შინაარსზე გადასვლა
Prof. Dr. Mustafa Özdoğan · სამედიცინო ონკოლოგი

ხელოვნური ინტელექტის, მონაცემთა მეცნიერებისა და ტექნოლოგიის გამოსავლები კორონავირუსთან ბრძოლაში

ხელოვნური ინტელექტის, მონაცემთა მეცნიერებისა და ტექნოლოგიის გამოსავლები კორონავირუსთან ბრძოლაში

ახალი კორონავირუსით გამოწვეული COVID-19 დაავადებისგავრცელებაში ყველაზე მნიშვნელოვანი ფაქტორი ადამიანების ერთმანეთთან „კონტაქტი“ რომ არის, უკვე ცნობილია. სწორედ აქ ტექნოლოგიას კონტაქტის შემცირებით სწრაფი გამოსავლების მოცემა შეუძლია. ბოლო წლებში მანქანურ სწავლებასა და ხელოვნურ ნეირონულ ქსელებს გამომყენებელი ღრმა სწავლების სახელწოდების ხელოვნური ინტელექტი მედიცინაში სულ მეტად გამოიცდება. ბოლო წლებში გამოქვეყნდა კვლევები, სადაც ხელოვნური ინტელექტი სპეციალისტ ექიმზე ზუსტ დიაგნოზსაც სვამდა. ამის შემდეგ COVID-19 პანდემია მსოფლიოს დღის წესრიგში დადგა და ტექნოლოგიურმა სამყარომ შედეგების შესამცირებლად დიდი ძალისხმევა დაიწყო. ეპიდემიის საწყისი ჩინეთისა და მეზობელი ქვეყნების, სინგაპურისმობილური ქსელის ინფრასტრუქტურით კონტაქტის ეფექტური თვალთვალის მაგალითები ვნახეთ; ჩინეთი ახლა მოქალაქეებს მკაცრად აკვირდება მობილური ქსელებითა და 2 მილიონზე მეტი ქუჩის კამერით... სტატიაში კონტაქტების მონიტორინგიდან საავადმყოფოს რობოტებამდე, დისტანციურ ჯანდაცვასა და ახალი წამლების შემმუშავებელ ალგორითმებამდე ხელოვნური ინტელექტისა და ბიოტექნოლოგიის გამოყენება 10 საკითხში შევაგროვეთ.

1. ეპიდემიების ამოცნობა, მონიტორინგი და პროგნოზი

თუ ვირუსს დავაკვირდებით და გავრცელების ადგილებს წინასწარ ვიპოვით, უკეთ ვიბრძოლებთ. აპლიკაციები / ალგორითმები ახალი ამბების, სოციალური პლატფორმებისა და სამთავრობო ანგარიშების ანალიზით ეპიდემიებს პოულობს და აკვირდება.

კანადური BlueDot ამ სფეროში ლეგენდად შეიძლება ჩაითვალოს. ფრენის ბილეთების, ამინდის, ცხოველების რაოდენობისა და სახეობების ჩათვლით ასზე მეტი მონაცემთა წერტილით ეპიდემია დღეებით ადრე გააცხადა და ზომებზე სერიოზულად გააფრთხილა; პირველი გაფრთხილება 31 დეკემბერს 2019 წელს გასცა. თარიღი მნიშვნელოვანია, რადგან ჯანმრთელობის მსოფლიო ორგანიზაციამ მხოლოდ 9 იანვარს 2020 წელს შეძლო. აგრეთვე 14 იანვარს 2020 წელს “Journal of Travel Medicine” სახელწოდების სამოგზაურო გაფრთხილება გააზიარა და Wuhan-იდან ყველაზე მეტი სტუმრის მიმღები 20 ქალაქი ჩამოთვალა. BlueDot-ის მკვლევრებმა აღნიშნეს, რომ ეს ქალაქები გავრცელების წამომწყები შეიძლება ყოფილიყო.

