Hur AI används i kampen mot Wuhan-coronaviruset

Artificiell intelligens används i kampen mot Wuhan-coronaviruset. Artificiell intelligens används av forskare för att spåra spridningen av sjukdomen och för att forska i potentiella behandlingar för viruset.

Wuhan-coronaviruset uppstod i Kina i december, och under de två månader som har gått sedan dess har det spridit sig över hela Kina och till andra delar av världen. Det är fortfarande okänt hur smittsamt viruset är och hur snabbt det kan spridas, även om det för närvarande finns över 40 000 bekräftade fall i Kina. För att få en bättre förståelse för hur viruset kan spridas och hur snabbt det kan spridas, använder forskare maskinlärningsalgoritmer som fokuserar på data från sociala medier och andra delar av webben.

Under den senaste veckan verkar smittspridningen ha minskat något, men det är oklart om sjukdomen är under kontroll eller om nya fall blir svårare att upptäcka. Medan andra länder runt om i världen bara har sett ett fåtal fall av coronavirus, i jämförelse med Kina, är den globala hälsogemenskapen fortfarande orolig för virusets förmåga att spridas. Forskare försöker komma före virusets spridning genom att använda maskinlärning och stora mängder data som samlats in från internet.

Som rapporterats av Wired, har ett internationellt team av forskare extraherat data från olika delar av internet, inklusive inlägg från läkare och medicinska grupper, allmänna hälsokanaler, sociala medier-inlägg och nyhetsrapporter, och sammanställt en databas med text som kan relatera till coronaviruset. Forskarna analyserar sedan data för tecken på att viruset kan spridas utanför Kinas gränser, med hjälp av maskinlärningstekniker för att hitta relevanta mönster i data som kan antyda hur viruset beter sig.

Forskarna genomsöker sociala medier-inlägg efter potentiella symtom på coronavirus, med fokus på områden där läkare tror att fall kan uppstå. Sociala medier-inläggen bearbetas med hjälp av naturlig språkbehandlingsteknik, som kan skilja mellan inlägg där en person nämner sina egna symtom och inlägg där någon säger symtomrelaterade ord i en annan kontext (t.ex. när man diskuterar nyheter om coronaviruset).

Enligt Alessandro Vespignani, som Wired rapporterat, är Northeastern University-professor och expert på smittspridning, är det även med avancerad maskinlärningsteknik ofta svårt att spåra spridningen av viruset, eftersom virusets egenskaper fortfarande är ganska okända, och de flesta sociala medier-inläggen är från medieföretag och handlar för närvarande om utbrottet i Kina. Men Vespignani tror att om viruset någonsin skulle få fäste i USA, skulle det bli lättare att övervaka tack vare fler inlägg om viruset.

Trots utmaningen i att få relevant information om virusets potentiella beteende, verkar modellen som forskarna skapat vara ganska effektiv för att hitta ledtrådar i en stor mängd sociala medier-inlägg. Modellen som forskarna använde kunde hitta bevis för ett virusutbrott den 30 december, även om det tog tid att fastställa hur allvarlig situationen skulle bli. Krowdsourcad information kan förbättra effektiviteten hos sjukdomsspårningsmodeller ännu mer, eftersom det möjliggör en mer effektiv insamling av relevant data om viruset. Till exempel visar en analys av data som krowdsourcades av kinesiska läkare att personer under 15 år är mer resistenta mot viruset.

Artificiell intelligens kan också kombineras med data från mobiltelefoner för att bygga modeller som kan förutsäga virusets spridningsriktning och spridningshastighet. Till exempel använde forskare från University of Southampton mobildata för att bestämma den väg som viruset kan ha tagit när det lämnade Wuhan under de dagar som följde efter dess uppkomst. Andra forskare analyserade data som samlats in av Tencent, en kinesisk mobilapp-utvecklare, och fann att de restriktioner som den kinesiska regeringen infört möjligen kan minska virusets spridning, vilket ger värdefull tid att utveckla en plan.

Som Fortune rapporterat, har startup-företaget Insilico Medicine använt artificiell intelligens för att identifiera molekyler som kan potentiellt behandla coronaviruset. Insilicos AI identifierade tusentals möjliga läkemedelsmolekyler under loppet av fyra dagar. Insilico förklarade att de 100 mest lovande kandidaterna kommer att syntetiseras och att all deras forskning om molekylära strukturer kommer att publiceras för att andra forskare ska kunna dra nytta av den. Medicinska forskare och företag accelererar utvecklingen och testningen av behandlingar, med det USA-baserade bioteknikföretaget Gilead som planerar att starta omedelbar testning av ett nytt antiviralt läkemedel inom Wuhan-området.

Efter att Insilico beslutat att börja forska i behandlingar, fokuserade de sin forskning på ett enzym som kallas 3C-like protease. Coronaviruset är beroende av detta enzym för att reproducera sig och spridas. Enligt Insilico valde de detta specifika enzym eftersom det är ganska likt andra virusproteaser vars strukturer redan har dokumenterats, och eftersom Shanghai Tech University hade utvecklat en modell av 2019-nCoV 3C-like protease. Under loppet av fyra dagar kunde Insilico generera hundratusentals kandidatmolekyler och välja ut de hundratalet som var mest sannolika att vara användbara. Resultaten från forskningen publicerades nyligen i repositoryt bioRxiv och på Insilicos webbplats.