Hulaan ang isang epidemya bago ito tumama

Ang Canadian BlueDot algorithm ay mas mabilis kaysa sa mga eksperto sa pagkilala sa banta mula sa pinakabagong coronavirus. Ipinaalam niya sa kanyang mga kliyente ang banta ilang araw bago ang U.S. Centers for Disease Control and Prevention (CDC) at ang World Health Organization (WHO) ay nagpadala ng mga opisyal na abiso sa mundo.

Kamran Khan (1), manggagamot, espesyalista sa nakakahawang sakit, tagapagtatag at CEO ng programa BlueDot, ipinaliwanag sa isang press interview kung paano ang sistema ng maagang babala na ito ay gumagamit ng artificial intelligence, kabilang ang natural na pagpoproseso ng wika at machine learning, upang subaybayan kahit isang daang nakakahawang sakit sa parehong oras. Humigit-kumulang 100 artikulo sa 65 na wika ang sinusuri araw-araw.

1. Kamran Khan at isang mapa na nagpapakita ng pagkalat ng Wuhan coronavirus.

Ang data na ito ay nagbibigay ng senyales sa mga kumpanya kung kailan aabisuhan ang kanilang mga customer ng potensyal na presensya at pagkalat ng isang nakakahawang sakit. Ang ibang data, gaya ng impormasyon tungkol sa mga itinerary sa paglalakbay at flight, ay maaaring makatulong sa pagbibigay ng karagdagang impormasyon tungkol sa posibilidad na magkaroon ng outbreak.

Ang ideya sa likod ng modelong BlueDot ay ang mga sumusunod. makakuha ng impormasyon sa lalong madaling panahon mga manggagawa sa pangangalagang pangkalusugan sa pag-asa na maaari nilang masuri - at, kung kinakailangan, ihiwalay - ang mga nahawahan at potensyal na nakakahawa sa isang maagang yugto ng banta. Ipinaliwanag ni Khan na ang algorithm ay hindi gumagamit ng data ng social media dahil ito ay "masyadong magulo". Gayunpaman, "ang opisyal na impormasyon ay hindi palaging napapanahon," sinabi niya sa Recode. At ang oras ng reaksyon ang mahalaga upang matagumpay na maiwasan ang isang outbreak.

Nagtatrabaho si Khan bilang isang espesyalista sa nakakahawang sakit sa Toronto noong 2003 nang mangyari ito. epidemya SARS. Nais niyang bumuo ng isang bagong paraan upang masubaybayan ang mga ganitong uri ng sakit. Matapos subukan ang ilang mga predictive na programa, inilunsad niya ang BlueDot noong 2014 at nakalikom ng $9,4 milyon na pondo para sa kanyang proyekto. Ang kumpanya ay kasalukuyang gumagamit ng apatnapung empleyado, mga doktor at programmerna bumubuo ng isang analytical tool upang subaybayan ang mga sakit.

Pagkatapos mangolekta ng data at ang kanilang paunang pagpili, pumasok sila sa laro analista. pagkatapos mga epidemiologist Sinusuri nila ang mga natuklasan para sa pang-agham na bisa at pagkatapos ay iulat muli sa gobyerno, negosyo, at mga propesyonal sa pangangalagang pangkalusugan. mga customer.

Idinagdag ni Khan na ang kanyang system ay maaari ding gumamit ng isang hanay ng iba pang data, tulad ng impormasyon tungkol sa klima ng isang partikular na lugar, temperatura, at kahit na impormasyon tungkol sa mga lokal na hayop, upang mahulaan kung ang isang taong nahawaan ng sakit ay maaaring magdulot ng pagsiklab. Tinukoy niya na noon pang 2016, nahulaan ng Blue-Dot ang isang pagsiklab ng Zika virus sa Florida anim na buwan bago ito aktwal na nakarehistro sa lugar.

Ang kumpanya ay nagpapatakbo sa katulad na paraan at gumagamit ng mga katulad na teknolohiya. Metabiotpagsubaybay sa epidemya ng SARS. Ang mga eksperto nito sa isang pagkakataon ay natagpuan na ang pinakamalaking panganib ng paglitaw ng virus na ito sa Thailand, South Korea, Japan at Taiwan, at ginawa nila ito higit sa isang linggo bago ang anunsyo ng mga kaso sa mga bansang ito. Ang ilan sa kanilang mga konklusyon ay nakuha mula sa pagsusuri ng data ng flight ng pasahero.