შესაძლოა ახლო მომავალში მსგავსი აპლიკაციები არა მხოლოდ ცხოველური წარმოშობის COVID-19 ვირუსის პანდემიაზე, არამედ ადამიანის მიერ გამოწვეულ კლიმატის ცვლილებასა და დაბინძურებაზეც გვაფრთხილებდეს.

ხელოვნური ინტელექტი რეალურ დროში მონიტორინგშიც გამოიყენება. მაგალითები წინა წლებშიც ვნახეთ. 2015 წელს ბრაზილიიდან ამერიკისკენ Zika ვირუსის დაკვირვებისთვის დინამიკური ნეირონული მოდელი გამოიყენეს. ალგორითმი COVID-19 პანდემიის ახალი მონაცემებით ხელახლა შეიძლება გაიწვრთნას, როგორც Carnegie Mellon უნივერსიტეტი სეზონური გრიპის გავრცელების პროგნოზის მოდელებს ახალი მონაცემებით იყენებს. თუმცა მნიშვნელოვანი პრობლემაა მონაცემების ზოგჯერ არასაკმარისი თანმიმდევრულობა. ამიტომ სისტემები

SIR-ის სახელით ცნობილ ეპიდემიოლოგიურ მოდელებთან ერთად გამოიყენება. SIR თეორიულად გადამდები დაავადებისას დაზიანებულთა რაოდენობის გამოთვლაა.

SIR სახელი:

  • S: Susceptible - დაავადებისადმი მიმღები
  • I: Infected - ინფიცირებული
  • R: Recovered - გამოჯანმრთელებული

საწყისი ასოებისგან შედგება. მოდელის მონაცემები მნიშვნელოვანია, რადგან მთავრობების ზომები მათ ეფუძნება. ჩინეთში გამოყენებული გაფართოებული SIR მოდელი გასულ თებერვალში კოდებთან ერთად სხვათა სარგებლისთვის გაზიარდა.

- დაკავშირებული თემა: ციფრული ნაკვალევის თვალთვალით COVID-19-ის გამოსავლის ძიება – რომელი ქვეყანა როგორ აკვირდება მოქალაქეს?

2. ხელოვნური ნეირონული ქსელები COVID-19 დიაგნოსტიკაში

ვირუსის გენეტიკური მასალის აღმომჩენი RT-PCR მოლეკულური დიაგნოსტიკური ტესტებიკორონავირუსის ძირითად დიაგნოსტიკად ითვლება, თუმცა შეზღუდვები აქვს: ნიმუშის აღება, ანალიზის დრო და სიზუსტის პრობლემები. ამიტომ ალტერნატივებს ეძებენ და ერთია კომპიუტერული ტომოგრაფია (BT) (იხილეთ COVID-19 დიაგნოზის ყველაზე ეფექტური მეთოდი კომპიუტერული ტომოგრაფია).

COVID-19-ისთვის სპეციფიკური რადიოლოგიური ნიშნები და გამოსახულების მოდელები გამოავლინეს. რადიოლოგის მიერ ამოცნობას დრო სჭირდება. ამიტომ BT გამოსახულებებზე ხელოვნური ინტელექტით დროის დაზოგვას ცდილობენ. ზოგმა კვლევამ დაახლოებით 30-წუთიანი დიაგნოსტიკის დრო 5 წუთამდე შეამცირა.

რაც უფრო სწრაფია დიაგნოზი, მით უფრო დროული ჩარევა იქნება. დაზოგილი დროით გავრცელება შეიძლება შენელდეს და რისკჯგუფები დაცული იყოს.

ჩინური ელექტრონული ვაჭრობის გიგანტი Alibaba ამბობს, რომ ხელოვნური ინტელექტის BT სისტემით პაციენტებს %96 სიზუსტით ამოიცნობს.

3. დრონებით სამედიცინო აღჭურვილობის მიწოდება და რობოტებით დასუფთავება, საკვები და ლოგისტიკა

ჰაერით ადამიანიდან ადამიანზე კორონავირუსის გადაცემამ უპილოტო საფრენი აპარატებისა და რობოტების მნიშვნელობა გამოავლინა.

