Predvidite epidemiju pre nego što udari

Kanadski BlueDot algoritam bio je brži od stručnjaka u prepoznavanju prijetnje od najnovijeg koronavirusa. Obavijestio je svoje klijente o prijetnjama nekoliko dana prije nego što su američki centri za kontrolu i prevenciju bolesti (CDC) i Svjetska zdravstvena organizacija (WHO) poslali zvanična obavještenja svijetu.

Kamran Khan (1), ljekar, specijalista za zarazne bolesti, osnivač i izvršni direktor programa BlueDot, objasnio je u intervjuu za novinare kako ovaj sistem ranog upozorenja koristi umjetnu inteligenciju, uključujući obradu prirodnog jezika i mašinsko učenje, za praćenje čak i stotinu zaraznih bolesti u isto vreme. Dnevno se analizira oko 100 članaka na 65 jezika.

1. Kamran Khan i karta koja prikazuje širenje koronavirusa iz Wuhana.

Ovi podaci signaliziraju kompanijama kada treba da obaveste svoje kupce o potencijalnom prisustvu i širenju zarazne bolesti. Drugi podaci, kao što su informacije o rutama putovanja i letovima, mogu pomoći u pružanju dodatnih informacija o vjerovatnoći razvoja epidemije.

Ideja iza BlueDot modela je sljedeća. dobiti informacije što je prije moguće zdravstveni radnici u nadi da mogu dijagnosticirati – i, ako je potrebno, izolirati – zaražene i potencijalno zarazne osobe u ranoj fazi prijetnje. Khan objašnjava da algoritam ne koristi podatke društvenih medija jer je "previše haotičan". Međutim, "zvanične informacije nisu uvijek ažurne", rekao je za Recode. A vrijeme reakcije je ono što je važno za uspješno sprječavanje izbijanja.

Khan je radio kao specijalista za zarazne bolesti u Torontu 2003. kada se to dogodilo. Epidemije SARS-a. Želio je razviti novi način praćenja ovih vrsta bolesti. Nakon testiranja nekoliko prediktivnih programa, pokrenuo je BlueDot 2014. godine i prikupio 9,4 miliona dolara sredstava za svoj projekat. Kompanija trenutno zapošljava četrdesetak radnika, doktori i programerikoji razvijaju analitički alat za praćenje bolesti.

Nakon prikupljanja podataka i njihovog početnog odabira, oni ulaze u igru analitičari. poslije epidemiolozi Oni testiraju nalaze na naučnu validnost, a zatim o tome izvještavaju vladine, poslovne i zdravstvene profesionalce. klijentima.

Khan je dodao da bi njegov sistem mogao koristiti i niz drugih podataka, kao što su informacije o klimi određenog područja, temperaturi, pa čak i informacije o lokalnoj stoci, kako bi predvidio da li bi neko zaražen bolešću mogao izazvati izbijanje. On ističe da je već 2016. Blue-Dot mogao predvidjeti izbijanje Zika virusa na Floridi šest mjeseci prije nego što se stvarno registrirao u tom području.

Kompanija posluje na sličan način i koristeći slične tehnologije. Metabiotpraćenje epidemije SARS-a. Njeni stručnjaci su svojevremeno utvrdili da je najveći rizik od pojave ovog virusa na Tajlandu, Južnoj Koreji, Japanu i Tajvanu, a to su učinili više od nedelju dana pre objavljivanja slučajeva u ovim zemljama. Neki od njihovih zaključaka izvedeni su iz analize podataka o putničkim letovima.

Metabiota, poput BlueDot-a, koristi obradu prirodnog jezika za procjenu potencijalnih izvještaja o bolesti, ali također radi na razvoju iste tehnologije za informacije na društvenim mrežama.

Mark Gallivan, Metabiotin naučni direktor podataka, objasnio je medijima da onlajn platforme i forumi mogu signalizirati rizik od izbijanja. Stručnjaci za osoblje također kažu da mogu procijeniti rizik od bolesti koja uzrokuje društvene i političke potrese na osnovu informacija kao što su simptomi bolesti, smrtnost i dostupnost liječenja.

U doba interneta svi očekuju brzu, pouzdanu i možda čitljivu vizualnu prezentaciju informacija o napretku epidemije korona virusa, na primjer, u obliku ažurirane mape.

2. Kontrolna tabla Univerziteta Johns Hopkins Coronavirus 2019-nCoV.

Centar za sistemske nauke i inženjerstvo na Univerzitetu Johns Hopkins razvio je možda najpoznatiju kontrolnu tablu za korona virus na svijetu (2). Također je pružio kompletan skup podataka za preuzimanje u obliku Google lista. Mapa pokazuje nove slučajeve, potvrđene smrti i oporavljene. Podaci koji se koriste za vizualizaciju dolaze iz različitih izvora, uključujući WHO, CDC, Kineski CDC, NHC i DXY, kinesku web stranicu koja objedinjuje izvještaje NHC-a i lokalne izvještaje o situaciji CCDC-a u realnom vremenu.

