Ennusta epidemia ennen kuin se iskee

Kanadalainen BlueDot-algoritmi tunnisti viimeisimmän koronaviruksen aiheuttaman uhan asiantuntijoita nopeammin. Hän kertoi asiakkailleen uhista päiviä ennen kuin Yhdysvaltain tautien valvonta- ja ehkäisykeskukset (CDC) ja Maailman terveysjärjestö (WHO) lähettivät viralliset ilmoitukset maailmalle.

Kamran Khan (1), lääkäri, infektiotautiasiantuntija, ohjelman perustaja ja toimitusjohtaja BlueDot, selitti lehdistöhaastattelussa, kuinka tämä varhaisvaroitusjärjestelmä käyttää tekoälyä, mukaan lukien luonnollisen kielen käsittelyä ja koneoppimista, seuratakseen jopa sata tarttuvaa tautia samanaikaisesti. Päivittäin analysoidaan noin 100 65 artikkelia XNUMX kielellä.

1. Kamran Khan ja kartta, joka näyttää Wuhanin koronaviruksen leviämisen.

Nämä tiedot osoittavat yrityksille, milloin heidän on ilmoitettava asiakkailleen mahdollisesta tartuntataudin esiintymisestä ja leviämisestä. Muut tiedot, kuten tiedot matkareiteistä ja lennoista, voivat auttaa antamaan lisätietoja epidemian kehittymisen todennäköisyydestä.

BlueDot-mallin idea on seuraava. saada tietoa mahdollisimman pian terveydenhuollon työntekijöitä siinä toivossa, että he voivat diagnosoida – ja tarvittaessa eristää – tartunnan saaneet ja mahdollisesti tarttuvat ihmiset uhan varhaisessa vaiheessa. Khan selittää, että algoritmi ei käytä sosiaalisen median dataa, koska se on "liian kaoottista". "Viralliset tiedot eivät kuitenkaan ole aina ajan tasalla", hän kertoi Recodelle. Ja reaktioaika on tärkeä tekijä taudinpurkauksen estämisessä.

Khan työskenteli tartuntatautiasiantuntijana Torontossa vuonna 2003, kun se tapahtui. epidemia SARS. Hän halusi kehittää uuden tavan seurata tämäntyyppisiä sairauksia. Testattuaan useita ennakoivia ohjelmia hän käynnisti BlueDotin vuonna 2014 ja keräsi 9,4 miljoonaa dollaria rahoitusta projektilleen. Yritys työllistää tällä hetkellä neljäkymmentä työntekijää, lääkärit ja ohjelmoijatjotka kehittävät analyyttistä työkalua sairauksien seurantaan.

Kerättyään tiedot ja alkuperäisen valinnan he siirtyvät peliin analyytikot. jälkeen epidemiologit He tarkistavat tulosten tieteellisen pätevyyden ja raportoivat sitten hallitukselle, yrityksille ja terveydenhuollon ammattilaisille. asiakkaat.

Khan lisäsi, että hänen järjestelmänsä voisi käyttää myös monia muita tietoja, kuten tietoja tietyn alueen ilmastosta, lämpötilasta ja jopa tietoja paikallisesta karjasta, ennustaakseen, voiko taudin saanut henkilö aiheuttaa taudinpurkauksen. Hän huomauttaa, että Blue-Dot pystyi jo vuonna 2016 ennustamaan Zika-viruksen puhkeamisen Floridassa kuusi kuukautta ennen kuin se tosiasiallisesti rekisteröityi alueelle.

Yritys toimii samalla tavalla ja samaa teknologiaa käyttäen. MetabiotSARS-epidemian seurantaan. Sen asiantuntijat havaitsivat aikoinaan, että suurin riski tämän viruksen syntymiselle oli Thaimaassa, Etelä-Koreassa, Japanissa ja Taiwanissa, ja he tekivät tämän yli viikkoa ennen tapausten julkistamista näissä maissa. Osa heidän johtopäätöksistään on tehty matkustajalentotietojen analysoinnin perusteella.