Ang Metabiota, tulad ng BlueDot, ay gumagamit ng natural na pagpoproseso ng wika upang suriin ang mga potensyal na ulat ng sakit, ngunit nagtatrabaho din upang bumuo ng parehong teknolohiya para sa impormasyon ng social media.

Mark Gallivan, ang siyentipikong direktor ng data ng Metabiota, ay ipinaliwanag sa media na ang mga online na platform at forum ay maaaring magpahiwatig ng panganib ng isang pagsiklab. Sinasabi rin ng mga eksperto sa staff na maaari nilang tantyahin ang panganib ng isang sakit na nagdudulot ng kaguluhan sa lipunan at pulitika batay sa impormasyon tulad ng mga sintomas ng sakit, dami ng namamatay at pagkakaroon ng paggamot.

Sa panahon ng Internet, inaasahan ng lahat ang isang mabilis, maaasahan at marahil nababasang visual na presentasyon ng impormasyon tungkol sa pag-unlad ng epidemya ng coronavirus, halimbawa, sa anyo ng isang na-update na mapa.

2. Johns Hopkins University Coronavirus 2019-nCoV Dashboard.

Ang Center for Systems Science and Engineering sa Johns Hopkins University ay binuo marahil ang pinakasikat na dashboard ng coronavirus sa mundo (2). Ibinigay din nito ang kumpletong dataset para i-download bilang Google sheet. Ang mapa ay nagpapakita ng mga bagong kaso, kumpirmadong pagkamatay at paggaling. Ang data na ginamit para sa visualization ay nagmumula sa iba't ibang source, kabilang ang WHO, CDC, China CDC, NHC, at DXY, isang Chinese website na pinagsasama-sama ang mga ulat ng NHC at real-time na lokal na ulat sa sitwasyon ng CCDC.

Mga diagnostic sa oras, hindi araw

Unang narinig ng mundo ang tungkol sa isang bagong sakit na lumitaw sa Wuhan, China. Ang 31 Disyembre 2019 lungsod Makalipas ang isang linggo, inihayag ng mga Chinese scientist na natukoy na nila ang salarin. Nang sumunod na linggo, binuo ng mga German na espesyalista ang unang diagnostic test (3). Ito ay mabilis, mas mabilis kaysa sa mga araw ng SARS o katulad na mga epidemya bago at pagkatapos.

Sa simula pa lamang ng huling dekada, ang mga siyentipiko na naghahanap ng ilang uri ng mapanganib na virus ay kailangang palaguin ito sa mga selula ng hayop sa mga pagkaing Petri. Dapat ay nakagawa ka ng sapat na mga virus upang makagawa ihiwalay ang DNA at basahin ang genetic code sa pamamagitan ng isang proseso na kilala bilang pagkakasunud-sunod. Gayunpaman, sa mga nakaraang taon, ang pamamaraan na ito ay umunlad nang malaki.

Hindi na kailangan ng mga siyentipiko na palaguin ang virus sa mga selula. Maaari nilang direktang tuklasin ang napakaliit na dami ng viral DNA sa mga baga o mga pagtatago ng dugo ng isang pasyente. At ito ay tumatagal ng mga oras, hindi araw.

Ang trabaho ay isinasagawa upang bumuo ng mas mabilis at mas maginhawang mga tool sa pagtuklas ng virus. Ang Veredus Laboratories na nakabase sa Singapore ay gumagawa ng isang portable kit upang makita, VereChip (4) ay ibebenta mula Pebrero 1 sa taong ito. Mapapabilis din ng mga mahusay at portable na solusyon ang pagtukoy sa mga nahawahan para sa wastong pangangalagang medikal kapag nagde-deploy ng mga medikal na team sa field, lalo na kapag siksikan ang mga ospital.

Ang mga kamakailang pagsulong sa teknolohiya ay naging posible upang mangolekta at magbahagi ng mga resulta ng diagnostic nang malapit sa real time. Halimbawa ng platform mula sa Quidel София sistema ko PCR10 FilmArray Ang mga kumpanya ng BioFire na nagbibigay ng mabilis na diagnostic na pagsusuri para sa mga respiratory pathogen ay agad na magagamit sa pamamagitan ng wireless na koneksyon sa mga database sa cloud.

