Искусственный интеллект должен быть использован для обеспечения перемен после пандемии COVID-19.

Мир столкнулся с экзистенциальным глобальным кризисом в области здравоохранения из-за вспышки COVID-19. По мере того, как технологии все больше вплетаются в ткань здравоохранения, новые цифровые технологии служат маяком надежды для мониторинга, обнаружения, предотвращения и смягчения ущерба, причиняемого новым коронавирусом.

Фото Исаака Кесады на Unsplash

Использование ИИ для поиска лекарств

Одной из самых больших областей, где могут применяться технологии ИИ, является ускорение открытия лекарств, используемых для борьбы с COVID-19. В настоящее время исследователи изучают молекулярную структуру лекарств, используемых для лечения заболеваний, подобных коронавирусу, с использованием искусственного интеллекта, чтобы потенциально перепрофилировать такие лекарства для борьбы с пандемией COVID-19.

BenevolentAI — одна из многих компаний, пытающихся достичь этой цели. Они используют свой граф знаний на основе искусственного интеллекта для просмотра исследований и научной литературы, пытаясь найти взаимосвязь между генетическими свойствами болезней и разработкой и действием лекарств. BenevolentAI фокусируется на расширении знаний и рассуждений, идентификации новых целей, лечении конкретных пациентов и разработке молекул.

За последние несколько лет модели машинного обучения, обученные конкретным биомолекулам, позволили нам открыть эффективные методы лечения вирусов. Для SARS-COV-2 ученые определили несколько молекулярных мишеней COVID-19, подавление которых может увеличить выживаемость пациентов. CoronaDB-AI — это набор данных о соединениях, пептидах и эпитопах, обнаруженных in silico или in vitro, который можно использовать для обучения моделей машинного обучения, чтобы помочь в разработке лечения COVID-19.

Фото предоставлено Healx

Моделирование и прогнозирование распространения COVID-19 по странам

Помимо открытия лекарств, моделирование COVID-19 играет решающую роль в прогнозировании его последствий. Хотя классическое и статистическое моделирование не может выделить сложности в данных, многослойная искусственная нейронная сеть персептрона позволяет нам построить глобальную модель пациентов во всех местах в каждую единицу времени.

В исследовании, проведенном Университетом Риеки в Хорватии, авторы использовали набор данных, содержащий информацию об инфицированных, выздоровевших и умерших пациентах в 406 местах в период с 22 января 2020 г. по 12 марта 2020 г. Набор данных был преобразован в регрессию. набор данных для обучения многослойной искусственной нейронной сети персептрона.

Обзор моделирования ИИ, предоставлено Hindawi Journal

Модель показала плохое отслеживание неожиданных изменений (внезапных скачков числа заражений), но хорошее отслеживание общего изменения модели. Он давал эффективные прогнозы даже после неожиданных скачков в цифрах, когда давали время на адаптацию. Полученные модели показали, что действительно возможно получить качественную модель новых вирусных инфекций с использованием технологии, управляемой искусственным интеллектом, с географическими и временными данными в качестве входных данных. Код и модели доступны в публичном репозитории.

Текущие проекты, использующие ИИ для борьбы с COVID-19

COVID-19 оказал пагубное влияние на здоровье и безопасность людей. От необходимости практиковать социальное дистанцирование до провинциальных приказов о чрезвычайном закрытии, чтобы оставаться дома, люди задаются вопросом, как мы в конечном итоге вернемся к нормальной жизни безопасным образом. Чтобы послужить катализатором разработки решений, направленных на решение проблем, связанных с COVID-19, несколько организаций финансируют проекты за счет грантов.

Фото Брайана Макгоуэна на Unsplash

Примечательно, что в рамках инициативы CIFAR по ИИ и грантам для катализаторов COVID-19 профинансировано четырнадцать новых исследовательских проектов в области ИИ, направленных на борьбу со вспышкой коронавируса. Некоторые из успешных получателей грантов включают:

  • COVIDEX — Расширенный поиск информации для клинической и академической литературы, Соавторы: Чо Чо Кёнхён (стипендиат CIFAR, программа Обучение в машинах и мозге, Нью-Йоркский университет), Джимми Лин (Институт вектора, Университет Ватерлоо). Использует нейронные сети для ответов на вопросы, используя открытый набор данных исследований COVID-19 (CORD-19), предоставленный Институтом искусственного интеллекта Аллена.
  • COVID-Net: платформа глубокого обучения с открытым исходным кодом для обнаружения COVID-19 и стратификации риска. Соавторы: Александр Вонг (Университет Ватерлоо), Джеймс Ли, Линда Ванг и Десмонд Лин (Университет Ватерлоо). Дизайн глубокой сверточной нейронной сети, специально предназначенный для обнаружения случаев COVID-19 на рентгеновских снимках грудной клетки (CXR).
  • MyTrace / MaTrace: совместимое с конфиденциальностью мобильное приложение для отслеживания контактов в связи с COVID-19. Соавторы: Алан Аспуру-Гузик (Канада, председатель CIFAR AI, научный сотрудник CIFAR, программа Bio-Inspired Solar Energy, Институт Вектор), Маризех Гассеми (Канада). CIFAR AI Chair, Vector Institute, University of Toronto)
  • Машинное обучение против COVID-19: ускорение открытия низкомолекулярных лекарств, соавторы: Сарат Чандар (Канада, председатель AI CIFAR, Мила, Политехнический университет Монреаля), Мэтью Тейлор (Amii, Университет Альберты), Саи Кришна (99andBeyond), Карам Томас ( 99 и дальше)

TL;DR

  • Такие технологии, как искусственный интеллект, имеют решающее значение не только для смягчения ущерба, причиненного COVID-19, но и для предотвращения будущих пандемий и инфекционных заболеваний.
  • Хотя искусственный интеллект уже позволил нам совершить значительный прорыв в здравоохранении, мы только начинаем понимать масштабы его потенциального влияния.
  • Проекты на стыке технологий и здравоохранения (например, четырнадцать, упомянутые в текущих проектах) реализуются по всему миру, но требуют дополнительного финансирования для достижения существенного прогресса и прорывов.

Эта статья была написана Комалом Саини, студентом первого курса компьютерных наук Университета Торонто.

Ссылки

Кар, З., Баресси Шегота, С., Анджелич, Н., Лоренчин, И., и Мрзляк, В. (2020, 29 мая). Моделирование распространения инфекции COVID-19 с помощью многослойного персептрона. Получено 19 сентября 2020 г. с https://www.hindawi.com/journals/cmmm/2020/5714714/

Коронавирусная болезнь (COVID-19). (н.д.). Получено 19 сентября 2020 г. с https://www.who.int/emergencies/diseases/novel-coronavirus-2019.

Дэвидсон, К. (12 мая 2020 г.). CIFAR поддержит 14 новых исследовательских проектов ИИ в борьбе с COVID-19. Получено 19 сентября 2020 г. с https://www.cifar.ca/cifarnews/2020/05/12/fourteen-ai-research-projects-join-the-fight-against-covid-19.

Кешаварзи Аршади, А., Уэбб, Дж., Салем, М., Круз, Э., Калад-Томсон, С., Гадириан, Н., . . .Юань, Дж. (2020, 17 июля). Искусственный интеллект для открытия лекарств от COVID-19 и разработки вакцин. Получено 19 сентября 2020 г. с https://www.frontiersin.org/articles/10.3389/frai.2020.00065/full.