych cząsteczek i wybrać tylko około stu, które najprawdopodobniej byłyby przydatne. Wyniki badań zostały niedawno opublikowane w repozytorium bioRxiv oraz na stronie internetowej Insilico.