Πώς οι άνθρωποι χρησιμοποιούν το AI για την ανίχνευση και την καταπολέμηση του coronavirus

Η εξάπλωση του κοροναϊού COVID-19 είναι μια υγρή κατάσταση που αλλάζει την ημέρα και ακόμη και την ώρα. Η αυξανόμενη παγκόσμια κατάσταση έκτακτης ανάγκης στον τομέα της δημόσιας υγείας απειλεί τη ζωή, αλλά επηρεάζει επίσης τις επιχειρήσεις και διαταράσσει τα ταξίδια σε όλο τον κόσμο. Ο ΟΟΣΑ προειδοποιεί ότι ο κοροναϊός θα μπορούσε να μειώσει την παγκόσμια οικονομική ανάπτυξη στο μισό και η Federal Reserve θα μειώσει τα ομοσπονδιακά επιτόκια μετά τη χειρότερη εβδομάδα για το χρηματιστήριο από το 2008.

Ακριβώς πώς ο κορωναϊός του COVID-19 θα επηρεάσει τον τρόπο με τον οποίο ζούμε και δουλεύουμε είναι ασαφής διότι είναι μια νέα ασθένεια που εξαπλώνεται σε όλο τον κόσμο για πρώτη φορά, αλλά φαίνεται ότι το AI μπορεί να βοηθήσει στην καταπολέμηση του ιού και του οικονομικού του αντικτύπου.

Μια έκθεση της Παγκόσμιας Οργάνωσης Υγείας που δημοσιεύθηκε τον περασμένο μήνα είπε ότι η AI και τα μεγάλα δεδομένα αποτελούν βασικό μέρος της αντίδρασης στην ασθένεια στην Κίνα. Εδώ είναι μερικοί τρόποι με τους οποίους οι άνθρωποι στρέφονται προς λύσεις μηχανικής μάθησης, ειδικότερα, για να ανιχνεύσουν ή να καταπολεμήσουν τον κοροναϊό COVID-19.

Απολύμανση ρομπότ

Στις 19 Φεβρουαρίου, η δανική εταιρεία UVD Robots δήλωσε ότι συμφώνησε με την Sunay Healthcare Supply για τη διανομή των ρομπότ της στην Κίνα. Τα ρομπότ της UVD περιστρέφονται γύρω από τις εγκαταστάσεις υγειονομικής περίθαλψης που απλώνουν το υπεριώδες φως για να απολυμαίνουν χώρους που έχουν μολυνθεί από ιούς ή βακτηρίδια.

Το XAG Robot αναπτύσσει επίσης ρομπότ και στεφάνες απολύμανσης σε Guangzhou.

Ο διευθυντής εργαστηρίου ρομποτικής του UC Berkeley και ο δημιουργός του DexNet, Ken Goldberg, προβλέπουν ότι εάν ο κορωναϊός γίνει πανδημία, μπορεί να οδηγήσει στη διάδοση περισσότερων ρομπότ σε περισσότερα περιβάλλοντα.

Οι ρομποτικές λύσεις, για παράδειγμα, περιορίζουν την έκθεση του προσωπικού της ιατρικής και της βιομηχανίας υπηρεσιών σε ξενοδοχεία σε ορισμένα σημεία σήμερα, αλλά δεν είναι κάθε νικητής κάθε ρομπότ που ξετυλίγεται.

Η εκκίνηση Promobot διαφημίζει τον εαυτό της ως ρομπότ υπηρεσίας για επιχειρήσεις και πρόσφατα παρουσίασε το ρομπότ της στην Times Square. Το ρομπότ δεν εκπέμπει βιομετρικούς αισθητήρες ή αισθητήρες ανάλυσης θερμοκρασίας. Απλώς θέτει τέσσερις ερωτήσεις σε μια εξέταση, όπως "Έχετε ένα βήχα;" Επίσης απαιτεί από τους ανθρώπους να αγγίζουν μια οθόνη για να καταγράψουν μια απάντηση. Ένας δημοσιογράφος της Gizmodo που μίλησε στο bot είπε ότι είναι «χαζός», αλλά αυτό δεν είναι ούτε το χειρότερο μέρος: Το να ζητάς ανθρώπους μέσα σε ένα ξέσπασμα που σύντομα θα κηρυχθεί μια παγκόσμια πανδημία για φυσικές οθόνες φαίνεται απαίσια αντιπαραγωγική.

Ανίχνευση πυρετού σε δημόσιους χώρους

Ένας τρόπος με τον οποίο εντοπίζεται ο ιός coronavirus είναι με κάμερες εξοπλισμένες με θερμικούς αισθητήρες.

