راهکارهای هوش مصنوعی، علم داده و فناوری برای مقابله با کروناویروس

بیماری COVID-19 ناشی از کروناویروس جدیداکنون میدانیم مهمترین عامل انتشار آن، «تماس» انسانهاست. اینجا فناوری با کاهش تماس میتواند راه سریع بدهد. در سالهای اخیر یادگیری ماشین و شبکههای عصبی مصنوعی با استفاده از آنها، یادگیری عمیق و دیگر کاربردهای هوش مصنوعی در پزشکی بیشتر آزموده شدهاند. حتی پژوهشهایی تشخیص دقیقتر از پزشک متخصص را نشان دادند. سپس همهگیری COVID-19 در دستور جهان قرار گرفت و فناوری برای کاهش پیامدها بسیار کوشید. از چین، محل آغاز، و همسایگانی مانند سنگاپوربا ایجاد زیرساخت شبکه همراه، نمونههای مؤثر ردیابی تماس را دیدیم. چین اکنون با شبکه همراه و بیش از 2 میلیون دوربین خیابانی مردم را سخت ردیابی میکند. اینجا از ردیابی تا ربات بیمارستان، سلامت از راه دور و الگوریتم توسعه دارو، کاربرد هوش مصنوعی و زیستفناوری را در 10 عنوان گرد آوردیم.
1. شناسایی، پیگیری و پیشبینی همهگیری
اگر ویروس و نقاط انتشار را پیشاپیش بشناسیم، بهتر مقابله میکنیم. برنامهها و الگوریتمها با تحلیل خبر، شبکه اجتماعی و گزارش دولتی شیوع را شناسایی و پیگیری میکنند.
شرکت کانادایی BlueDot در این زمینه افسانهای است؛ با بیش از صد نقطه داده شامل بلیت پرواز، هوا و حتی شمار و انواع حیوان، چند روز زودتر شیوع را اعلام و برای احتیاط هشدار جدی داد. نخستین هشدار در 31 دسامبر 2019 بود؛ مهم است چون سازمان جهانی بهداشت تازه 9 ژانویه 2020 هشدار داد. همچنین در 14 ژانویه 2020 هشدار سفر در Journal of Travel Medicine منتشر شد؛ فهرست 20 شهر با بیشترین مسافر از ووهان و احتمال نقش پیشگامشان در انتشار ویروس.
شاید در آینده نزدیک این برنامهها علاوه بر همهگیری ویروس حیوانی COVID-19، درباره مشکلات انسانی مانند تغییر اقلیم و آلودگی هم هشدار دهند.
هوش مصنوعی برای پیگیری لحظهای نیز به کار میرود. مثلاً در 2015 برای زیکای منتشرشده از برزیل به آمریکا مدل شبکه عصبی پویا استفاده شد. میتوان با داده تازه برای همهگیری COVID-19 بازآموزیاش کرد؛ مانند دانشگاه کارنگی ملون که مدل پیشبینی آنفلوانزای فصلی را با داده تازه استفاده میکند. مشکل مهم گاه ناسازگاری داده است؛ پس این سامانهها
با مدلهای همهگیرشناختی SIR به کار میروند. SIR روش محاسبه نظری شمار افراد متأثر در بیماری مسری است.
نام SIR:
- S: Susceptible - مستعد ابتلا
- I: Infected - آلوده
- R: Recovered - بهبودیافته
از حروف نخست ساخته شده است. داده این مدل مهم است چون تصمیمهای احتیاطی دولتها به آن وابسته است. مدل گسترشیافته SIR چین در فوریه همراه کد برای استفاده کشورهای دیگر منتشر شد.
- موضوع مرتبط: جستوجوی راهحل COVID-19 با ردیابی ردپای دیجیتال؛ هر کشور مردم را چگونه رصد میکند؟
2. شبکه عصبی مصنوعی در تشخیص COVID-19
شناسایی ماده ژنتیکی ویروس با آزمایش مولکولی تشخیصی RT-PCRروش پایه تشخیص کروناویروس است، اما محدودیت دارد: نمونهگیری، زمان تحلیل و مشکل دقت. بنابراین روش جایگزین مانند سیتیاسکن (BT) جستوجو میشود (ببینید سیتیاسکن، مؤثرترین روش تشخیص COVID-19).