Ang 2019-nCoV coronavirus (COVID-19) genome ay ganap na na-sequence ng mga Chinese scientist wala pang isang buwan pagkatapos matuklasan ang unang kaso. Halos dalawampu pa ang natapos mula noong unang pagkakasunud-sunod. Sa paghahambing, nagsimula ang epidemya ng virus ng SARS noong huling bahagi ng 2002, at ang kumpletong genome nito ay hindi magagamit hanggang Abril 2003.

Ang genome sequencing ay kritikal sa pagbuo ng mga diagnostic at bakuna laban sa sakit na ito.

Ospital Innovation

5. Medikal na robot mula sa Providence Regional Medical Center sa Everett.

Sa kasamaang palad, ang bagong coronavirus ay nagbabanta din sa mga doktor. Ayon sa CNN, maiwasan ang pagkalat ng coronavirus sa loob at labas ng ospital, staff sa Providence Regional Medical Center sa Everett, Washington, ay gumagamit Ang robot (5), na sumusukat sa mga mahahalagang palatandaan sa isang nakahiwalay na pasyente at nagsisilbing isang platform ng video conferencing. Ang makina ay higit pa sa isang communicator sa mga gulong na may built-in na screen, ngunit hindi nito ganap na inaalis ang paggawa ng tao.

Kailangan pa ring pumasok ng mga nars sa silid kasama ang pasyente. Kinokontrol din nila ang isang robot na hindi malantad sa impeksyon, kahit na biologically, kaya ang mga device ng ganitong uri ay lalong gagamitin sa paggamot ng mga nakakahawang sakit.

Siyempre, ang mga silid ay maaaring insulated, ngunit kailangan mo ring mag-ventilate upang makahinga ka. Nangangailangan ito ng bago mga sistema ng bentilasyonpinipigilan ang pagkalat ng mga mikrobyo.

Ang kumpanyang Finnish na Genano (6), na bumuo ng mga ganitong uri ng mga diskarte, ay nakatanggap ng isang express order para sa mga institusyong medikal sa China. Ang opisyal na pahayag ng kumpanya ay nagsasaad na ang kumpanya ay may malawak na karanasan sa pagbibigay ng kagamitan upang maiwasan ang pagkalat ng mga nakakahawang sakit sa mga sterile at nakahiwalay na mga silid ng ospital. Sa mga nakaraang taon, nagsagawa siya, bukod sa iba pang mga bagay, ang mga paghahatid sa mga institusyong medikal sa Saudi Arabia sa panahon ng epidemya ng MERS virus. Ang mga aparatong Finnish para sa ligtas na bentilasyon ay naihatid na rin sa sikat na pansamantalang ospital para sa mga taong nahawaan ng 2019-nCoV coronavirus sa Wuhan, na naitayo na sa loob ng sampung araw.

6. Diagram ng sistema ng Genano sa insulator

Ang patented na teknolohiya na ginagamit sa mga purifier ay "tinatanggal at pinapatay ang lahat ng mga mikrobyo sa hangin tulad ng mga virus at bakterya," ayon kay Genano. May kakayahang kumuha ng mga pinong particle na kasing liit ng 3 nanometer, ang mga air purifier ay walang mekanikal na filter upang mapanatili, at ang hangin ay sinasala ng isang malakas na electric field.

Ang isa pang teknikal na kuryusidad na lumitaw sa pagsiklab ng coronavirus ay mga thermal scanner, ginagamit, bukod sa iba pang mga bagay, ang mga taong may lagnat ay sinusundo sa mga paliparan ng India.

Internet - nasaktan o tumulong?

Sa kabila ng malaking alon ng pagpuna para sa pagtitiklop at pagpapakalat, pagkalat ng maling impormasyon at pagkasindak, ang mga tool sa social media ay may positibong papel din simula noong sumiklab ang China.

Gaya ng iniulat, halimbawa, ng Chinese technology site na TMT Post, isang social platform para sa mga mini-video. douyin, na katumbas ng Chinese ng sikat sa buong mundo na TikTok (7), ay naglunsad ng isang espesyal na segment upang iproseso ang impormasyon tungkol sa pagkalat ng coronavirus. Sa ilalim ng hashtag #Labanan ang Pneumonia, nag-publish hindi lamang ng impormasyon mula sa mga user, kundi pati na rin ng mga ekspertong ulat at payo.