Ένα νοσοκομείο της Σιγκαπούρης και η μονάδα δημόσιας υγείας πραγματοποιούν ελέγχους θερμοκρασίας σε πραγματικό χρόνο, χάρη στην εκκίνηση του KroniKare, με ένα smartphone και θερμικό αισθητήρα.

Ένα σύστημα AI που αναπτύχθηκε από την κινεζική τεχνολογική εταιρεία Baidu που χρησιμοποιεί υπέρυθρο αισθητήρα και AI για να προβλέψει τις θερμοκρασίες των ανθρώπων είναι τώρα σε χρήση στο σιδηροδρομικό σταθμό Qinghe του Πεκίνου, σύμφωνα με ένα μήνυμα ηλεκτρονικού ταχυδρομείου που στάλθηκε στους υπαλλήλους της Baidu που μοιράστηκε με το VentureBeat.

Οι υπάλληλοι υγειονομικής περίθαλψης που φτάνουν επιβάτες από την Κίνα με θερμικούς σαρωτές στο αεροδρόμιο Changi International στη Σιγκαπούρη στις 22 Ιανουαρίου 2020.

Η προσέγγιση Baidu συνδυάζει την όραση του υπολογιστή και την υπέρυθρη ακτινοβολία για να ανιχνεύσει τη θερμοκρασία του μέτωπου μέχρι 200 ​​άτομα ανά λεπτό μέσα σε μια κλίμακα 0,5 βαθμών Κελσίου. Το σύστημα προειδοποιεί τις αρχές εάν ανιχνεύσει ένα άτομο με θερμοκρασία πάνω από 37,3 βαθμούς Κελσίου (99,1 βαθμούς Φαρενάιτ), αφού ο πυρετός αποτελεί ενδεικτικό σημάδι του κοροναϊού. Η Baidu μπορεί να εφαρμόσει την παρακολούθηση της θερμοκρασίας της, στη συνέχεια, στο Νότιο Σιδηροδρομικό Σταθμό του Πεκίνου και τη γραμμή 4 του μετρό του Πεκίνου. Τον περασμένο μήνα, η Shenzhen MicroMultiCopter δήλωσε σε δήλωσή της ότι έχει αναπτύξει περισσότερα από 100 αεροσκάφη ικανά σε διάφορες κινέζικες πόλεις. Τα αεροσκάφη είναι ικανά όχι μόνο για θερμική ανίχνευση αλλά και για ψεκασμό απολυμαντικών και περιπολικών δημόσιων χώρων.

Παρακολούθηση ιού

Μια εταιρεία, BlueDot, λέει ότι αναγνώρισε την εμφάνιση υψηλών ποσοστών πνευμονίας στην Κίνα εννέα ημέρες πριν από την Παγκόσμια Οργάνωση Υγείας. Η BlueDot ιδρύθηκε ως απάντηση στην επιδημία SARS. Χρησιμοποιεί τη φυσική επεξεργασία γλώσσας (NLP) για να αποτυπώσει το κείμενο εκατοντάδων χιλιάδων πηγών για να εξετάσει τις ειδήσεις και τις δημόσιες δηλώσεις για την υγεία ανθρώπων ή ζώων.

Η Metabiota, μια εταιρεία που συνεργάζεται με το Υπουργείο Άμυνας των ΗΠΑ και τις υπηρεσίες πληροφοριών, εκτιμά τον κίνδυνο εξάπλωσης μιας ασθένειας. Βασίζει τις προβλέψεις του σε παράγοντες όπως τα συμπτώματα της νόσου, ο ρυθμός θνησιμότητας και η διαθεσιμότητα της θεραπείας.

Βαθιά μάθηση για ανίχνευση κοροναϊού

Η έκθεση αποστολής των 40 σελίδων WHO-China που δημοσιεύθηκε τον περασμένο μήνα σχετικά με την αρχική απάντηση στο COVID-19 αναφέρει πως η χώρα χρησιμοποίησε μεγάλα δεδομένα και ΑΙ ως μέρος της αντίδρασής της στην ασθένεια. Οι περιπτώσεις χρήσης περιλαμβάνουν AI για τον εντοπισμό επαφών για την παρακολούθηση της εξάπλωσης της νόσου και της "διαχείρισης πληθυσμών προτεραιότητας".

Αλλά οι ακαδημαϊκοί, οι ερευνητές και οι επαγγελματίες υγείας αρχίζουν να παράγουν και άλλες μορφές AI.

Την Κυριακή, ερευνητές από το Νοσοκομείο Renmin του Πανεπιστημίου Wuhan, Wuhan EndoAngel Medical Technology Company και από το Πανεπιστήμιο Κίνας των Γεωεπιστημών μοιράστηκαν τη δουλειά για βαθιά μάθηση που ανίχνευσε το COVID-19 με αυτό που ισχυρίζονται ότι είναι 95% ακρίβεια. Το μοντέλο εκπαιδεύεται με CT ανιχνεύσεις 51 ασθενών με εργαστηριακά επιβεβαιωμένη πνευμονία COVID-19 και περισσότερες από 45.000 ανώνυμες εικόνες σάρωσης CT.