نشانههای رادیولوژیک و الگوهای تصویری مشخص COVID-19 شناسایی شد. تشخیص رادیولوژیست وقتگیر است؛ پس با الگوریتم هوش مصنوعی در تصاویر سیتی تلاش میشود وقت ذخیره شود. برخی مطالعات کاهش زمان حدود 30 دقیقه به 5 دقیقه را نشان دادند.
تشخیص سریعتر مداخله مناسبتر میآورد. زمان ذخیرهشده میتواند سرعت انتشار را کم و از گروه پرخطر محافظت کند.
علیبابا، غول تجارت الکترونیک چین، میگوید با سامانه سیتی هوش مصنوعی، بیماران را با دقت %96 تشخیص میدهد.
3. پهپاد برای تجهیزات پزشکی و ربات برای نظافت، غذا و لجستیک
قابلیت انتقال هوایی کروناویروس میان انسانها اهمیت پهپاد و ربات را نشان داد.
شرکت Terra Drone چین با پهپاد در منطقه Xinchang میان مراکز سلامت پشتیبانی لجستیک میکند. پهپاد مشابه برای پایش قرنطینه و تصویربرداری حرارتی نیز استفاده میشود.
بهدلیل همهگیری، ربات در نظافت، مراقبت بیمار و توزیع دارو و غذا دیده میشود. Pudu Technology، شرکت حوزه غذا، رباتهایش را برای این خدمات در بیش از 40 بیمارستان گذاشت (عکس زیر).

4. توسعه داروهای تازه
ساخت دارو زمان و هزینه زیاد دارد؛ پس دانشمندان بر درمان تازه با داروی موجود تمرکز کردند. ریچاردسون و گروه با نمودار دانش زیستپزشکی و روابط دارو و پروتئین نشان دادند باریسیتینیبِ درمان التهاب مفصل شاید بر COVID-19 مؤثر باشد.
گه و گروه با نمودار مشابه و پردازش زبان طبیعی در Pubmed، روابط پروتئین انسان و ویروس و دارو را بررسی و مهارکننده PARP1 به نام CVL218 را بالقوه مؤثر یافتند و کارآزمایی بالینیرا آغاز کردند.
استارتآپ بریتانیایی Exscientia نخستین شرکت آغازکننده آزمایش انسانی مولکول دارویی طراحیشده با هوش مصنوعی شد.
با الگوریتمشان فقط در 12 ماه داروی تازه طراحی کردند؛ فرایندی که با روش سنتی 4 تا 5 سال طول میکشید.
پروفسور اندرو هاپکینز، مدیر شرکت، میگوید هوش مصنوعی در کشف دارو در 3 حوزه کاربرد دارد:
- تولید سریع آنتیبادی و واکسن Covid-19
- غربال داروهای موجود و یافتن گزینه مناسب درمان
- طراحی داروی تازه برای همهگیری کنونی و بعدی کروناویروس.
میافزاید در بهترین حالت روند 18 تا 24 ماه طول میکشد و به برنامه تولید و آزمایش ایمنی انسانی وابسته است.
گروهی از کره جنوبی و آمریکا با یادگیری عمیق، پژوهش داروی ضدویروس تجاری برای COVID-19 را آغاز کردند. مانند مطالعات قبلی بر تعامل دارویی در منابع موجود تمرکز کردند و آتازاناویرِ مصرفی HIV/AIDS را بالقوه مؤثر یافتند. همچنین گانسیکلوویر، لوپیناویر و ریتوناویر، Prezcobix، داروناویر و کوبیسیستات را مواد مؤثر احتمالی دانستند. امیدوارند نتایج به کارآزماییهای چین و کشورهای دیگر کمک کند.
گروه دیگری در چین با یادگیری عمیق نحوه اثر ویروس COVID-19 بر سلول انسان را بررسی میکند. مدل عصبی پیشرفته DFCNN برای شناسایی و رتبهبندی دقیق تعامل پروتئین و لیگاند طراحی شد. DFCNN داروهای بالقوه پروتئاز COVID-19، ناحیه هدف ویروس، را یافت و گروههایی از داروهای احتمالی منتشر شد.
