Kā cilvēki izmanto AI, lai noteiktu un apkarotu koronavīrusu

Koronavīrusa COVID-19 izplatība ir mainīga, mainoties dienai un pat stundai. Pieaugošā ārkārtas situācija sabiedrības veselības jomā apdraud dzīvības, bet tā ietekmē arī uzņēmējdarbību un traucē ceļošanu apkārt pasaulei. ESAO brīdina, ka koronavīruss varētu uz pusi samazināt globālo ekonomikas izaugsmi, un Federālās rezerves samazinās federālās procentu likmes pēc sliktākās nedēļas akciju tirgū kopš 2008. gada.

Nav skaidrs, kā COVID-19 koronavīruss ietekmēs mūsu dzīves un darba veidu, jo nav skaidrs, vai tā ir jauna slimība, kas pirmo reizi izplatās visā pasaulē, taču šķiet, ka AI var palīdzēt apkarot vīrusu un tā ekonomisko ietekmi.

Pasaules veselības organizācijas ziņojumā, kas tika publicēts pagājušajā mēnesī, teikts, ka AI un lieli dati ir galvenā sastāvdaļa reakcijā uz šo slimību Ķīnā. Šeit ir aprakstīti daži veidi, kā cilvēki pievēršas mašīnmācīšanās risinājumiem, jo ​​īpaši, lai atklātu vai apkarotu koronavīrusu COVID-19.

Robotu dezinficēšana

Dānijas uzņēmums UVD Robots 19. februārī paziņoja, ka noslēdzis vienošanos ar Sunay Healthcare Supply par savu robotu izplatīšanu Ķīnā. UVD roboti pārvietojas ap veselības aprūpes iestādēm, izplatot UV gaismu, lai dezinficētu telpas, kas piesārņotas ar vīrusiem vai baktērijām.

XAG Robot Guangzhou izvieto arī dezinfekcijas līdzekļu izsmidzināšanas robotus un dronus.

UC Berkeley robotikas laboratorijas direktors un DexNet izveidotājs Kens Goldbergs prognozē, ka, ja koronavīruss kļūst par pandēmiju, tas var izraisīt vairāk robotu izplatīšanos vairākās vidēs.

Mūsdienās dažās vietās tiek izvietoti robotizēti risinājumi, piemēram, lai ierobežotu medicīnas vai pakalpojumu nozares darbinieku ekspozīciju viesnīcās, taču ne katrs robots, kurš tiek palaists tirgū, nav ieguvējs.

Startup Promobot reklamē sevi kā biznesa robotu un nesen demonstrēja savu robotu Taimskvērā. Robots neizmanto biometriskus vai temperatūras analīzes sensorus. Skrīninga laikā tiek uzdoti tikai četri jautājumi, piemēram, “Vai jums ir klepus?” Tas prasa arī cilvēkiem pieskarties ekrānam, lai reģistrētu atbildi. Gizmodo reportieris, kurš runāja ar robotprogrammatūru, to sauca par “mēmu”, taču tā nav pat sliktākā daļa: Lūgt cilvēkus drīz uzliesmojuma vidū, lai tos pasludinātu par globālu pandēmiju, lai fiziski pieskartos ekrāniem, šķiet šausmīgi neproduktīvi.

Drudža atklāšana sabiedriskās vietās

Vienā veidā AI nosaka koronavīrusu ar kamerām, kas aprīkotas ar siltuma sensoriem.

Pateicoties starta KroniKare darbībai Singapūras slimnīcā un sabiedrības veselības iestādē, izmantojot viedtālruni un siltuma sensoru, tiek veiktas reāllaika temperatūras pārbaudes.

Saskaņā ar e-pastu Baidu darbiniekiem, kas tika kopīgots ar VentureBeat, Pekinas Qinghe dzelzceļa stacijā tagad tiek izmantota Ķīnas tehnoloģiju uzņēmuma Baidu izstrādāta AI sistēma, kas izmanto infrasarkano sensoru un AI, lai prognozētu cilvēku temperatūru.

Veselības darbinieki 2020. gada 22. janvārī ar termiskajiem skeneriem pārbauda ieradušos pasažierus no Ķīnas Changi starptautiskajā lidostā Singapūrā.

Baidu pieeja apvieno datora redzi un infrasarkano staru, lai pieres temperatūru 0,5 grādi pēc Celsija minūtē noteiktu līdz 200 cilvēkiem minūtē. Sistēma brīdina iestādes, ja tā atrod personu ar temperatūru virs 37,3 grādiem pēc Celsija (99,1 grāda pēc Fārenheita), jo drudzis ir koronavīrusa indikators. Nākamo Pekinas dienvidu dzelzceļa stacijā un Pekinas metro 4. rindā Baidu var ieviest temperatūras uzraudzībā. Pagājušajā mēnesī Shenzhen MicroMultiCopter paziņojumā paziņoja, ka tas ir izvietojis vairāk nekā 100 dronus, kas spējīgi dažādās Ķīnas pilsētās. Droni spēj ne tikai termiski noteikt, bet arī izsmidzināt dezinfekcijas līdzekļus un patrulēt sabiedriskās vietās.