ჩინური Terra Drone დრონებით Xinchang-ში ჯანდაცვის ცენტრებს შორის ლოგისტიკას უზრუნველყოფს. მსგავსი დრონები კარანტინის კონტროლსა და თერმულ გამოსახულებაშიც გამოიყენება.

ეპიდემიის გამო რობოტებს საავადმყოფოში დასუფთავებაში, პაციენტის მოვლასა და წამლისა და საკვების განაწილებაში ვხედავთ. საკვებზე ორიენტირებულმა Pudu Technology-მ ამ მომსახურებისთვის 40-ზე მეტ საავადმყოფოში რობოტები განათავსა (იხილეთ ქვემოთ ფოტო).

საავადმყოფოს რობოტი

4. ახალი წამლების შემუშავება

რადგან ახალი წამალი დიდ დროსა და ხარჯს მოითხოვს, მეცნიერები არსებულ წამლებზე ახალი მკურნალობისთვის კონცენტრირდნენ. ბიოსამედიცინო ცოდნის დიაგრამებით წამლებსა და ცილებს შორის კავშირის შემსწავლელმა Richardson-მა და ჯგუფმა სახსრის ანთებისთვის გამოყენებული baricitinib-ის COVID-19-ზე შესაძლო ეფექტი აჩვენა.

Ge-მ და ჯგუფმა მსგავსი დიაგრამით ადამიანის ცილებს, ვირუსის ცილებსა და წამლებს შორის კავშირისთვის Pubmed-ზე ბუნებრივი ენის დამუშავება გამოიყენეს და PARP1 ინჰიბიტორ CVL218-ის შესაძლო ეფექტიანობა იპოვეს, შემდეგ კლინიკური ცდებიდაიწყეს.

ბრიტანული სტარტაპი Exscientia ხელოვნური ინტელექტით შექმნილი წამლის მოლეკულების ადამიანურ ცდათა დამწყები პირველი კომპანია გახდა.

ალგორითმებით ახალი წამალი მხოლოდ 12 თვეში შექმნეს. ტრადიციული მეთოდით პროცესი 4-დან 5 წლამდე შეიძლება გაგრძელებულიყო.

კომპანიის ხელმძღვანელ პროფესორ Andrew Hopkins-ის მიხედვით ხელოვნური ინტელექტი ახალი წამლების აღმოჩენაში 3 სფეროს მოემსახურება:

  • Covid-19-ისთვის ანტისხეულისა და ვაქცინის სწრაფი წარმოება
  • არსებული წამლების შემოწმება და შესაფერისი მკურნალობის პოვნა
  • ახალი წამლის შექმნა ახლანდელ და მომავალ კორონავირუსის ეპიდემიებში გამოსაყენებლად.

ამატებს, რომ საუკეთესო შემთხვევაში პროცესს 18-დან 24 თვემდე დასჭირდება და ეს წარმოების დაგეგმვასა და ადამიანებზე უსაფრთხოების ტესტებზეა დამოკიდებული.

სამხრეთ კორეისა და აშშ-ის მკვლევრებმა ღრმა სწავლებითაც COVID-19 მკურნალობის კომერციულ ანტივირუსულ წამალზე მუშაობა დაიწყეს. წინა კვლევების მსგავსად ლიტერატურიდან წამლის ურთიერთქმედებებზე კონცენტრირებულმა ჯგუფმა HIV/AIDS-ის სამკურნალო atazanavir-ის შესაძლო ეფექტი გამოაცხადა. აგრეთვე ganciclovir, lopinavir და ritonavir, Prezcobix, darunavir და cobicistat შესაძლო აქტიურ ნივთიერებებად გამოავლინეს. იმედოვნებენ, რომ შედეგები ჩინეთსა და სხვა ქვეყნებში კლინიკურ კვლევებს დაეხმარება.

ჩინეთის სხვა ჯგუფი ღრმა სწავლების ალგორითმებით COVID-19 ვირუსის ადამიანის უჯრედებზე გავლენის უკეთ გაგებას სწავლობს. შექმნეს DFCNN სახელწოდების ნეირონული მოდელი, რათა ცილა-ლიგანდის ურთიერთქმედება ზუსტად აღწერონ და შეაფასონ. DFCNN-მ COVID-19 პროტეაზისთვის (ვირუსის სამიზნე არე) პოტენციური წამლები გამოავლინა და შესაბამისი ჯგუფებიც გამოაქვეყნეს.