DeepMind متعلق به گوگل با AlphaFold ساختار پروتئین کروناویروس را پیشبینی کرد. هنوز تأیید تجربی نشده، اما امیدوار است دادهها به شناخت عملکرد ویروس کمک کند.
5. تولید ماسک با حفاظت بالا
حفاظت کم ماسک سنتی در برابر کروناویروس، پژوهشگران را به راه تازه برد. شرکتهایی مانند Sonovia اسرائیل با فناوری پارچه اولتراسونیک، ماسک ضدویروس پیشرفته برای ایمنی کارکنان و مردم میسازند. مزیت دیگر استفاده دوباره است؛ ماسک Sonovia حتی پس از شستوشو در 92 درجه، 65 بار، اثر ضدویروسی دارد.
- موضوع مرتبط: آیا ماسک را میتوان ضدعفونی و دوباره استفاده کرد؟
6. مبارزه با خبر دروغ و اطلاعات نادرست
گوگل و فیسبوک اکنون تیمهای فنی را جدی برای شناسایی اطلاعات نادرست و توقف انتشار آن به کار گرفتهاند.
با جستوجوی COVID-19 در گوگل، پنجره اطلاعرسانی کنار مرورگر باز و پیوندهای اطلاعات درست ارائه میشود.
یوتیوب نیز در محتوای کروناویروس، پیوند مستقیم صفحه اطلاعات سازمان جهانی بهداشت را میدهد.
خبر دروغ علاوه بر گمراهکردن کاربر، دقت الگوریتم آموزشدیده با این دادهها برای انتشار و پیگیری COVID-19 را تغییر میدهد. Google Flu از شکستهای تاریخی است و میدانیم دستکاری داده نیز نقش داشت. پس شبکههای اجتماعی مسئولیت بزرگی دارند.
7. پیگیری و شناسایی آلودهها
دوربین حرارتی برای تشخیص فرد آلوده استفاده میشد، اما عیب اصلی نیاز به انسان بود. اکنون دوربین چندحسگری هوش مصنوعی در فرودگاه، بیمارستان، مهدکودک و دیگر تجمعها آغاز شده است.
گوگل و اپل اخیراً همکاری در پیگیری COVID-19 را اعلام کردند. هدف پروژه بررسی تماس کاربران گوشی با فناوری BLE (بلوتوث کمانرژی) است: به چه کسی نزدیک و بهمدت کافی برای انتقال کروناویروس در تماس بودهاند.
یکی از مزیتهای این پروژه آن است که کاربران نیازی به دانلود هیچ برنامهای از فروشگاه مجازی ندارند. برای اجرای روش، استفاده از حسگرهای موجود دستگاه در نظر گرفته میشود. هدف آن است که بدون استفاده از داده موقعیت مکانی یا اطلاعات شخصی، حریم خصوصی در اولویت قرار گیرد.
سه نکته اصلی بیانیه مشترک اپل و گوگل، یعنی 3 محور، «حریم خصوصی، شفافیت و رضایت کاربر» بود. همچنین اعلام کردند پس از توسعه، اطلاعات پروژه متنباز منتشر میشود.
البته برای موفقیت پروژه رسیدن شمار آزمایشها به سطح معین مهم دانسته میشود.
چین، سنگاپور، اسرائیل، کره جنوبی و لهستان با برنامه گوشی ردیابی را برای مقابله آغاز کردند. ترکیه، انگلستان، ایتالیا و آلمان نیز طرح دیجیتال خود را ادامه میدهند.
اپل و گوگل میخواهند با پلتفرم، برنامههای ثالث را زیر یک سقف و یکپارچه کنند؛ تا باهم سازگار کار کنند و افراد حتی در سفر خارجی در سامانه مشترک مبارزه با کروناویروس شناسایی شوند.
اگر موفق شود، کشورها شاید قرنطینه و انزوای سخت را سبک کنند یا محدودیت سفر و ورودوخروج کاهش یابد.