Dijagnoza u satima, ne danima

Svijet je prvi put čuo za novu bolest koja se pojavila u Wuhanu u Kini. 31. decembra 2019 Sedmicu kasnije, kineski naučnici objavili su da su identifikovali krivca. Sljedeće sedmice njemački stručnjaci razvili su prvi dijagnostički test (3). Brzo je, mnogo brže nego u danima SARS-a ili sličnih epidemija prije i poslije.

Još početkom prošle decenije, naučnici koji su tražili neku vrstu opasnog virusa morali su da ga uzgajaju u životinjskim ćelijama u Petrijevim posudama. Mora da ste kreirali dovoljno virusa za stvaranje izolovati DNK i pročitajte genetski kod kroz proces poznat kao sekvenciranje. Međutim, posljednjih godina ova tehnika se izuzetno razvila.

Naučnici više ne moraju čak ni da uzgajaju virus u ćelijama. Oni mogu direktno otkriti vrlo male količine virusne DNK u plućima ili krvnim izlučevinama pacijenta. I to traje satima, a ne danima.

U toku je rad na razvoju još bržih i praktičnijih alata za otkrivanje virusa. Veredus Laboratories sa sjedištem u Singapuru radi na prijenosnom kompletu za otkrivanje, VereChip (4) će se naći u prodaji od 1. februara ove godine. Efikasna i prenosiva rješenja će također ubrzati identifikaciju zaraženih za odgovarajuću medicinsku njegu prilikom raspoređivanja medicinskih timova na terenu, posebno kada su bolnice pretrpane.

Nedavni tehnološki napredak omogućio je prikupljanje i razmjenu dijagnostičkih rezultata u skoro realnom vremenu. Primjer platforme iz Quidela Sofija I sistem PCR10 FilmArray BioFire kompanije koje pružaju brze dijagnostičke testove za respiratorne patogene su odmah dostupne putem bežične veze sa bazama podataka u oblaku.

Kineski naučnici su u potpunosti sekvencionirali genom 2019-nCoV koronavirusa (COVID-19) manje od mjesec dana nakon što je otkriven prvi slučaj. Još skoro dvadeset je završeno od prvog sekvenciranja. Za usporedbu, epidemija virusa SARS-a počela je krajem 2002. godine, a njegov kompletan genom nije bio dostupan sve do aprila 2003. godine.

Sekvenciranje genoma je ključno za razvoj dijagnostike i vakcina protiv ove bolesti.

Bolničke inovacije

5. Medicinski robot iz regionalnog medicinskog centra Providence u Everettu.

Nažalost, novi korona virus prijeti i ljekarima. Prema CNN-u, spriječiti širenje korona virusa unutar i izvan bolnice, osoblje u regionalnom medicinskom centru Providence u Everettu, Washington, koristi Robot (5), koji mjeri vitalne znakove kod izolovanog pacijenta i djeluje kao platforma za video konferenciju. Mašina je više od običnog komunikatora na točkovima sa ugrađenim ekranom, ali ne eliminiše u potpunosti ljudski rad.

Medicinske sestre i dalje moraju ući u sobu sa pacijentom. Oni također kontroliraju robota koji neće biti izložen infekciji, barem biološki, pa će se uređaji ovog tipa sve više koristiti u liječenju zaraznih bolesti.

Naravno, prostorije se mogu izolovati, ali je potrebno i provjetravanje kako biste mogli disati. Ovo zahtijeva novo ventilacioni sistemisprečavanje širenja mikroba.

Finska kompanija Genano (6), koja je razvila ove vrste tehnika, dobila je ekspresnu narudžbu za medicinske ustanove u Kini. U zvaničnom saopštenju kompanije navodi se da kompanija ima veliko iskustvo u obezbeđivanju opreme za sprečavanje širenja zaraznih bolesti u sterilnim i izolovanim bolničkim sobama. Prethodnih godina obavljala je, između ostalog, dostave u medicinske ustanove u Saudijskoj Arabiji tokom epidemije virusa MERS. Finski uređaji za sigurnu ventilaciju dopremljeni su i u čuvenu privremenu bolnicu za osobe zaražene virusom 2019-nCoV u Wuhanu, već izgrađenu za deset dana.