Google-ის DeepMind-მა AlphaFold კორონავირუსის ცილების სტრუქტურის პროგნოზისთვის გამოიყენა. ექსპერიმენტულად ჯერ არ დამტკიცებულა, თუმცა DeepMind იმედოვნებს, რომ მონაცემები ფუნქციების გაგებაში დაეხმარება.

რა არის ხელოვნური ინტელექტი მანქანური სწავლება ღრმა სწავლება განსხვავებები

5. მაღალი დაცვის ნიღბების წარმოება

ტრადიციული ნიღბების კორონავირუსისგან დაბალმა დაცვამ მკვლევრებს ახალი გამოსავლები მოაძებნინა. ულტრაბგერითი ტექსტილის ტექნოლოგიით ანტივირუსულ ნიღბებში მონაწილე ისრაელის Sonovia-ს მსგავსი კომპანიები მედიკოსებისა და სხვებისთვის მაღალტექნოლოგიურ ნიღბებს აწარმოებს. უპირატესობაა ხელახალი გამოყენებაც. Sonovia-ს ნიღბები 92 გრადუსზე 65 გარეცხვის შემდეგაც ვირუსების მიმართ აქტიურობას ინარჩუნებს.

- დაკავშირებული თემა: შეიძლება ნიღბების დეზინფექცია და ხელახლა გამოყენება?

6. ყალბ ამბებსა და დეზინფორმაციასთან ბრძოლა

Google და Facebook ტექნიკურ ჯგუფებს ასეთი დეზინფორმაციის პოვნასა და გავრცელების შეჩერებაზე სერიოზულად ამუშავებს.

Google-ში COVID-19 ძიებისას ბრაუზერის გვერდით საინფორმაციო ფანჯარა და სანდო ინფორმაციის ბმულები ჩნდება.

YouTube-ც კორონავირუსის მასალებში ჯანმრთელობის მსოფლიო ორგანიზაციის (DSÖ) საინფორმაციო გვერდზე პირდაპირ ბმულებს იძლევა.

ყალბი ამბები არა მხოლოდ მომხმარებელს ატყუებს, არამედ ამ მონაცემებზე COVID-19 გავრცელებისა და მონიტორინგის სწავლული ალგორითმების სიზუსტეზეც მოქმედებს. Google Flu წარუმატებელი პროექტია და ცნობილია, რომ მონაცემების მანიპულაციაც იყო მიზეზი. ამიტომ სოციალურ პლატფორმებს ამ სფეროში დიდი საქმე აქვთ.

7. ინფიცირებულების მონიტორინგი და ამოცნობა

თერმული კამერები ინფიცირებულების დიაგნოსტიკაში გამოიყენებოდა, თუმცა მთავარი ნაკლი კვლავ ადამიანის გამოყენება იყო. ახლა ხელოვნური ინტელექტის მრავალსენსორიანი კამერები აეროპორტში, საავადმყოფოსა და საბავშვო ბაღის მსგავს ადგილებში დაინერგა.

ამასთან, Google-მა და Apple-მა ახლახან COVID-19 მონიტორინგში თანამშრომლობა გამოაცხადეს. პროექტი სმარტფონის BLE (Bluetooth Low Energy) ტექნოლოგიით შეისწავლის, ვისთან ჰქონდა მომხმარებელს ინფიცირებისთვის საკმარისად ხანგრძლივი კონტაქტი და ვის მიუახლოვდა.

უპირატესობაა, რომ აპლიკაციის მაღაზიიდან ჩამოტვირთვა საჭირო არ არის. მოწყობილობის არსებული სენსორების გამოყენება იგეგმება. მდებარეობისა და პერსონალური მონაცემების გამოუყენებლობით კონფიდენციალურობის წინ წამოწევა სურთ.

