იწინასწარმეტყველეთ ეპიდემია, სანამ ის მოხვდება

კანადური BlueDot ალგორითმი უფრო სწრაფი იყო, ვიდრე ექსპერტები უახლესი კორონავირუსის საფრთხის ამოცნობაში. მან თავის კლიენტებს საფრთხის შესახებ აცნობა რამდენიმე დღით ადრე, სანამ აშშ-ს დაავადებათა კონტროლისა და პრევენციის ცენტრები (CDC) და ჯანდაცვის მსოფლიო ორგანიზაცია (WHO) ოფიციალურ შეტყობინებებს გაუგზავნიდნენ მსოფლიოს.

კამრან ხანი (1), ექიმი, ინფექციონისტი, პროგრამის დამფუძნებელი და აღმასრულებელი დირექტორი BlueDotპრესასთან ინტერვიუში განმარტა, თუ როგორ იყენებს ეს ადრეული გაფრთხილების სისტემა ხელოვნურ ინტელექტს, ბუნებრივი ენის დამუშავებისა და მანქანური სწავლების ჩათვლით, რათა თვალყური ადევნოს ასი გადამდები დაავადება ერთდროულად. ყოველდღიურად 100 ენაზე დაახლოებით 65 XNUMX სტატიის ანალიზი ხდება.

1. კამრან ხანი და რუკა, რომელიც აჩვენებს ვუჰანის კორონავირუსის გავრცელებას.

ეს მონაცემები კომპანიებს აცნობებს, როდის უნდა აცნობონ მომხმარებლებს ინფექციური დაავადების პოტენციური არსებობისა და გავრცელების შესახებ. სხვა მონაცემები, როგორიცაა ინფორმაცია მოგზაურობის მარშრუტებისა და ფრენების შესახებ, დაგეხმარებათ დამატებითი ინფორმაციის მოწოდებაში ეპიდემიის განვითარების ალბათობის შესახებ.

BlueDot მოდელის იდეა შემდეგია. მიიღეთ ინფორმაცია რაც შეიძლება მალე ჯანდაცვის მუშაკები იმ იმედით, რომ მათ შეუძლიათ საფრთხის ადრეულ ეტაპზე ინფიცირებული და პოტენციურად გადამდები ადამიანების დიაგნოსტიკა და, საჭიროების შემთხვევაში, იზოლაცია. ხანი განმარტავს, რომ ალგორითმი არ იყენებს სოციალური მედიის მონაცემებს, რადგან ის „ზედმეტად ქაოტურია“. თუმცა, „ოფიციალური ინფორმაცია ყოველთვის არ არის განახლებული“, განუცხადა მან Recode-ს. და რეაქციის დრო არის ის, რაც მნიშვნელოვანია ეპიდემიის წარმატებით თავიდან ასაცილებლად.

ხანი მუშაობდა ინფექციონისტად ტორონტოში 2003 წელს, როდესაც ეს მოხდა. SARS-ის ეპიდემია. მას სურდა შეემუშავებინა ახალი გზა ამ ტიპის დაავადებების თვალყურის დევნებისთვის. რამდენიმე პროგნოზირებადი პროგრამის ტესტირების შემდეგ, მან 2014 წელს გამოუშვა BlueDot და მოაგროვა $9,4 მილიონი დაფინანსება თავისი პროექტისთვის. კომპანიაში ამჟამად დასაქმებულია ორმოცი თანამშრომელი, ექიმები და პროგრამისტებირომლებიც ავითარებენ ანალიტიკურ ინსტრუმენტს დაავადებების თვალყურის დევნებისთვის.

მონაცემების შეგროვებისა და მათი თავდაპირველი შერჩევის შემდეგ შედიან თამაშში ანალიტიკოსები. შემდეგ ეპიდემიოლოგია ისინი ამოწმებენ დასკვნებს სამეცნიერო ვალიდობისთვის და შემდეგ აცნობებენ მთავრობას, ბიზნესს და ჯანდაცვის პროფესიონალებს. მომხმარებელს.

ხანმა დაამატა, რომ მის სისტემას ასევე შეუძლია გამოიყენოს მთელი რიგი სხვა მონაცემები, როგორიცაა ინფორმაცია კონკრეტული ტერიტორიის კლიმატის, ტემპერატურისა და ადგილობრივი პირუტყვის შესახებ ინფორმაციაც კი, რათა წინასწარ განსაზღვროს, შეიძლება თუ არა ამ დაავადებით ინფიცირებული ვინმეს გამოწვევა. ის აღნიშნავს, რომ უკვე 2016 წელს Blue-Dot-მა შეძლო ფლორიდაში ზიკას ვირუსის გავრცელების პროგნოზირება ექვსი თვით ადრე, სანამ ის რეალურად დარეგისტრირდებოდა ამ მხარეში.

