Ramalkan wabak sebelum ia melanda

Algoritma BlueDot Kanada lebih pantas daripada pakar dalam mengiktiraf ancaman daripada coronavirus terkini. Dia memberi taklimat kepada pelanggannya mengenai ancaman itu beberapa hari sebelum Pusat Kawalan dan Pencegahan Penyakit (CDC) A.S. dan Pertubuhan Kesihatan Sedunia (WHO) menghantar notis rasmi kepada dunia.

Kamran Khan (1), doktor, pakar penyakit berjangkit, pengasas dan CEO program BlueDot, menjelaskan dalam temu bual akhbar bagaimana sistem amaran awal ini menggunakan kecerdasan buatan, termasuk pemprosesan bahasa semula jadi dan pembelajaran mesin, untuk mengesan walaupun seratus penyakit berjangkit pada masa yang sama. Kira-kira 100 artikel dalam 65 bahasa dianalisis setiap hari.

1. Kamran Khan dan peta yang menunjukkan penyebaran coronavirus Wuhan.

Data ini memberi isyarat kepada syarikat bila perlu memberitahu pelanggan mereka tentang potensi kehadiran dan penyebaran penyakit berjangkit. Data lain, seperti maklumat tentang jadual perjalanan dan penerbangan, boleh membantu memberikan maklumat tambahan tentang kemungkinan wabak berkembang.

Idea di sebalik model BlueDot adalah seperti berikut. dapatkan maklumat secepat mungkin pekerja penjagaan kesihatan dengan harapan mereka boleh mendiagnosis - dan, jika perlu, mengasingkan - orang yang dijangkiti dan berpotensi menular pada peringkat awal ancaman. Khan menjelaskan bahawa algoritma itu tidak menggunakan data media sosial kerana ia "terlalu huru-hara". Bagaimanapun, "maklumat rasmi tidak sentiasa terkini," katanya kepada Recode. Dan masa tindak balas adalah perkara yang penting untuk berjaya mencegah wabak.

Khan bekerja sebagai pakar penyakit berjangkit di Toronto pada tahun 2003 apabila ia berlaku. wabak SARS. Dia mahu membangunkan cara baharu untuk menjejaki jenis penyakit ini. Selepas menguji beberapa program ramalan, beliau melancarkan BlueDot pada 2014 dan mengumpul $9,4 juta dalam pembiayaan untuk projeknya. Syarikat itu kini menggaji empat puluh pekerja, doktor dan pengaturcarayang sedang membangunkan alat analisis untuk mengesan penyakit.

Selepas mengumpul data dan pemilihan awal mereka, mereka memasuki permainan penganalisis. selepas ahli epidemiologi Mereka menyemak penemuan untuk kesahihan saintifik dan kemudian melaporkan kembali kepada kerajaan, perniagaan dan profesional penjagaan kesihatan. pelanggan.

Khan menambah bahawa sistemnya juga boleh menggunakan pelbagai data lain, seperti maklumat tentang iklim kawasan tertentu, suhu, dan juga maklumat tentang ternakan tempatan, untuk meramalkan sama ada seseorang yang dijangkiti penyakit itu boleh menyebabkan wabak. Beliau menegaskan bahawa seawal 2016, Blue-Dot dapat meramalkan wabak virus Zika di Florida enam bulan sebelum ia benar-benar didaftarkan di kawasan itu.

Syarikat beroperasi dengan cara yang sama dan menggunakan teknologi yang serupa. Metabiotpemantauan wabak SARS. Pakar-pakarnya pada satu masa mendapati bahawa risiko terbesar kemunculan virus ini di Thailand, Korea Selatan, Jepun dan Taiwan, dan mereka melakukan ini lebih daripada seminggu sebelum pengumuman kes di negara-negara tersebut. Beberapa kesimpulan mereka dibuat daripada analisis data penerbangan penumpang.

Metabiota, seperti BlueDot, menggunakan pemprosesan bahasa semula jadi untuk menilai laporan penyakit yang berpotensi, tetapi juga sedang berusaha untuk membangunkan teknologi yang sama untuk maklumat media sosial.

Mark Gallivan, pengarah data saintifik Metabiota, menjelaskan kepada media bahawa platform dan forum dalam talian boleh menandakan risiko wabak. Pakar kakitangan juga berkata mereka boleh menganggarkan risiko penyakit yang menyebabkan pergolakan sosial dan politik berdasarkan maklumat seperti simptom penyakit, kematian dan ketersediaan rawatan.

Pada zaman Internet, semua orang menjangkakan penyampaian maklumat visual yang cepat, boleh dipercayai dan mungkin boleh dibaca tentang kemajuan wabak coronavirus, sebagai contoh, dalam bentuk peta yang dikemas kini.

2. Papan Pemuka Coronavirus 2019-nCoV Universiti Johns Hopkins.

Pusat Sains dan Kejuruteraan Sistem di Universiti Johns Hopkins telah membangunkan mungkin papan pemuka coronavirus yang paling terkenal di dunia (2). Ia juga menyediakan set data lengkap untuk dimuat turun sebagai helaian Google. Peta menunjukkan kes baharu, kematian yang disahkan dan pemulihan. Data yang digunakan untuk visualisasi datang daripada pelbagai sumber, termasuk WHO, CDC, CDC China, NHC dan DXY, tapak web China yang mengagregat laporan NHC dan laporan situasi CCDC tempatan masa nyata.