شرکتها قصد دارند رابط برنامه (API) را تا میانه مه اعلام کنند و راهنمای ادغام سایر برنامهها را برای توسعهدهندگان منتشر کردهاند.
8. پاسخ به پرسشهای مهم پژوهشگران
در Kaggle متعلق به گوگل، یکی از مهمترین جوامع دانشمندان داده جهان، مسابقه پاسخ به پرسشهای پژوهشگران COVID-19 آغاز شد. بیش از 50 هزار مقاله به شرکتکنندگان داده شد تا روی این دادهها، پردازش زبان طبیعی (NLP) به کار برند و پاسخ پرسشهای کلیدی را بجویند. شورای علم و فناوری کاخ سفید از حامیان اصلی است.
پژوهشگران رشتههای گوناگون در جهان برای مقابله با کروناویروس بسیار میکوشند و مقاله میدهند. منابع علمی بهصورت نمایی زیاد میشود و باور دارند یادگیری ماشین در مرور مقالات وقت ذخیره و به پرسشها پاسخ میدهد.
علاوه بر این پروژه، مسابقه پیشبینی موارد و مرگ COVID-19 و یافتن راه مشکلات رایج پزشکان خط مقدم برپا شده است.
9. خدمات سلامت از راه دور؛ تلههلث
امروز که بحث میشود آیا معاینه حضوری باید آخرین گزینه تأمین نیاز بیمار باشد، کمبود متخصص مراقبت ویژه و ایمنی پزشک در برابر COVID-19 باعث شده سلامت از راه دور دوباره مطرح شود و شرکتها و بیمارستانهای زیادی همکاری کنند.
مرکز شبا اسرائیل از اجراکنندگان نوآوری است. بیماران COVID-19 در مرکز ایزولاسیون 2 km دور از بیمارستان پایش و درمان میشوند. تماس نهفقط با قرنطینهشدگان خانه، بلکه بستریها هم کم میشود. داده بالینی و حرکت بیمار با حسگر هوش مصنوعی EarlySense پایش و ویزیت با ربات InTouchHealth Robot انجام میشود.
بیمار نیازمند بررسی در خانه با کیت TytoCare بدون تماس و کاملاً از راه دور، در زمان و مکان دلخواه معاینه میشود، برنامه درمان و نسخه میگیرد.
10. فناوری چاپگر 3بعدی
در همهگیری، زنجیره تأمین برای تجهیزات پزشکی مانند کیت آزمایش و قطعه دستگاه تنفس مشکل جدی دارد. چاپگر 3 بعدی کمک میکند؛ مثلاً در اوهایو 250 چاپگر معمولاً سازنده پروتز دندان، روزانه 100 هزار کیت میسازند. طراحان و مهندسان برای استفاده افراد بیشتر از دستگاه تنفس، دریچه ساخته و طرح و راهنما را برای جهان منتشر کردند. گروه دانشگاه مینهسوتا 6 قطعه حیاتی برای تولید ارزانتر و سریعتر دستگاه طراحی کرد و میخواهد بهزودی منتشر کند. خودروسازان بسیاری در اروپا و آمریکا تجهیزات پزشکی و حفاظتی میسازند و تجربه و طرح خود را به اشتراک میگذارند.
- همه نوشتههای ما درباره کروناویروس -
منابع
2. https://www.gpsworld.com/china-fights-coronavirus-with-delivery-drones/
3. https://www.bbc.com/news/technology-52246319
4. https://www.bbc.com/news/technology-51851292
5. https://www.kaggle.com/covid19
6. https://academic.oup.com/jtm/article/27/2/taaa008/5704418
7. https://bmcmedicine.biomedcentral.com/articles/10.1186/s12916-019-1389-3
8. https://www.medrxiv.org/content/10.1101/2020.02.29.20029421v1
9. https://www.tytocare.com/
10. https://www.technologyreview.com/2020/03/27/950240/3d-printing-coronavirus-covid-19-medical-supplies-devices/
11. https://www.preprints.org/manuscript/202002.0061/v1
12. https://towardsdatascience.com/covid-19-and-drug-development-b800d8917b50
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک میکند.





نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر میشود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمیشود.
اولین نظر را شما بنویسید.