Apple-ისა და Google-ის განცხადებაში მთავარი 3 საკითხი იყო: „კონფიდენციალურობა, გამჭვირვალობა და მომხმარებლის თანხმობა“. შემუშავების შემდეგ ინფორმაციის ღია წყაროდ გაზიარებაც გამოაცხადეს.

პროექტის წარმატებისთვის ტესტირების რაოდენობის გარკვეულ დონემდე ზრდა მნიშვნელოვნად ითვლება.

google apple კორონავირუსის მონიტორინგის აპლიკაცია

ჩინეთმა, სინგაპურმა, ისრაელმა, სამხრეთ კორეამ და პოლონეთმა ტელეფონის აპლიკაციებით თვალთვალი დაიწყეს. თურქეთი, ბრიტანეთი, იტალია და გერმანიაც საკუთარ ციფრულ ინიციატივებზე მუშაობას აგრძელებს.

Apple-სა და Google-ს ყველა მესამე მხარის აპლიკაციის ერთ ჭერქვეშ შეკრება და მთლიანობის მიღწევა სურს. ასე აპლიკაციები თავსებადად იმუშავებს და საზღვარგარეთაც საერთო სისტემაში კორონავირუსის წინააღმდეგ მომხმარებელთა გამოვლენა მოხდება.

წარმატებისას ქვეყნებს მკაცრი კარანტინისა და იზოლაციის შემსუბუქება ან მოგზაურობისა და საზღვრის შეზღუდვების შემცირება შეეძლებათ.

კომპანიები პროგრამულ ინტერფეისებს (API) მაისის შუამდე გამოაცხადებენ. სხვათა ინტეგრაციისთვის პროგრამისტებს გზამკვლევებიც გამოუქვეყნეს.

8. მკვლევართა მნიშვნელოვანი კითხვების პასუხები

Google-ის კუთვნილ, მსოფლიოს ერთ-ერთ უმნიშვნელოვანეს მონაცემთა მეცნიერების საზოგადოება Kaggle-ში COVID-19 მკვლევართა კითხვებზე კონკურსი დაიწყო. მონაწილეებს წყაროდ 50 ათასზე მეტი აკადემიური პუბლიკაცია მისცეს და მონაცემებზე ბუნებრივი ენის დამუშავების (NLP) მეთოდებით საკვანძო პასუხების ძიება სთხოვეს. ერთ-ერთი მთავარი მხარდამჭერია თეთრი სახლის მეცნიერებისა და ტექნოლოგიის საბჭო.

ახლა მსოფლიოში სხვადასხვა სფეროს მკვლევრები დიდ ძალისხმევას ხარჯავენ და მასალებს აქვეყნებენ. ლიტერატურა ექსპონენციურად იზრდება და მიიჩნევა, რომ მანქანური სწავლება მიმოხილვას დროს დაუზოგავს და კითხვებზე უპასუხებს.

პროექტის გარდა COVID-19 შემთხვევებისა და სიკვდილის პროგნოზსა და წინა ხაზის ექიმების ხშირი პრობლემების გამოსავლებზეც კონკურსები დაიწყო.

9. დისტანციური ჯანდაცვა - ტელეჯანდაცვა

დღეს, როცა განიხილება, პირისპირ გასინჯვა საჭიროების ბოლო არჩევანი ხომ არ უნდა იყოს, ინტენსიური თერაპიის სპეციალისტთა ნაკლებობისა და ექიმების COVID-19-ისგან უსაფრთხოებისთვის ტელეჯანდაცვის მომსახურებები ხელახლა განიხილება და მრავალი კომპანია და საავადმყოფო თანამშრომლობს.

ისრაელის Sheba სამედიცინო ცენტრი ინოვაციის ერთ-ერთი დამნერგავია. COVID-19 პაციენტები საავადმყოფოდან 2 km-ში იზოლაციის ცენტრში დაკვირვებასა და მკურნალობას იღებენ. ასე კონტაქტი მცირდება როგორც შინ კარანტინში, ისე ჰოსპიტალიზებულ პაციენტებთან. კლინიკური მონაცემები და მოძრაობა EarlySense-ის ხელოვნური ინტელექტის სენსორებით კონტროლდება, ვიზიტები კი InTouchHealth Robot-ის რობოტებით ხდება.