Metabiota, kuten BlueDot, käyttää luonnollisen kielen käsittelyä arvioidakseen mahdollisia sairausilmoituksia, mutta työskentelee myös kehittääkseen samaa teknologiaa sosiaalisen median tiedoille.

Mark Gallivan, Metabiotan tieteellinen johtaja, selitti tiedotusvälineille, että verkkoympäristöt ja foorumit voivat viestiä epidemian vaarasta. Henkilöstön asiantuntijat sanovat myös pystyvänsä arvioimaan yhteiskunnallista ja poliittista mullistusta aiheuttavan sairauden riskiä esimerkiksi sairauden oireiden, kuolleisuuden ja hoidon saatavuuden perusteella.

Internetin aikakaudella jokainen odottaa nopeaa, luotettavaa ja kenties luettavaa visuaalista tietoa koronavirusepidemian etenemisestä esimerkiksi päivitetyn kartan muodossa.

2. Johns Hopkins University Coronavirus 2019-nCoV Dashboard.

Johns Hopkinsin yliopiston järjestelmätieteen ja -tekniikan keskus on kehittänyt ehkä maailman kuuluisimman koronaviruksen hallintapaneelin (2). Se toimitti myös täydellisen tietojoukon ladattavaksi Google-taulukkona. Kartta näyttää uudet tapaukset, vahvistetut kuolemat ja paranemiset. Visualisointiin käytetyt tiedot tulevat useista lähteistä, mukaan lukien WHO, CDC, Kiina CDC, NHC ja DXY, kiinalainen verkkosivusto, joka kokoaa yhteen NHC-raportit ja reaaliaikaiset paikalliset CCDC:n tilanneraportit.

Diagnostiikka tunneissa, ei päivissä

Maailma kuuli ensimmäisen kerran uudesta taudista, joka ilmaantui Wuhanissa, Kiinassa. 31 joulukuu 2019 kaupunki Viikkoa myöhemmin kiinalaiset tutkijat ilmoittivat tunnistaneensa syyllisen. Seuraavalla viikolla saksalaiset asiantuntijat kehittivät ensimmäisen diagnostisen testin (3). Se on nopea, paljon nopeampi kuin SARSin tai vastaavien epidemioiden päivinä ennen ja jälkeen.

Jo viime vuosikymmenen alussa tutkijat, jotka etsivät jonkinlaista vaarallista virusta, joutuivat kasvattamaan sitä eläinsoluissa petrimaljoissa. Sinun on täytynyt luoda tarpeeksi viruksia tehdäksesi eristää DNA ja lue geneettinen koodi prosessin kautta, joka tunnetaan nimellä toimintasarja. Viime vuosina tämä tekniikka on kuitenkin kehittynyt valtavasti.

Tutkijoiden ei enää tarvitse edes kasvattaa virusta soluissa. Ne voivat havaita suoraan hyvin pieniä määriä virus-DNA:ta potilaan keuhkoista tai veren eritteistä. Ja se vie tunteja, ei päiviä.

Työ on käynnissä entistä nopeampien ja kätevämpien virustentorjuntatyökalujen kehittämiseksi. Singaporessa toimiva Veredus Laboratories kehittää kannettavaa sarjaa havaitsemaan VereChip (4) tulee myyntiin tämän vuoden helmikuun 1. päivästä alkaen. Tehokkaat ja kannettavat ratkaisut nopeuttavat myös tartunnan saaneiden tunnistamista asianmukaista sairaanhoitoa varten, kun lääkintäryhmiä käytetään kentällä, varsinkin kun sairaalat ovat täynnä.

Viimeaikainen teknologinen kehitys on mahdollistanut diagnostisten tulosten keräämisen ja jakamisen lähes reaaliajassa. Alustaesimerkki Quideliltä Sofia I järjestelmä PCR10 FilmArray BioFire-yritykset, jotka tarjoavat nopeita diagnostisia testejä hengityselinten taudinaiheuttajille, ovat heti käytettävissä langattoman yhteyden kautta pilvessä oleviin tietokantoihin.