კომპანია მუშაობს ანალოგიურად და მსგავსი ტექნოლოგიების გამოყენებით. მეტაბიოტაSARS-ის ეპიდემიის მონიტორინგი. მისმა ექსპერტებმა ერთ დროს დაადგინეს, რომ ამ ვირუსის გაჩენის ყველაზე დიდი რისკი ტაილანდში, სამხრეთ კორეაში, იაპონიასა და ტაივანში იყო და მათ ეს გააკეთეს ამ ქვეყნებში შემთხვევების გამოცხადებამდე ერთი კვირით ადრე. მათი ზოგიერთი დასკვნა სამგზავრო ფრენის მონაცემების ანალიზით იქნა მიღებული.

Metabiota, ისევე როგორც BlueDot, იყენებს ბუნებრივი ენის დამუშავებას პოტენციური დაავადების ანგარიშების შესაფასებლად, მაგრამ ასევე მუშაობს იმავე ტექნოლოგიის შემუშავებაზე სოციალური მედიის ინფორმაციისთვის.

მარკ გალივანიMetabiota-ს მონაცემების სამეცნიერო დირექტორმა განუმარტა მედიას, რომ ონლაინ პლატფორმებსა და ფორუმებს შეუძლიათ სიგნალი გაუწიონ დაავადების გავრცელების რისკს. პერსონალის ექსპერტები ასევე ამბობენ, რომ მათ შეუძლიათ შეაფასონ დაავადების რისკი, რომელიც იწვევს სოციალურ და პოლიტიკურ აჯანყებას, ისეთი ინფორმაციის საფუძველზე, როგორიცაა დაავადების სიმპტომები, სიკვდილიანობა და მკურნალობის ხელმისაწვდომობა.

ინტერნეტის ეპოქაში ყველა ელოდება კოროვირუსული ეპიდემიის პროგრესის შესახებ ინფორმაციის სწრაფ, სანდო და შესაძლოა წაკითხულ ვიზუალურ პრეზენტაციას, მაგალითად, განახლებული რუკის სახით.

2. ჯონს ჰოპკინსის უნივერსიტეტის Coronavirus 2019-nCoV Dashboard.

ჯონ ჰოპკინსის უნივერსიტეტის სისტემური მეცნიერებისა და ინჟინერიის ცენტრმა შეიმუშავა, ალბათ, მსოფლიოში ყველაზე ცნობილი კორონავირუსის დაფა (2). მან ასევე უზრუნველყო სრული მონაცემთა ნაკრები Google-ის ფურცლის სახით ჩამოსატვირთად. რუკაზე ნაჩვენებია ახალი შემთხვევები, დადასტურებული გარდაცვალება და გამოჯანმრთელება. ვიზუალიზაციისთვის გამოყენებული მონაცემები მოდის სხვადასხვა წყაროდან, მათ შორის WHO, CDC, ჩინეთის CDC, NHC და DXY, ჩინური ვებსაიტი, რომელიც აერთიანებს NHC ანგარიშებს და რეალურ დროში ადგილობრივ CCDC სიტუაციის ანგარიშებს.

დიაგნოსტიკა საათებშია და არა დღეებში

მსოფლიომ პირველად გაიგო ახალი დაავადების შესახებ, რომელიც ჩინეთის ქალაქ ვუჰანში გაჩნდა. 31 წლის 2019 დეკემბერი ერთი კვირის შემდეგ, ჩინელმა მეცნიერებმა განაცხადეს, რომ მათ დაადგინეს დამნაშავე. მომდევნო კვირას გერმანელმა სპეციალისტებმა შეიმუშავეს პირველი დიაგნოსტიკური ტესტი (3). ის სწრაფია, ბევრად უფრო სწრაფი, ვიდრე SARS-ის ან მსგავსი ეპიდემიების დროს და მის შემდეგ.

ჯერ კიდევ გასული ათწლეულის დასაწყისში, მეცნიერებს, რომლებიც ეძებდნენ რაიმე სახის სახიფათო ვირუსს, უნდა გაეზარდათ იგი ცხოველურ უჯრედებში პეტრის ჭურჭელში. თქვენ უნდა შექმნათ საკმარისი ვირუსები დნმ-ის იზოლირება და წაიკითხეთ გენეტიკური კოდი პროცესის საშუალებით, რომელიც ცნობილია როგორც მოქმედებების თანმიმდევრობა. თუმცა, ბოლო წლებში ეს ტექნიკა საოცრად განვითარდა.