Diagnostik dalam jam, bukan hari

Dunia pertama kali mendengar tentang penyakit baru yang muncul di Wuhan, China. 31 декабря 2019 г. Seminggu kemudian, saintis China mengumumkan bahawa mereka telah mengenal pasti pelakunya. Minggu berikutnya, pakar Jerman membangunkan ujian diagnostik pertama (3). Ia pantas, jauh lebih pantas daripada semasa SARS atau wabak serupa sebelum dan selepas.

Seawal awal dekad yang lalu, saintis yang mencari sejenis virus berbahaya terpaksa menumbuhkannya dalam sel haiwan dalam hidangan Petri. Anda mesti telah mencipta virus yang mencukupi untuk dibuat mengasingkan DNA dan membaca kod genetik melalui proses yang dikenali sebagai penjujukan. Walau bagaimanapun, dalam beberapa tahun kebelakangan ini, teknik ini telah berkembang dengan pesat.

Para saintis tidak perlu mengembangkan virus dalam sel lagi. Mereka secara langsung boleh mengesan jumlah DNA virus yang sangat kecil dalam paru-paru atau rembesan darah pesakit. Dan ia mengambil masa berjam-jam, bukan berhari-hari.

Kerja sedang dijalankan untuk membangunkan alat pengesanan virus yang lebih pantas dan lebih mudah. Veredus Laboratories yang berpangkalan di Singapura sedang mengusahakan kit mudah alih untuk mengesan, VereChip (4) akan mula dijual mulai 1 Februari tahun ini. Penyelesaian yang cekap dan mudah alih juga akan menjadikannya lebih cepat untuk mengenal pasti mereka yang dijangkiti untuk rawatan perubatan yang betul apabila menempatkan pasukan perubatan di lapangan, terutamanya apabila hospital terlalu sesak.

Kemajuan teknologi terkini telah memungkinkan untuk mengumpul dan berkongsi keputusan diagnostik dalam hampir masa nyata. Contoh platform dari Quidel Sofia saya sistem PCR10 FilmArray Syarikat BioFire yang menyediakan ujian diagnostik pantas untuk patogen pernafasan tersedia serta-merta melalui sambungan wayarles ke pangkalan data dalam awan.

Genom 2019-nCoV coronavirus (COVID-19) telah dijujukan sepenuhnya oleh saintis China kurang daripada sebulan selepas kes pertama ditemui. Hampir dua puluh lagi telah disiapkan sejak penjujukan pertama. Sebagai perbandingan, wabak virus SARS bermula pada akhir 2002, dan genom lengkapnya tidak tersedia sehingga April 2003.

Penjujukan genom adalah penting untuk pembangunan diagnostik dan vaksin terhadap penyakit ini.

Inovasi Hospital

5. Robot perubatan dari Pusat Perubatan Serantau Providence di Everett.

Malangnya, coronavirus baru juga mengancam doktor. Menurut CNN, mencegah penularan coronavirus di dalam dan di luar hospital, kakitangan di Pusat Perubatan Wilayah Providence di Everett, Washington, menggunakan Robot (5), yang mengukur tanda-tanda penting dalam pesakit terpencil dan bertindak sebagai platform persidangan video. Mesin itu lebih daripada sekadar komunikator pada roda dengan skrin terbina dalam, tetapi ia tidak sepenuhnya menghilangkan tenaga manusia.

Jururawat masih perlu masuk ke dalam bilik bersama pesakit. Mereka juga mengawal robot yang tidak akan terdedah kepada jangkitan, sekurang-kurangnya secara biologi, jadi peranti jenis ini akan semakin digunakan dalam rawatan penyakit berjangkit.

Sudah tentu, bilik boleh dilindungi, tetapi anda juga perlu mengalihkan udara supaya anda boleh bernafas. Ini memerlukan yang baru sistem pengudaraanmenghalang penyebaran mikrob.

Syarikat Finland Genano (6), yang membangunkan jenis teknik ini, menerima pesanan ekspres untuk institusi perubatan di China. Kenyataan rasmi syarikat menyatakan bahawa syarikat itu mempunyai pengalaman luas dalam menyediakan peralatan untuk mencegah penularan penyakit berjangkit di bilik hospital steril dan terpencil. Pada tahun-tahun sebelumnya, beliau melakukan, antara lain, penghantaran ke institusi perubatan di Arab Saudi semasa wabak virus MERS. Peranti Finland untuk pengudaraan selamat juga telah dihantar ke hospital sementara yang terkenal untuk orang yang dijangkiti coronavirus 2019-nCoV di Wuhan, yang telah dibina dalam tempoh sepuluh hari.