Vīrusa izsekošana

Viens uzņēmums, BlueDot, saka, ka tas deviņas dienas pirms Pasaules Veselības organizācijas atzina augstu pneimonijas rašanos Ķīnā. BlueDot tika dibināts, reaģējot uz SARS epidēmiju. Tas izmanto dabisko valodu apstrādi (NLP), lai nolaistu simtiem tūkstošu avotu tekstu, lai apkopotu ziņas un publiskus paziņojumus par cilvēku vai dzīvnieku veselību.

Metabiota, uzņēmums, kas sadarbojas ar ASV Aizsardzības departamentu un izlūkošanas aģentūrām, novērtē slimības izplatīšanās risku. Tā savas prognozes pamato ar tādiem faktoriem kā slimības simptomi, mirstības līmenis un ārstēšanas pieejamība.

Dziļa mācīšanās koronavīrusa noteikšanai

Pagājušajā mēnesī publicētajā 40 lappušu PVO un Ķīnas misijas ziņojumā par sākotnējo reakciju uz COVID-19 ir minēts, kā valsts izmantoja lielos datus un AI kā daļu no atbildes reakcijas uz šo slimību. Lietošanas gadījumi ietver AI kontaktu izsekošanai, lai uzraudzītu slimības izplatību un “prioritāro populāciju pārvaldību”.

Bet akadēmiķi, pētnieki un veselības aprūpes speciālisti sāk ražot arī citus AI veidus.

Svētdien pētnieki no Uhaņas Universitātes Renminas slimnīcas, Uhanas EndoAngela medicīnas tehnoloģiju uzņēmuma un Ķīnas Ģeoloģijas zinātnes universitātes dalījās dziļā apmācībā, kas atklāja COVID-19 ar to, kas, pēc viņu domām, ir 95% precizitāte. Modelis ir apmācīts ar CT skenēšanu 51 pacientam ar laboratoriski apstiprinātu COVID-19 pneimoniju un vairāk nekā 45 000 anonimizētu CT skenēšanas attēlu.

Dziļās mācīšanās modelis parādīja sniegumu, kas salīdzināms ar ekspertiem radiologiem, un uzlaboja radiologu efektivitāti klīniskajā praksē. “Tam ir liels potenciāls, lai mazinātu spiedienu uz frontes radiologiem, uzlabotu agrīnu diagnostiku, izolāciju un ārstēšanu un tādējādi veicinātu epidēmijas kontroli,” lasāms pirmsdrukas rakstā par modeli, kas publicēts medrxiv.org. (Iespiedpapīrs nozīmē, ka tas vēl nav pārbaudīts.)

Pētnieki saka, ka modelis var samazināt apstiprināšanas laiku no CT skenēšanas par 65%. Līdzīgos centienos, kas notiek citur, mašīnmācība no Infervision, kas apmācīta simtiem tūkstošu CT skenēšanas, atklāj koronavīrusu Zhongnan slimnīcā Vuhana.

AI, lai prognozētu izdzīvošanu pacientiem ar smagiem COVID-19 gadījumiem

Sākotnējos rezultātos, kas dalīti citā šodien drukātā pretrunīgajā rakstā, izmantojot klīniskos datus no Tongji slimnīcas Vuhana, jauna sistēma spēj paredzēt izdzīvošanas rādītājus ar vairāk nekā 90% precizitāti.

Darbu veica pētnieki no Mākslīgā intelekta un automatizācijas skolas, kā arī citi departamenti no Huažunas Zinātnes un tehnoloģijas universitātes Ķīnā.

Līdzautori saka, ka koronavīrusa izdzīvošanas novērtējums mūsdienās var gūt no vairāk nekā 300 laboratoriskiem vai klīniskiem rezultātiem, taču viņu pieeja ņem vērā tikai rezultātus, kas saistīti ar pienskābes dehidrogenāzi (LDH), limfocītus un augstas jutības C-reaktīvo olbaltumvielu (hsCRP).

Citā rakstā “Deep Learning for Coronavirus Screening”, kas pagājušajā mēnesī tika izlaists arXiv sadarbībā ar Ķīnas valdību sadarbojoties, modelis izmanto vairākus CNN modeļus, lai klasificētu CT attēlu datu kopas un aprēķinātu COVID-19 infekcijas varbūtību. Sākotnējos rezultātos viņi apgalvo, ka modelis ar 86,7% precizitāti spēj paredzēt atšķirību starp COVID-19, gripas A vīrusu pneimoniju un veseliem gadījumiem.

Dziļās mācīšanās modelis tiek apmācīts ar gripas pacientu, COVID-19 pacientu un veselīgu cilvēku CT skenēšanu no trim Uhaņas slimnīcām, ieskaitot 219 attēlus no 110 pacientiem ar COVID-19.

Tā kā slimības uzliesmojums izplatās tik ātri, priekšējiem cilvēkiem ir nepieciešami rīki, kas viņiem palīdzētu identificēt un ārstēt skartos cilvēkus ar tikpat lielu ātrumu. Arī rīkiem jābūt precīziem. Nav pārsteidzoši, ka jau tagad savvaļā ir izvietoti ar AI darbināmi risinājumi, un ir gandrīz pārliecība, ka publiskajā un privātajā sektorā tiek piedāvāti vēl citi risinājumi.