მეცნიერებს აღარ სჭირდებათ ვირუსის უჯრედებში გამრავლება. მათ შეუძლიათ უშუალოდ აღმოაჩინონ ვირუსული დნმ-ის ძალიან მცირე რაოდენობა პაციენტის ფილტვებში ან სისხლის სეკრეციაში. და საათები სჭირდება და არა დღეები.

მიმდინარეობს მუშაობა ვირუსების აღმოჩენის კიდევ უფრო სწრაფი და მოსახერხებელი ხელსაწყოების შემუშავებაზე. სინგაპურში დაფუძნებული Veredus Laboratories მუშაობს პორტატულ კომპლექტზე, რათა აღმოაჩინოს, VereChip (4) გაყიდვაში გამოვა მიმდინარე წლის 1 თებერვლიდან. ეფექტური და პორტატული გადაწყვეტილებები ასევე აჩქარებს ინფიცირებულთა იდენტიფიცირებას სათანადო სამედიცინო დახმარებისთვის სამედიცინო გუნდების ადგილზე განლაგებისას, განსაკუთრებით მაშინ, როდესაც საავადმყოფოები გადატვირთულია.

ბოლოდროინდელმა ტექნოლოგიურმა მიღწევებმა შესაძლებელი გახადა დიაგნოსტიკური შედეგების შეგროვება და გაზიარება თითქმის რეალურ დროში. პლატფორმის მაგალითი Quidel-ისგან София მე ვარ სისტემა PCR10 FilmArray BioFire კომპანიები, რომლებიც უზრუნველყოფენ რესპირატორული პათოგენების სწრაფ დიაგნოსტიკურ ტესტებს, დაუყოვნებლივ ხელმისაწვდომია ღრუბელში მონაცემთა ბაზებთან უკაბელო კავშირის საშუალებით.

2019-nCoV კორონავირუსის (COVID-19) გენომის სრული თანმიმდევრობა მოახდინეს ჩინელმა მეცნიერებმა პირველი შემთხვევის აღმოჩენიდან ერთ თვეზე ნაკლებ დროში. კიდევ თითქმის ოცი დასრულდა პირველი თანმიმდევრობის შემდეგ. შედარებისთვის, SARS ვირუსის ეპიდემია დაიწყო 2002 წლის ბოლოს და მისი სრული გენომი ხელმისაწვდომი არ იყო 2003 წლის აპრილამდე.

გენომის თანმიმდევრობა გადამწყვეტია ამ დაავადების საწინააღმდეგო დიაგნოსტიკისა და ვაქცინების შემუშავებისთვის.

საავადმყოფოს ინოვაცია

5. სამედიცინო რობოტი პროვიდენსის რეგიონალური სამედიცინო ცენტრიდან ევერეტში.

სამწუხაროდ, ახალი კორონავირუსი ექიმებსაც ემუქრება. CNN-ის ცნობით, თავიდან აიცილოთ კორონავირუსის გავრცელება საავადმყოფოს შიგნით და მის გარეთ, პროვიდენსის რეგიონალური სამედიცინო ცენტრის თანამშრომლები ევერეტში, ვაშინგტონი, იყენებენ რობოტი (5), რომელიც ზომავს სასიცოცხლო მნიშვნელობებს იზოლირებულ პაციენტში და მოქმედებს როგორც ვიდეო კონფერენციის პლატფორმა. მანქანა უფრო მეტია, ვიდრე უბრალოდ კომუნიკატორი ბორბლებზე ჩაშენებული ეკრანით, მაგრამ ის მთლიანად არ გამორიცხავს ადამიანის შრომას.

ექთნებს პაციენტთან ერთად ოთახში მაინც უწევთ შესვლა. ისინი ასევე აკონტროლებენ რობოტს, რომელიც არ ექვემდებარება ინფექციას, ყოველ შემთხვევაში ბიოლოგიურად, ამიტომ ამ ტიპის მოწყობილობები სულ უფრო მეტად გამოიყენებენ ინფექციური დაავადებების სამკურნალოდ.

