Conjunto de Dados Abertos sobre Covid-19 Lançado para Aprendizado de Máquina

A Casa Branca, por meio da Office of Science and Technology Policy, está pedindo aos pesquisadores que analisem milhares de artigos acadêmicos com tecnologia de inteligência artificial (IA). Todos os artigos, que somam cerca de 29.000, podem fornecer respostas a perguntas sobre o coronavírus. Cerca de 13.000 dos artigos no banco de dados estão completos e são legíveis por máquina. Quanto aos outros 16.000 artigos, o banco de dados contém texto parcial e resumos.

Nos últimos dias, funcionários do governo dos EUA trabalharam com empresas de tecnologia americanas e instituições de pesquisa para obter permissão legal para tornar os artigos sobre o coronavírus disponíveis.

O conjunto de dados aberto é conhecido como COVID-19 Open Research Dataset, ou CORD-19. Ele continuará adicionando novas informações a um hub centralizado, fornecendo aos pesquisadores e outros um único local para acessá-las.

A parceria anunciada pela Casa Branca inclui a Chan Zuckerberg Initiative, Microsoft (MSFT ) Research, o Allen Institute for Artificial Intelligence, a National Institute of Health’s National Library of Medicine, o Georgetown University’s Center for Security and Emerging Technology, o Cold Spring Harbor Laboratory e a plataforma de IA Kaggle, que é de propriedade do Google.

De acordo com o CTO dos EUA, Michael Kratsios, o conjunto de dados CORD-19 é a “mais extensa coleção de literatura sobre coronavírus legível por máquina até o momento”.

A National Academy of Sciences, Engineering, and Medicine trabalhou com a Organização Mundial da Saúde (OMS) para desenvolver questões de “alta prioridade”. Essas questões giram em torno da relação entre coronavírus e genética, incubação, tratamento, sintomas e prevenção.

Algumas das pesquisas presentes no banco de dados são pesquisas pré-publicação extraídas de recursos como medRxiv e bioRxiv. Esses são arquivos de acesso aberto.

Cori Bargmann é a Chefe de Ciência da Chan Zuckerberg Initiative.

“Compartilhar informações vitais entre as comunidades científica e médica é fundamental para acelerar nossa capacidade de responder à pandemia do coronavírus”, disse Bargmann.

De acordo com o Chamado à Ação lançado pela Casa Branca, a coleta de dados foi desenvolvida por meio do uso das ferramentas de curação de literatura em escala web da Microsoft, que identificaram e reuniram diferentes trabalhos científicos de todo o mundo. A Chan Zuckerberg Initiative forneceu acesso a conteúdo pré-publicação, a National Library of Medicine forneceu acesso a conteúdo de literatura e a equipe de IA do Allen formou o conteúdo para que pudesse ser analisado.

Dr. Eric Horvitz é o Diretor Científico da Microsoft.

“Estamos todos juntos nessa luta contra a pandemia do COVID-19”, disse Horvitz. “Precisamos trabalhar juntos como empresas, governos e cientistas para trazer as melhores tecnologias para a biomedicina, epidemiologia, IA e outras ciências. O recurso de literatura sobre o COVID-19 e o desafio estimularão esforços que podem acelerar o caminho para soluções sobre o COVID-19”.

Muitos estão torcendo para que essa abordagem funcione e forneça uma nova maneira de utilizar a tecnologia de IA e aprendizado de máquina no futuro. Uma dessas pessoas é o Dr. Dewey Murdick, Diretor de Ciência de Dados do Georgetown University’s Center for Security and Emerging Technology. O Dr. Murdick ajudou a coordenar o projeto.

“Esse valioso novo recurso é o fruto de uma colaboração desinteressada e agora oferece a oportunidade de encontrar respostas a perguntas importantes sobre o COVID-19”, disse o Dr. Murdick. “Uma vez que a crise tenha passado, esperamos que esse projeto inspire novas maneiras de usar o aprendizado de máquina para avançar a pesquisa científica”.

Se esse projeto for bem-sucedido em fornecer respostas necessárias sobre o coronavírus, ele poderia ser usado como um modelo no futuro. A tecnologia de IA é uma ferramenta poderosa, e ela pode analisar os resultados de especialistas e instituições de todo o mundo muito mais rápido do que os humanos. Isso significa um tempo de resposta mais rápido sempre que uma pandemia ou outra crise surgir, o que poderia salvar muitas vidas e prevenir turbulências econômicas.