Bilang karagdagan sa pagpapataas ng kamalayan at pagpapalaganap ng mahalagang impormasyon, nilalayon din ni Douyin na magsilbing tool ng suporta para sa mga doktor at kawani ng medikal na lumalaban sa virus, gayundin sa mga nahawaang pasyente. Analyst Daniel Ahmad nag-tweet na ang app ay naglunsad ng "Jiayou video effect" (nangangahulugang paghihikayat) na dapat gamitin ng mga user upang magpadala ng mga positibong mensahe bilang suporta sa mga doktor, propesyonal sa pangangalagang pangkalusugan, at mga pasyente. Ang ganitong uri ng nilalaman ay nai-publish din ng mga sikat na tao, mga kilalang tao at mga tinatawag na influencer.

Sa ngayon, pinaniniwalaan na ang isang maingat na pag-aaral ng mga uso sa social media na may kaugnayan sa kalusugan ay makakatulong nang malaki sa mga siyentipiko at mga awtoridad sa kalusugan ng publiko na mas makilala at maunawaan ang mga mekanismo ng paghahatid ng sakit sa pagitan ng mga tao.

Bahagyang dahil ang social media ay may posibilidad na "highly contextual at lalong hyper-local," sinabi niya sa The Atlantic noong 2016. Marseille Salad, isang mananaliksik sa Federal Polytechnic School sa Lausanne, Switzerland, at isang dalubhasa sa lumalaking larangan na tinatawag ng mga siyentipiko "Digital Epidemiology". Gayunpaman, sa ngayon, idinagdag niya, sinusubukan pa rin ng mga mananaliksik na maunawaan kung ang social media ay nagsasalita tungkol sa mga problema sa kalusugan na aktwal na sumasalamin sa epidemiological phenomena o hindi (8).

8. Nagse-selfie ang mga Intsik na may maskara.

Ang mga resulta ng mga unang eksperimento sa bagay na ito ay hindi malinaw. Noong 2008, naglunsad ang mga inhinyero ng Google ng tool sa paghula ng sakit - Google Flu Trends (GFT). Pinlano ng kumpanya na gamitin ito upang pag-aralan ang data ng search engine ng Google para sa mga sintomas at signal na salita. Noong panahong iyon, umaasa siyang magagamit ang mga resulta upang tumpak at agad na makilala ang "mga balangkas" ng mga paglaganap ng trangkaso at dengue - dalawang linggo nang mas maaga kaysa sa U.S. Centers for Disease Control and Prevention. (CDC), na ang pananaliksik ay itinuturing na pinakamahusay na pamantayan sa larangan. Gayunpaman, ang mga resulta ng Google sa maagang Internet signal-based na diagnosis ng trangkaso sa US at malaria sa Thailand ay itinuring na masyadong hindi tumpak.

Mga pamamaraan at sistema na "naghuhula" ng iba't ibang mga kaganapan, kasama ang. tulad ng pagsabog ng mga kaguluhan o epidemya, nagtrabaho din ang Microsoft, na noong 2013, kasama ang Israeli Technion Institute, ay naglunsad ng isang programa sa paghuhula ng sakuna batay sa pagsusuri ng nilalaman ng media. Sa tulong ng vivisection ng mga multilingguwal na headline, kinailangan ng "computer intelligence" na kilalanin ang mga banta sa lipunan.

Sinuri ng mga siyentipiko ang ilang mga pagkakasunod-sunod ng mga kaganapan, tulad ng impormasyon tungkol sa tagtuyot sa Angola, na nagbigay ng mga hula sa mga sistema ng pagtataya tungkol sa isang posibleng epidemya ng kolera, dahil natagpuan nila ang isang koneksyon sa pagitan ng tagtuyot at isang pagtaas sa saklaw ng sakit. Ang balangkas ng sistema ay nilikha batay sa pagsusuri ng mga publikasyong archival ng New York Times, simula noong 1986. Ang karagdagang pag-unlad at ang proseso ng machine learning ay kasangkot sa paggamit ng mga bagong mapagkukunan ng Internet.

Sa ngayon, batay sa tagumpay ng BlueDot at Metabiota sa epidemiological forecasting, ang isa ay maaaring matukso na maghinuha na ang isang tumpak na hula ay posible pangunahin sa batayan ng "kwalipikadong" data, ibig sabihin. propesyonal, na-verify, pinasadyang mga mapagkukunan, hindi ang kaguluhan ng mga komunidad sa Internet at portal.

Ngunit marahil ito ay tungkol sa mas matalinong mga algorithm at mas mahusay na pag-aaral ng makina?