Το μοντέλο βαθιάς μάθησης έδειξε μια απόδοση συγκρίσιμη με τους ειδικούς ακτινολόγους και βελτίωσε την αποτελεσματικότητα των ακτινολόγων στην κλινική πρακτική. "Έχει μεγάλη δυνατότητα να ανακουφίσει την πίεση στους ακτινολόγους της πρώτης γραμμής, να βελτιώσει την έγκαιρη διάγνωση, την απομόνωση και τη θεραπεία και έτσι να συμβάλει στον έλεγχο της επιδημίας", αναφέρει μια εκ των προτέρων εκτύπωση για το μοντέλο που δημοσιεύτηκε στο medrxiv.org. (Ένα χαρτί προτύπου σημαίνει ότι δεν έχει υποβληθεί ακόμη σε ομότιμη επισκόπηση.)

Οι ερευνητές λένε ότι το μοντέλο μπορεί να μειώσει το χρόνο επιβεβαίωσης από τις CT σαρώνει κατά 65%. Σε παρόμοιες προσπάθειες που πραγματοποιούνται αλλού, η εκμάθηση μηχανών από το Infervision που εκπαιδεύεται σε εκατοντάδες χιλιάδες CT ανιχνεύει ανίχνευση κορωναϊού στο νοσοκομείο Zhongnan στο Wuhan.

AI για την πρόβλεψη της επιβίωσης σε ασθενείς με σοβαρές περιπτώσεις COVID-19

Στα αρχικά αποτελέσματα που μοιράστηκαν σε άλλο έντυπο προτύπου που ενημερώθηκε σήμερα για μένα με τη χρήση κλινικών δεδομένων από το νοσοκομείο Tongji στο Wuhan, ένα νέο σύστημα είναι σε θέση να προβλέψει ποσοστά επιβίωσης με ακρίβεια άνω του 90%.

Το έργο έγινε από ερευνητές της Σχολής Τεχνητής Νοημοσύνης και Αυτοματισμού, καθώς και από άλλα τμήματα του Πανεπιστημίου Επιστήμης και Τεχνολογίας του Huazhong στην Κίνα.

Οι συν-συγγραφείς λένε ότι η εκτίμηση επιβίωσης κοροναϊού σήμερα μπορεί να αντλήσει από περισσότερα από 300 εργαστηριακά ή κλινικά αποτελέσματα, αλλά η προσέγγισή τους εξετάζει μόνο τα αποτελέσματα που σχετίζονται με τη γαλακτική αφυδρογονάση (LDH), τα λεμφοκύτταρα και την υψηλής ευαισθησίας C-αντιδραστική πρωτεΐνη (hsCRP).

Σε ένα άλλο βιβλίο, "Deep Learning for Coronavirus Screening" που κυκλοφόρησε τον περασμένο μήνα στο arXiv από συνεργάτες που συνεργάζονται με την κινεζική κυβέρνηση, το μοντέλο χρησιμοποιεί πολλαπλά μοντέλα CNN για να ταξινομεί τα σύνολα δεδομένων CT και να υπολογίζει την πιθανότητα μόλυνσης του COVID-19. Σε προκαταρκτικά αποτελέσματα, ισχυρίζονται ότι το μοντέλο είναι σε θέση να προβλέψει τη διαφορά μεταξύ της COVID-19, της ιογενούς πνευμονίας της γρίπης-Α και των υγιεινών περιπτώσεων με ακρίβεια 86,7%.

Το μοντέλο βαθιάς μάθησης εκπαιδεύεται με CT ανιχνεύσεις ασθενών με γρίπη, ασθενείς με COVID-19 και υγιείς ανθρώπους από τρία νοσοκομεία στο Wuhan, συμπεριλαμβανομένων 219 εικόνων από 110 ασθενείς με COVID-19.

Επειδή το ξέσπασμα εξαπλώνεται τόσο γρήγορα, εκείνοι που βρίσκονται στις πρώτες γραμμές χρειάζονται εργαλεία που θα τους βοηθήσουν να εντοπίσουν και να θεραπεύσουν τους πληγέντες με την ίδια ταχύτητα. Τα εργαλεία πρέπει να είναι ακριβή επίσης. Δεν είναι έκπληξη το γεγονός ότι υπάρχουν ήδη λύσεις που κινούνται με AI που αναπτύσσονται στο φυσικό περιβάλλον και είναι σχεδόν βέβαιο ότι θα υπάρξουν περισσότερα από τον δημόσιο και τον ιδιωτικό τομέα.