6. Gambar rajah sistem Genano dalam penebat

Teknologi dipatenkan yang digunakan dalam penulen "menghapuskan dan membunuh semua mikrob bawaan udara seperti virus dan bakteria," menurut Genano. Mampu menangkap zarah halus sekecil 3 nanometer, penulen udara tidak mempunyai penapis mekanikal untuk dikekalkan, dan udara ditapis oleh medan elektrik yang kuat.

Satu lagi rasa ingin tahu teknikal yang muncul semasa wabak coronavirus ialah pengimbas haba, digunakan, antara lain, orang yang demam diambil di lapangan terbang India.

Internet - menyakiti atau membantu?

Walaupun gelombang kritikan yang besar untuk replikasi dan penyebaran, menyebarkan maklumat salah dan panik, alat media sosial juga telah memainkan peranan positif sejak wabak di China.

Seperti yang dilaporkan, sebagai contoh, oleh tapak teknologi China TMT Post, platform sosial untuk video mini. Douyin, yang merupakan bahasa Cina yang setara dengan TikTok (7) yang terkenal di dunia, telah melancarkan segmen khas untuk memproses maklumat tentang penyebaran coronavirus. Di bawah hashtag #LawanPneumonia, menerbitkan bukan sahaja maklumat daripada pengguna, tetapi juga laporan dan nasihat pakar.

Di samping meningkatkan kesedaran dan menyebarkan maklumat penting, Douyin juga bertujuan untuk berfungsi sebagai alat sokongan untuk doktor dan kakitangan perubatan yang memerangi virus, serta pesakit yang dijangkiti. Penganalisis Daniel Ahmad tweet bahawa aplikasi itu telah melancarkan "kesan video Jiayou" (bermaksud galakan) yang harus digunakan pengguna untuk menghantar mesej positif sebagai sokongan kepada doktor, profesional penjagaan kesihatan dan pesakit. Kandungan jenis ini juga diterbitkan oleh orang terkenal, selebriti dan apa yang dipanggil influencer.

Hari ini, adalah dipercayai bahawa kajian teliti tentang trend media sosial berkaitan kesihatan dapat membantu para saintis dan pihak berkuasa kesihatan awam untuk lebih mengenali dan memahami mekanisme penularan penyakit antara manusia.

Sebahagiannya kerana media sosial cenderung "sangat kontekstual dan semakin hiperlokal," katanya kepada The Atlantic pada 2016. Salad Marseille, seorang penyelidik di Sekolah Politeknik Persekutuan di Lausanne, Switzerland, dan pakar dalam bidang yang semakin berkembang yang dipanggil oleh saintis "Epidemiologi Digital". Bagaimanapun, buat masa ini, tambahnya, penyelidik masih cuba memahami sama ada media sosial bercakap mengenai masalah kesihatan yang sebenarnya mencerminkan fenomena epidemiologi atau tidak (8).

8. Orang Cina berswafoto dengan bertopeng.

Keputusan eksperimen pertama dalam hal ini tidak jelas. Sudah pada tahun 2008, jurutera Google melancarkan alat ramalan penyakit - Aliran Selesema Google (GFT). Syarikat itu merancang untuk menggunakannya untuk menganalisis data enjin carian Google untuk simptom dan perkataan isyarat. Pada masa itu, dia berharap keputusan itu akan digunakan dengan tepat dan segera mengenali "garis besar" wabak influenza dan denggi - dua minggu lebih awal daripada Pusat Kawalan dan Pencegahan Penyakit A.S.. (CDC), yang penyelidikannya dianggap sebagai standard terbaik dalam bidang ini. Walau bagaimanapun, keputusan Google mengenai diagnosis awal influenza berasaskan isyarat Internet di AS dan kemudiannya malaria di Thailand dianggap terlalu tidak tepat.

Teknik dan sistem yang "meramalkan" pelbagai peristiwa, termasuk. seperti letupan rusuhan atau wabak, Microsoft juga telah bekerja, yang pada tahun 2013, bersama-sama dengan Institut Technion Israel, melancarkan program ramalan bencana berdasarkan analisis kandungan media. Dengan bantuan vivisection tajuk berita berbilang bahasa, "kecerdasan komputer" terpaksa mengenali ancaman sosial.

Para saintis meneliti urutan peristiwa tertentu, seperti maklumat tentang kemarau di Angola, yang menimbulkan ramalan dalam sistem ramalan tentang kemungkinan wabak kolera, kerana mereka mendapati hubungan antara kemarau dan peningkatan dalam kejadian penyakit. Rangka kerja sistem itu dibuat berdasarkan analisis penerbitan arkib New York Times, bermula pada tahun 1986. Pembangunan selanjutnya dan proses pembelajaran mesin melibatkan penggunaan sumber Internet baharu.

Setakat ini, berdasarkan kejayaan BlueDot dan Metabiota dalam ramalan epidemiologi, seseorang mungkin terdorong untuk membuat kesimpulan bahawa ramalan yang tepat adalah mungkin terutamanya berdasarkan data "layak", i.e. sumber profesional, dipercayai, khusus, bukan kekacauan komuniti Internet dan portal.

Tetapi mungkin ini semua tentang algoritma yang lebih pintar dan pembelajaran mesin yang lebih baik?