სახლში შესამოწმებელი პაციენტები TytoCare-ის გასინჯვის ნაკრებით ექიმისგან უკონტაქტოდ, სრულად დისტანციურად სასურველ დროსა და ადგილას მოწმდებიან, მკურნალობის გეგმებსა და რეცეპტებს იღებენ.

tytocare ტელეჯანდაცვა დისტანციური გასინჯვა

10. 3-განზომილებიანი ბეჭდვის ტექნოლოგიები

პანდემიისას მიწოდების ჯაჭვებს ტესტების, ვენტილატორის ნაწილებისა და სხვა აღჭურვილობის მიწოდება უჭირს. აქ 3 განზომილებიანი პრინტერები გვეხმარება. Ohio-ში ჩვეულებრივ კბილის პროთეზების 250 პრინტერით დღეში 100 ათასი ტესტის ნაკრების წარმოება დაიწყო. ბევრმა დიზაინერმა და ინჟინერმა ვენტილატორით მომხმარებელთა გასაზრდელად სარქველები შექმნა და დიზაინებითა და სახელმძღვანელოებით მსოფლიო გამოყენება გახსნა. Minnesota უნივერსიტეტის ჯგუფმა იაფი და სწრაფი ვენტილატორისთვის 6 კრიტიკული ნაწილი შექმნა და მალე გაზიარებას ფიქრობს. ევროპასა და ამერიკაში ბევრი ავტომწარმოებელი სამედიცინო და დამცავ აღჭურვილობას აწარმოებს და გამოცდილებასა და დიზაინებს კვლავ აზიარებს. 

- ყველა ჩვენი სტატია კორონავირუსზე -

წყაროები

ვიზიტის მოთხოვნა

DROZDOGAN-ის ხელოვნური ინტელექტი

ერთად განვიხილოთ ეს სტატია

დასვით კითხვები სტატიის შესახებ და წაიკითხეთ პასუხები ჩვენი საიტის გამოქვეყნებულ წყაროებთან ერთად.

DROZDOGAN-ის ხელოვნური ინტელექტი

Drozdogan-ის ასისტენტი

ხელოვნური ინტელექტის, მონაცემთა მეცნიერებისა და ტექნოლოგიის გამოსავლები კორონავირუსთან ბრძოლაში

დასვით კითხვები სტატიის შესახებ და წაიკითხეთ პასუხები ჩვენი საიტის გამოქვეყნებულ წყაროებთან ერთად.

საუბრისა და კონფიდენციალურობის შესახებ ინფორმაცია

ამ საუბარში პასუხობს Drozdogan-ის ასისტენტი. საიტის უფლებამოსილმა ადმინისტრატორებმა შესაძლოა იგი ხარისხის შესამოწმებლად განიხილონ. არ გააზიაროთ პირადი ინფორმაცია.

პასუხები მზადდება OpenAI-ის ინფრასტრუქტურით. კითხვებსა და პასუხებს ამუშავებს ეს სერვისი; საუბრის ჩანაწერები ინახება ჩვენს საიტზე. არ გააზიაროთ საიდენტიფიკაციო, საკონტაქტო ან პირადი ჯანმრთელობის ინფორმაცია.

0 / 1000

მხოლოდ საინფორმაციოდ; არ იძლევა პირად დიაგნოზს ან მკურნალობის რჩევას.

დაკავშირებული სტატიები

გაეცანით სხვა სტატიებს ამ თემაზე.

იყავით ინფორმირებული

მიიღეთ ახალი სტატიები და სამეცნიერო სიახლეები ელფოსტით.

Google Analytics საჯარო გვერდებზე ამ ფანჯრისგან დამოუკიდებლად მუშაობს და შეიძლება ანალიტიკური ქუქიები გამოიყენოს. აქ გაკეთებული არჩევანი მხოლოდ გარე სერვისებს მართავს.