რა თქმა უნდა, ოთახები შეიძლება იყოს იზოლირებული, მაგრამ ასევე საჭიროა ვენტილაცია, რომ სუნთქვა შეძლოთ. ეს მოითხოვს ახალს ვენტილაციის სისტემებიმიკრობების გავრცელების პრევენცია.

ფინურმა კომპანია Genano-მ (6), რომელმაც შეიმუშავა ამ ტიპის ტექნიკა, მიიღო ექსპრეს შეკვეთა ჩინეთის სამედიცინო დაწესებულებებისთვის. კომპანიის ოფიციალურ განცხადებაში ნათქვამია, რომ კომპანიას აქვს სტერილურ და იზოლირებულ საავადმყოფო ოთახებში ინფექციური დაავადებების გავრცელების პრევენციის აღჭურვილობის უზრუნველყოფის დიდი გამოცდილება. წინა წლებში მან, სხვა საკითხებთან ერთად, ახორციელებდა მიწოდებას საუდის არაბეთის სამედიცინო დაწესებულებებში MERS ვირუსის ეპიდემიის დროს. ფინური მოწყობილობები უსაფრთხო ვენტილაციისთვის ასევე გადაეცა ვუჰანში 2019-nCoV კორონავირუსით ინფიცირებულთა ცნობილ დროებით საავადმყოფოს, რომელიც უკვე აშენდა ათ დღეში.

6. გენანოს სისტემის დიაგრამა იზოლატორში

გენანოს თქმით, გამწმენდებში გამოყენებული დაპატენტებული ტექნოლოგია „აცილებს და კლავს ჰაერში არსებულ ყველა მიკრობს, როგორიცაა ვირუსები და ბაქტერიები“. ჰაერის გამწმენდებს არ გააჩნიათ მექანიკური ფილტრი შესანარჩუნებლად, რომლებსაც შეუძლიათ 3 ნანომეტრიანი წვრილი ნაწილაკების დაჭერა, ხოლო ჰაერი იფილტრება ძლიერი ელექტრული ველით.

კიდევ ერთი ტექნიკური კურიოზი, რომელიც გაჩნდა კორონავირუსის შიშის დროს იყო თერმული სკანერები, გამოიყენება, სხვა საკითხებთან ერთად, სიცხის მქონე ადამიანებს აყვანენ ინდოეთის აეროპორტებში.

ინტერნეტი - ტკივილი თუ დახმარება?

კრიტიკისა და გავრცელების, დეზინფორმაციისა და პანიკის გავრცელების კრიტიკის უზარმაზარი ტალღის მიუხედავად, სოციალური მედიის ინსტრუმენტებმა ასევე დადებითი როლი ითამაშეს ჩინეთში გავრცელების შემდეგ.

როგორც იტყობინება, მაგალითად, ჩინური ტექნოლოგიური საიტი TMT Post, სოციალური პლატფორმა მინი-ვიდეოებისთვის. დუინი, რომელიც მსოფლიოში ცნობილი TikTok-ის (7) ჩინური ეკვივალენტია, ამოქმედდა სპეციალური სეგმენტი კორონავირუსის გავრცელების შესახებ ინფორმაციის დასამუშავებლად. ჰეშთეგის ქვეშ #ვებრძოლოთ პნევმონიას, აქვეყნებს არა მხოლოდ მომხმარებლების ინფორმაციას, არამედ ექსპერტთა ანგარიშებს და რჩევებს.

გარდა ცნობიერების ამაღლებისა და მნიშვნელოვანი ინფორმაციის გავრცელებისა, Douyin ასევე მიზნად ისახავს იყოს დამხმარე ინსტრუმენტი ექიმებისა და სამედიცინო პერსონალისთვის, რომლებიც ებრძვიან ვირუსს, ასევე ინფიცირებულ პაციენტებს. ანალიტიკოსი დანიელ აჰმადი ტვიტერზე დაწერა, რომ აპლიკაციამ გამოუშვა "Jiayou ვიდეო ეფექტი" (იგულისხმება წახალისება), რომელიც მომხმარებლებმა უნდა გამოიყენონ ექიმების, ჯანდაცვის პროფესიონალებისა და პაციენტების მხარდასაჭერად დადებითი შეტყობინებების გასაგზავნად. ამ ტიპის კონტენტს ასევე აქვეყნებენ ცნობილი ადამიანები, სელებრითები და ე.წ.

დღეს ითვლება, რომ ჯანმრთელობასთან დაკავშირებული სოციალური მედიის ტენდენციების გულდასმით შესწავლა დიდად დაეხმარება მეცნიერებსა და საზოგადოებრივი ჯანდაცვის ორგანოებს, უკეთ აღიარონ და გაიგონ ადამიანებს შორის დაავადების გადაცემის მექანიზმები.