Kiinalaiset tutkijat ovat sekvensoineet 2019-nCoV-koronaviruksen (COVID-19) genomin kokonaan alle kuukausi ensimmäisen tapauksen löytämisen jälkeen. Lähes kaksikymmentä muuta on saatu päätökseen ensimmäisen jaksotuksen jälkeen. Vertailun vuoksi SARS-virusepidemia alkoi vuoden 2002 lopulla, ja sen täydellinen genomi oli saatavilla vasta huhtikuussa 2003.

Genomisekvensointi on ratkaisevan tärkeää tätä tautia vastaan ​​​​diagnostiikan ja rokotteiden kehittämisessä.

Sairaalan innovaatiot

5. Lääketieteellinen robotti Providence Regional Medical Centeristä Everettistä.

Valitettavasti uusi koronavirus uhkaa myös lääkäreitä. CNN:n mukaan estää koronaviruksen leviämistä sairaalassa ja sen ulkopuolella, henkilökunta Providence Regional Medical Centerissä Everettissä, Washingtonissa, käytä Robotti (5), joka mittaa eristetyn potilaan elintoimintoja ja toimii videoneuvottelualustana. Kone on enemmän kuin pelkkä pyörillä varustettu kommunikaattori, jossa on sisäänrakennettu näyttö, mutta se ei poista täysin ihmistyötä.

Sairaanhoitajien on silti mentävä huoneeseen potilaan kanssa. He ohjaavat myös robottia, joka ei altistu infektiolle ainakaan biologisesti, joten tämän tyyppisiä laitteita käytetään yhä enemmän tartuntatautien hoidossa.

Tietenkin huoneet voidaan eristää, mutta sinun on myös tuuletettava, jotta voit hengittää. Tämä vaatii uutta ilmanvaihtojärjestelmätmikrobien leviämisen estäminen.

Tällaisia ​​tekniikoita kehittänyt suomalainen Genano (6) sai pikatilauksen lääketieteellisiin laitoksiin Kiinassa. Yhtiön virallisessa lausunnossa todetaan, että yhtiöllä on laaja kokemus tartuntatautien leviämisen estämiseen tarkoitettujen laitteiden toimittamisesta steriileissä ja eristettyissä sairaalahuoneissa. Aiempina vuosina hän suoritti muun muassa toimituksia Saudi-Arabian hoitolaitoksiin MERS-virusepidemian aikana. Suomalaisia ​​turvallisen ilmanvaihdon laitteita on toimitettu myös jo kymmenessä päivässä rakennettuun kuuluisaan 2019-nCoV-koronavirukseen sairastuneiden väliaikaissairaalaan Wuhanissa.

6. Eristimen Genano-järjestelmän kaavio

Genanon mukaan puhdistuslaitteissa käytetty patentoitu tekniikka "eliminoi ja tappaa kaikki ilmassa leviävät mikrobit, kuten virukset ja bakteerit". Ilmanpuhdistimissa ei ole mekaanista suodatinta, jotka pystyvät sieppaamaan jopa 3 nanometrin kokoisia hienoja hiukkasia, ja ilma suodatetaan voimakkaalla sähkökentällä.

Toinen tekninen uteliaisuus, joka nousi esiin koronavirusepidemian aikana, oli lämpöskannerit, käytetään muun muassa kuumeisia ihmisiä noudetaan Intian lentoasemilta.

Internet - haittaako vai auttaako?

Huolimatta valtavasta kritiikin aallosta replikoinnista ja levittämisestä, väärän tiedon levittämisestä ja paniikista, myös sosiaalisen median työkaluilla on ollut myönteinen rooli Kiinan taudinpurkauksen jälkeen.

Kuten kertoi esimerkiksi kiinalainen teknologiasivusto TMT Post, sosiaalinen foorumi minivideoille. douyin, joka on kiinalainen vastine maailmankuululle TikTok (7), on käynnistänyt erityisen segmentin käsittelemään tietoa koronaviruksen leviämisestä. Hashtagin alla #Taistele keuhkokuumeesta, julkaisee käyttäjien tietoja, mutta myös asiantuntijaraportteja ja neuvoja.