6. Dijagram Genano sistema u izolatoru

Patentirana tehnologija koja se koristi u prečistačima "eliminira i ubija sve mikrobe u zraku kao što su virusi i bakterije", kaže Genano. Sposobni da hvataju sitne čestice veličine samo 3 nanometra, prečistači zraka nemaju mehanički filter za održavanje, a zrak se filtrira jakim električnim poljem.

Još jedan tehnički kuriozitet koji se pojavio tokom izbijanja straha od korona virusa je termalni skeneri, korišteni, između ostalog, ljudi s temperaturom preuzimaju se na indijskim aerodromima.

Internet - šteta ili pomoć?

Unatoč ogromnom valu kritika zbog repliciranja i širenja, širenja dezinformacija i panike, alati društvenih medija također su odigrali pozitivnu ulogu od izbijanja epidemije u Kini.

Kao što je izvijestila, na primjer, kineska tehnološka stranica TMT Post, društvena platforma za mini-videe. douyin, koji je kineski ekvivalent svjetski poznatog TikToka (7), pokrenuo je poseban segment za obradu informacija o širenju korona virusa. Ispod hashtag-a #FightPneumonia, objavljuje ne samo informacije korisnika, već i stručne izvještaje i savjete.

Osim podizanja svijesti i širenja važnih informacija, Douyin također ima za cilj da posluži kao alat za podršku ljekarima i medicinskom osoblju koji se bore protiv virusa, kao i zaraženim pacijentima. Analitičar Daniel Ahmad je tvitovao da je aplikacija pokrenula "Jiayou video efekat" (što znači ohrabrenje) koji bi korisnici trebali koristiti za slanje pozitivnih poruka u znak podrške doktorima, zdravstvenim radnicima i pacijentima. Ovu vrstu sadržaja objavljuju i poznate ličnosti, poznate ličnosti i tzv. influenceri.

Danas se vjeruje da bi pažljivo proučavanje trendova društvenih medija vezanih za zdravlje moglo uvelike pomoći naučnicima i javnim zdravstvenim vlastima da bolje prepoznaju i razumiju mehanizme prijenosa bolesti među ljudima.

Djelomično zato što društveni mediji imaju tendenciju da budu "visoko kontekstualni i sve više hiperlokalni", rekao je za Atlantic 2016. Marseille salata, istraživač na Federalnoj politehničkoj školi u Lozani, Švajcarska, i stručnjak u rastućoj oblasti koju naučnici nazivaju "Digitalna epidemiologija". Međutim, za sada, dodao je, istraživači još uvijek radije pokušavaju shvatiti govore li društveni mediji o zdravstvenim problemima koji zapravo odražavaju epidemiološke pojave ili ne (8).

8. Kinezi prave selfije sa maskama.

Rezultati prvih eksperimenata u tom pogledu su nejasni. Već 2008. godine, Google inženjeri su lansirali alat za predviđanje bolesti - Google gripa (GFT). Kompanija je planirala da ga koristi za analizu podataka Google pretraživača za simptome i signalne riječi. Tada se nadala da će se rezultati koristiti za precizno i ​​odmah prepoznavanje "obrisa" izbijanja gripa i denga - dvije sedmice ranije od američkih centara za kontrolu i prevenciju bolesti. (CDC), čije istraživanje se smatra najboljim standardom u ovoj oblasti. Međutim, Googleovi rezultati o ranoj dijagnostici gripe u SAD-u i kasnije malarije na Tajlandu na osnovu internet signala su smatrani previše netačnim.

Tehnike i sistemi koji „predviđaju“ različite događaje, uklj. kao što je eksplozija nereda ili epidemija, radio je i Microsoft, koji je 2013. godine, zajedno sa izraelskim institutom Technion, pokrenuo program predviđanja katastrofa zasnovan na analizi medijskog sadržaja. Uz pomoć vivisekcije višejezičnih naslova, "kompjuterska inteligencija" je morala prepoznati društvene prijetnje.

Naučnici su ispitivali određene sekvence događaja, poput informacija o suši u Angoli, što je dovelo do predviđanja u sistemima prognoze o mogućoj epidemiji kolere, jer su otkrili vezu između suše i porasta incidencije bolesti. Okvir sistema kreiran je na osnovu analize arhivskih publikacija New York Timesa, počevši od 1986. godine. Dalji razvoj i proces mašinskog učenja podrazumevao je korišćenje novih internet resursa.

Do sada, na osnovu uspjeha BlueDot i Metabiote u epidemiološkom predviđanju, može se doći u iskušenje da se zaključi da je tačno predviđanje moguće prvenstveno na osnovu „kvalifikovanih“ podataka, tj. stručni, provjereni, specijalizovani izvori, a ne haos internetskih i portalskih zajednica.

Ali možda je sve u pametnijim algoritmima i boljem mašinskom učenju?