ნაწილობრივ იმიტომ, რომ სოციალური მედია მიდრეკილია იყოს "უაღრესად კონტექსტური და სულ უფრო ჰიპერლოკალური", განუცხადა მან The Atlantic-ს 2016 წელს. მარსელის სალათი, შვეიცარია, ლოზანის ფედერალური პოლიტექნიკური სკოლის მკვლევარი და მზარდი სფეროს ექსპერტი, რომელსაც მეცნიერები უწოდებენ "ციფრული ეპიდემიოლოგია". თუმცა, ამ დროისთვის, დასძინა მან, მკვლევარები ჯერ კიდევ ცდილობენ გაიგონ, საუბრობს თუ არა სოციალური მედია ჯანმრთელობის პრობლემებზე, რომლებიც რეალურად ასახავს ეპიდემიოლოგიურ მოვლენებს, თუ არა (8).

8. ჩინელები იღებენ სელფებს ნიღბებით.

პირველი ექსპერიმენტების შედეგები ამ მხრივ გაურკვეველია. უკვე 2008 წელს Google-ის ინჟინრებმა გამოუშვეს დაავადების პროგნოზირების ინსტრუმენტი - Google Flu Trends (GFT). კომპანია აპირებდა მისი გამოყენება Google-ის საძიებო სისტემის მონაცემების სიმპტომებისა და სასიგნალო სიტყვების გასაანალიზებლად. იმ დროს მან იმედი გამოთქვა, რომ შედეგები გამოიყენებოდა ზუსტად და დაუყოვნებლივ ამოიცნო გრიპის და დენგეს ეპიდემიის „მოხაზულობა“ - ორი კვირით ადრე, ვიდრე აშშ-ს დაავადებათა კონტროლისა და პრევენციის ცენტრები. (CDC), რომლის კვლევა ითვლება საუკეთესო სტანდარტად ამ სფეროში. თუმცა, Google-ის შედეგები გრიპის ადრეული ინტერნეტ სიგნალზე დაფუძნებული დიაგნოსტიკის შესახებ აშშ-ში და მოგვიანებით მალარია ტაილანდში ძალიან არაზუსტად იქნა მიჩნეული.

ტექნიკა და სისტემები, რომლებიც „წინასწარმეტყველებენ“ სხვადასხვა მოვლენებს, მათ შორის. როგორიცაა არეულობების ან ეპიდემიების აფეთქება, ასევე იმუშავა მაიკროსოფტმა, რომელმაც 2013 წელს ისრაელის ტექნიკურ ინსტიტუტთან ერთად დაიწყო კატასტროფების პროგნოზირების პროგრამა, რომელიც დაფუძნებულია მედია კონტენტის ანალიზზე. მრავალენოვანი სათაურების ვივისექციის დახმარებით „კომპიუტერულ ინტელექტს“ სოციალური საფრთხეების ამოცნობა უწევდა.

მეცნიერებმა გამოიკვლიეს მოვლენების გარკვეული თანმიმდევრობა, როგორიცაა ინფორმაცია ანგოლაში გვალვის შესახებ, რამაც გამოიწვია პროგნოზირების სისტემებში ქოლერის შესაძლო ეპიდემიის შესახებ პროგნოზები, რადგან მათ აღმოაჩინეს კავშირი გვალვასა და დაავადების სიხშირის ზრდას შორის. სისტემის ჩარჩო შეიქმნა New York Times-ის საარქივო გამოცემების ანალიზის საფუძველზე, 1986 წლიდან. შემდგომი განვითარება და მანქანური სწავლების პროცესი მოიცავდა ახალი ინტერნეტ რესურსების გამოყენებას.

ჯერჯერობით, BlueDot-ისა და Metabiota-ს წარმატებაზე დაყრდნობით ეპიდემიოლოგიურ პროგნოზირებაში, შეიძლება დავასკვნათ, რომ ზუსტი პროგნოზირება შესაძლებელია, პირველ რიგში, "კვალიფიცირებული" მონაცემების საფუძველზე, ე.ი. პროფესიონალური, სანდო, სპეციალიზებული წყაროები და არა ინტერნეტისა და პორტალის თემების ქაოსი.

მაგრამ იქნებ ეს ყველაფერი უფრო ჭკვიან ალგორითმებსა და უკეთეს მანქანურ სწავლაზეა?