Искусственный интеллект (ИИ) - одна из самых перспективных и обсуждаемых на сегодняшний день новых технологий. Этот пост призван осветить, как алгоритмы машинного обучения используются для создания систем искусственного интеллекта, которые могут помочь нам преодолеть некоторые проблемы, вызванные COVID-19. Мы сосредоточимся на трех областях:

  • Индивидуальный уход
  • Дизайн и открытие вакцины
  • Управление рисками

Машинное обучение - это область информатики, цель которой - научить компьютеры учиться и действовать без явного программирования. В частности, машинное обучение - это подход к анализу данных, который включает построение и адаптацию моделей, которые позволяют программам «учиться на собственном опыте ». [1]

Индивидуальный уход

Один из самых загадочных аспектов COVID-19 - это то, что он по-разному и на разных уровнях может влиять на инфицированных этим вирусом. Некоторые даже не подозревают, что инфицированы, в то время как другие, даже относящиеся к группе «низкого риска», нуждаются в интенсивной терапии.

Чтобы лучше понять, какая помощь потребуется каждому пациенту с COVID-19, исследователи из Кембриджского университета используют машинное обучение для анализа информации о пациентах с COVID-19 от Public Health England. Тип анализируемых данных включает в себя основную обезличенную информацию о пациенте, результаты лабораторных исследований, сведения о госпитализации, факторы риска и предыдущие результаты. Система, названная Adjutorium, затем присваивает пациентам оценки риска на основе их вероятности поступления в ОИТ или использования аппарата ИВЛ. Затем они объединяются по всей больнице, чтобы получить картину будущего спроса на ресурсы.

Эти новые идеи могут быть использованы специалистами в области здравоохранения, чтобы помочь им ответить на такие вопросы, как:

  • Какие пациенты, скорее всего, будут нуждаться в аппарате ИВЛ в течение недели?
  • Сколько бесплатных коек в отделении интенсивной терапии будет в этой больнице за неделю?
  • Какому из этих двух пациентов сегодня будет больше всего польза от аппарата ИВЛ?

Впечатляюще, имея доступ только к относительно небольшим объемам обучающих данных, система ИИ работает более точно, чем существующие и широко используемые методы анализа выживаемости, такие как регрессия Кокса, или хорошо известные индексы, такие как индекс коморбидности Чарлсона.

Дизайн и открытие вакцины

Чтобы общество могло выйти из изоляции и отказаться от принципов социального дистанцирования и СИЗ, люди должны выработать иммунитет к COVID-19. По оценкам, около 60% населения должны стать невосприимчивыми к вирусу, чтобы достичь коллективного иммунитета [2]. Однако Всемирная организация здравоохранения (ВОЗ) прогнозирует, что всего 2–3% людей были инфицированы и, следовательно, обладают антителами, необходимыми для придания им иммунитета [3]. Следовательно, если правительства примут стратегию коллективного иммунитета, позволяющую вирусу распространяться среди населения без вакцины, они рискуют перегрузить свою систему здравоохранения, что может привести к быстрому увеличению числа погибших.

Достижение иммунитета путем производства вакцин против COVID-19 широко рассматривается как самый безопасный путь к нормальной жизни. Предостережение заключается в том, что на разработку вакцин обычно уходят годы, а иногда и десятилетия. Эксперты считают, что мы сможем сократить этот срок до 12–18 месяцев с помощью скоординированных глобальных усилий с использованием новейших технологий искусственного интеллекта (ИИ) и машинного обучения.

Алгоритмы машинного обучения используются разработчиками вакцин для выявления закономерностей в больших наборах данных, которые людям часто бывает очень трудно, если не невозможно, сделать.

Доктор Фаст и доктор Чен, два ведущих доктора философии, получившие образование в Стэнфорде, приводят следующий пример: … иммунологи идентифицировали почти« миллион фрагментов белка , которые присутствуют на поверхности клетки и видны Т-клеткам. Однако ни один человеческий глаз не сможет сказать вам, верно ли это в отношении SYGFQPTNGVGYQPY, фрагмента нового коронавируса. С другой стороны, модель машинного обучения может научиться отвечать на этот вопрос из миллиона других примеров, помогая понять, какие закономерности среди букв, представляющих аминокислоты, приводят к высокой вероятности представления ». [4]

Таким образом, машинное обучение является мощным инструментом для ускорения открытия и разработки вакцин против COVID-19. Однако его потенциал ограничен в основном количеством доступных обучающих данных. Доктор Фаст и доктор Чен пришли к выводу, что если бы мы могли создавать наборы данных такого же размера и разнообразия, как те, которые используются для обучения моделей распознавания голоса и лиц, то искусственный интеллект и машинное обучение могли бы достичь сопоставимых успехов в разработке вакцин. Это может быть сделано за счет повышения уверенности в эффективности вакцин до их испытания и, таким образом, быстрого ускорения обычно медленной петли обратной связи.

Управление рисками

Однако до тех пор, пока вакцина не будет найдена, социальное дистанцирование, надевание масок и управление уровнями возможностей должны оставаться в центре государственных стратегий по поддержанию низкого уровня заражения COVID-19. Это позволит предприятиям и сообществам снова открыться с разумной степенью управляемой безопасности. Однако без надлежащего мониторинга и измерения соблюдения этих рекомендаций уровни риска передачи, вероятно, возрастут, и города и страны могут столкнуться со второй опасной волной случаев COVID-19.

Вот почему Shapes AI разработала платформу искусственного интеллекта (AI), которая, в соответствии с GDPR, анализирует потоки камер / видео для автоматической оценки степени, в которой соблюдаются превентивные меры, включая социальное дистанцирование и ношение СИЗ. и выделить любые очаги потенциальной опасности. Это позволяет предприятиям и государственным органам немедленно реагировать на риски и принимать оптимальные на основе данных решения о распределении ресурсов и будущих рекомендациях. Более того, используя платформу, компании могут помочь восстановить доверие клиентов при посещении их физических мест, представляя в режиме реального времени «оценку безопасности COVID». Этот показатель отражает уровень заполняемости магазина или объекта в сочетании со степенью соблюдения требований социального дистанцирования и ношения масок.

Заключение

ИИ не следует рассматривать как серебряную пулю для решения кризиса, вызванного коронавирусом. Скорее, это вспомогательный инструмент для усиления и увеличения человеческих возможностей и усилий по борьбе с COVID-19. Это связано с тем, что в настоящее время ИИ лучше всего справляется с задачами с ограниченными возможностями, для которых доступны большие объемы качественных данных. Тем не менее, три описанных выше применения ИИ в ответ на COVID-19 подчеркивают тот факт, что ИИ, тем не менее, можно очень эффективно использовать для решения множества серьезных проблем, с которыми общество сталкивается в этой пандемии.