Технологии становятся все более важными в борьбе с лихорадкой денге. Наша собственная инициатива Dengue Track переводит данные из различных источников для создания полезных предупреждений, когда люди могут подвергаться риску. Под прикрытием он использует методологии больших данных для создания значимой информации. Другие новые технологии, в том числе искусственный интеллект (ИИ), также могут вскоре сыграть решающую роль в борьбе с болезнью. Давайте исследуем ИИ и лихорадку денге: как умные машины борются с этой смертельной болезнью.
ИИ основан на идее, что компьютеры могут выполнять задачи, требующие определенного интеллекта — другими словами, они должны быть «умными». В наши дни ИИ, как правило, занимается созданием машин, которые имитируют человеческий интеллект: как мы учимся, выполняем задачи и принимаем решения.
Машинное обучение — это особый тип ИИ, который имитирует то, как учатся люди. Дайте обучающимся компьютерам актуальные данные, расскажите им об этом, и они получат новые знания. Эти умные компьютеры применяют пошаговые инструкции, известные как «алгоритмы», к данным, чтобы создать цифровую «модель» реальной проблемы, которую они пытаются решить. Они снова и снова используют эту модель для решения подобных задач, улучшая ее с опытом.
Еще в 2016 году мы спросили, является ли ИИ ключом к предотвращению лихорадки денге. Сегодня технологии ИИ используются, чтобы помочь умным машинам научиться предсказывать вспышки лихорадки денге, предсказывать, как могут развиваться отдельные случаи денге, и направлять поиск лекарств.
Нажмите здесь, чтобы поддержать петицию о Всемирном дне денге
Давайте начнем с того, как ИИ помогает прогнозировать вспышки лихорадки денге.
Искусственный интеллект предсказывает вспышки денге
Когда дело доходит до прогнозирования вспышек денге искусственным интеллектом, он начинается с того, что умный компьютер переваривает и анализирует огромное количество соответствующих данных, например, об окружающей среде и результатах лечения пациентов в эндемичных по денге регионах. Затем компьютер расшифровывает и узнает, какие условия с наибольшей вероятностью приведут к вспышке, и исходя из этого оценивает риск лихорадки денге для любого конкретного локального сценария, как мы можем видеть в этих примерах:
• Компания Aime Inc разработала инструмент для прогнозирования в режиме реального времени местоположения и времени возникновения вспышек лихорадки денге. В результате 2,5 лет исследований он работал с точностью до 84% в испытаниях в Пенанге. Сейчас у Эме есть контракты в Рио-де-Жанейро, Маниле и Куала-Лумпуре.
«Прогностическая платформа может предупреждать о возможных вспышках за три месяца и определять их в радиусе 400 м».
• В рамках исследования в Китае была разработана модель, основанная на климатических факторах (включая среднюю температуру, относительную влажность и количество осадков), данных поисковых запросов из китайской поисковой системы Baidu, данных о случаях лихорадки денге и данных о населении человека для разработки модели прогнозирования денге ИИ. .
«Эпидемии за последние 12 недель и пик крупной вспышки 2014 года были точно предсказаны».
• Команда в Маниле разработала модель, которая может прогнозировать количество случаев заболевания на 1000 жителей по всему городу на основе землепользования и уровня осадков.
«Компьютер учится в течение многих итераций, как точно настраивать свою модель, чтобы прогнозировать возникновение лихорадки денге в зависимости от местных условий с возрастающей точностью».
• Исследование в Индии направлено на разработку новой модели путем объединения различных моделей машинного обучения.
«Поскольку существуют некоторые прогностические модели, разработанные для прогнозирования лихорадки денге. Эта дисциплина находится в зачаточном состоянии, и предстоит проделать большую работу, поэтому необходимы дополнительные исследования».
• Исследователи в Колумбии изучают использование данных о характере вспышек лихорадки денге и чикунгуньи для разработки моделей машинного обучения для прогнозирования распространения болезни.
«Разработка вычислительных моделей для прогнозирования числа случаев на основе имеющихся эпидемиологических данных поможет системам общественного надзора принять эффективные меры по предотвращению и смягчению последствий этих событий».
ИИ предсказывает исходы лихорадки денге
Еще один возможный способ, которым машинное обучение может помочь в борьбе с лихорадкой денге, — это предсказать, какие случаи денге могут перерасти в нечто более серьезное. Здесь исследователи искали любые гены, которые могут означать, что пациент находится в группе повышенного риска.
Подробнее читайте в разделе Улучшения в использовании поиска в Интернете для отслеживания лихорадки денге.
Чтобы построить модель ИИ для оценки риска развития у пациентов тяжелой формы денге, исследование Стэнфордского университета в Калифорнии предоставило их компьютеру огромные объемы медицинских карт пациентов, которые заразились денге. Они объединили это с данными об экспрессии генов из Национального центра биотехнологической информации США (информация о том, как наши тела преобразуют инструкции ДНК во что-то, что они могут использовать для борьбы с инфекцией).
Хотя ученые идентифицировали несколько важных генов и их частей (генных особенностей), связанных с риском развития тяжелой формы денге, им еще предстоит проделать большую работу:
«В реальной диагностической ситуации относительная доля пациентов, у которых разовьется тяжелая форма денге, будет намного ниже, чем в нашем исследовании. […] Алгоритмы машинного обучения, вероятно, потребуют настройки перед развертыванием в качестве диагностического инструмента».
ИИ и открытие лекарства от лихорадки денге
Наш третий пример помощи ИИ в борьбе с лихорадкой денге касается лечения лихорадки денге. Ученые обратились к машинному обучению, чтобы помочь на ранних стадиях разработки противовирусного препарата для лечения лихорадки денге.
Согласно статье в Atlas of Science, в течение своего жизненного цикла вирус денге вырабатывает один белок, который затем создает все вирусные белки, необходимые для работы внутри инфицированной клетки. Прежде чем они смогут искать потенциальные новые методы борьбы с этим, ученым нужно было определить, где новые лекарства могут прикрепляться к этим белкам.
После создания алгоритма машинного обучения и подачи в него опубликованных экспериментальных данных и описаний молекул они смогли «охарактеризовать новые участки в белковом комплексе как восприимчивые мишени или опорные точки для лекарств против всех четырех серотипов вируса денге».
Другими словами, они использовали машинное обучение, чтобы найти новые места для потенциальных будущих лечений денге, чтобы зацепиться и помешать вирусу денге, остановив его на своем пути.
С таким количеством историй о том, как ИИ помогает в борьбе с лихорадкой денге, мы хотели бы услышать ваши истории о том, как вы используете современные технологии в своей борьбе с этой болезнью.
—
Помогите уменьшить воздействие лихорадки денге в вашем регионе. Нажмите ниже, чтобы создать запись о лихорадке денге в вашем районе.
Первоначально опубликовано на www.breakdengue.org