Tietoisuuden lisäämisen ja tärkeän tiedon levittämisen lisäksi Douyin pyrkii toimimaan tukivälineenä viruksen torjuntaan osallistuville lääkäreille ja hoitohenkilökunnalle sekä tartunnan saaneille potilaille. Analyytikko Daniel Ahmad twiittasi, että sovellus on julkaissut "Jiayou-videoefektin" (eli rohkaisua), jota käyttäjien tulisi käyttää lähettääkseen positiivisia viestejä tueksi lääkäreille, terveydenhuollon ammattilaisille ja potilaille. Tämän tyyppistä sisältöä julkaisevat myös kuuluisat ihmiset, julkkikset ja niin sanotut vaikuttajat.

Nykyään uskotaan, että terveyteen liittyvien sosiaalisen median trendien huolellinen tutkiminen voisi suuresti auttaa tutkijoita ja kansanterveysviranomaisia ​​tunnistamaan ja ymmärtämään paremmin ihmisten välisten sairauksien leviämisen mekanismeja.

Osittain siksi, että sosiaalinen media on yleensä "erittäin kontekstuaalista ja yhä enemmän hyperlokaalista", hän kertoi The Atlanticille vuonna 2016. Marseille salaatti, tutkija Federal Polytechnic Schoolissa Lausannessa, Sveitsissä, ja asiantuntija kasvavalla alalla, jota tutkijat kutsuvat "Digitaalinen epidemiologia". Tällä hetkellä, hän lisäsi, tutkijat kuitenkin yrittävät vielä pikemminkin ymmärtää, puhuuko sosiaalinen media terveysongelmista, jotka todella heijastavat epidemiologisia ilmiöitä vai ei (8).

8. Kiinalaiset ottavat selfieitä naamarit päällä.

Ensimmäisten kokeiden tulokset tässä suhteessa ovat epäselviä. Jo vuonna 2008 Googlen insinöörit lanseerasivat sairauden ennustustyökalun - Google-influenssatrendit (GFT). Yhtiö aikoi käyttää sitä Googlen hakukonetietojen analysointiin oireiden ja merkkisanojen varalta. Tuolloin hän toivoi, että tuloksia käytettäisiin influenssa- ja dengue-epidemioiden "ääriviivat" tunnistamiseen tarkasti ja välittömästi - kaksi viikkoa aikaisemmin kuin Yhdysvaltain tautien valvonta- ja ehkäisykeskukset. (CDC), jonka tutkimusta pidetään alan parhaana standardina. Googlen tuloksia varhaisesta Internet-signaaliin perustuvasta influenssan diagnosoinnista Yhdysvalloissa ja myöhemmin Thaimaan malariasta pidettiin kuitenkin liian epätarkeina.

Tekniikat ja järjestelmät, jotka "ennustavat" erilaisia ​​tapahtumia, mm. kuten mellakoiden tai epidemioiden räjähdysmäistä, on työskennellyt myös Microsoft, joka vuonna 2013 käynnisti yhdessä Israeli Technion Instituten kanssa mediasisällön analysointiin perustuvan katastrofien ennustusohjelman. Monikielisten otsikoiden vivisekoinnin avulla "tietokoneälyn" oli tunnistettava sosiaaliset uhat.

Tiedemiehet tutkivat tiettyjä tapahtumasarjoja, kuten tietoja Angolan kuivuudesta, mikä johti ennustejärjestelmiin mahdollisesta koleraepidemiasta, koska he löysivät yhteyden kuivuuden ja taudin lisääntymisen välillä. Järjestelmän kehys luotiin New York Timesin arkistojulkaisujen analyysin perusteella vuodesta 1986 alkaen. Jatkokehitys ja koneoppimisprosessi sisälsivät uusien Internet-resurssien käytön.

Toistaiseksi BlueDotin ja Metabiotan menestyksen perusteella epidemiologisessa ennustamisessa, voi olla houkutus päätellä, että tarkka ennuste on mahdollista ensisijaisesti "pätevän" tiedon perusteella, ts. ammattimaisia, luotettavia, erikoistuneita lähteitä, ei Internetin ja portaaliyhteisöjen kaaosta.

Mutta ehkä kyse on älykkäämmistä algoritmeista ja paremmasta koneoppimisesta?