Forutsi en epidemi før den rammer

Den kanadiske BlueDot-algoritmen var raskere enn eksperter med å gjenkjenne trusselen fra det siste koronaviruset. Han orienterte sine klienter om trusselen dagene før U.S. Centers for Disease Control and Prevention (CDC) og Verdens helseorganisasjon (WHO) sendte offisielle meldinger til verden.

Kamran Khan (1), lege, spesialist i infeksjonssykdommer, grunnlegger og administrerende direktør for programmet BlueDot, forklarte i et presseintervju hvordan dette tidlige varslingssystemet bruker kunstig intelligens, inkludert naturlig språkbehandling og maskinlæring, for å spore selv hundre smittsomme sykdommer samtidig. Omtrent 100 65 artikler på XNUMX språk analyseres daglig.

1. Kamran Khan og et kart som viser spredningen av Wuhan-koronaviruset.

Disse dataene signaliserer bedrifter når de skal varsle sine kunder om potensiell tilstedeværelse og spredning av en smittsom sykdom. Andre data, for eksempel informasjon om reiseruter og flyreiser, kan bidra til å gi ytterligere informasjon om sannsynligheten for at et utbrudd utvikler seg.

Ideen bak BlueDot-modellen er som følger. få informasjon så snart som mulig helsepersonell i håp om at de kan diagnostisere – og om nødvendig isolere – infiserte og potensielt smittsomme personer på et tidlig stadium av trusselen. Khan forklarer at algoritmen ikke bruker data fra sosiale medier fordi den er «for kaotisk». Men "offisiell informasjon er ikke alltid oppdatert," sa han til Recode. Og reaksjonstiden er det som betyr noe for å lykkes med å forhindre et utbrudd.

Khan jobbet som spesialist på infeksjonssykdommer i Toronto i 2003 da det skjedde. epidemi SARS. Han ønsket å utvikle en ny måte å holde styr på denne typen sykdommer. Etter å ha testet flere prediktive programmer, lanserte han BlueDot i 2014 og samlet inn 9,4 millioner dollar i finansiering for prosjektet sitt. Selskapet sysselsetter i dag førti ansatte, leger og programmereresom utvikler et analytisk verktøy for å spore sykdommer.

Etter å ha samlet inn dataene og deres første valg, går de inn i spillet analytikere. etter epidemiologer De sjekker funnene for vitenskapelig gyldighet og rapporterer deretter tilbake til myndigheter, næringsliv og helsepersonell. klienter.

Khan la til at systemet hans også kunne bruke en rekke andre data, for eksempel informasjon om et bestemt områdes klima, temperatur og til og med informasjon om lokale husdyr, for å forutsi om noen som er infisert med sykdommen kan forårsake et utbrudd. Han påpeker at allerede i 2016 var Blue-Dot i stand til å forutsi et Zika-virusutbrudd i Florida seks måneder før det faktisk registrerte seg i området.

Selskapet opererer på lignende måte og bruker lignende teknologier. Metabiotovervåking av SARS-epidemien. Dens eksperter på en gang fant at den største risikoen for fremveksten av dette viruset i Thailand, Sør-Korea, Japan og Taiwan, og de gjorde dette mer enn en uke før kunngjøringen av tilfeller i disse landene. Noen av konklusjonene deres ble trukket fra analysen av passasjerflydata.

Metabiota, i likhet med BlueDot, bruker naturlig språkbehandling for å evaluere potensielle sykdomsrapporter, men jobber også med å utvikle den samme teknologien for informasjon om sosiale medier.

Mark Gallivan, Metabiotas vitenskapelige direktør for data, forklarte til media at nettplattformer og fora kan signalisere risikoen for et utbrudd. Personaleksperter sier også at de kan estimere risikoen for at en sykdom forårsaker sosiale og politiske omveltninger basert på informasjon som sykdomssymptomer, dødelighet og tilgjengelighet av behandling.

I internetts tidsalder forventer alle en rask, pålitelig og kanskje lesbar visuell presentasjon av informasjon om fremdriften av koronavirusepidemien, for eksempel i form av et oppdatert kart.

2. Johns Hopkins University Coronavirus 2019-nCoV Dashboard.

Center for Systems Science and Engineering ved Johns Hopkins University har utviklet kanskje det mest kjente koronavirus-dashbordet i verden (2). Den ga også hele datasettet for nedlasting som et Google-ark. Kartet viser nye tilfeller, bekreftede dødsfall og gjenopprettinger. Dataene som brukes til visualisering kommer fra en rekke kilder, inkludert WHO, CDC, China CDC, NHC og DXY, et kinesisk nettsted som samler NHC-rapporter og sanntids lokale CCDC-situasjonsrapporter.

Diagnostikk i timer, ikke dager

Verden hørte først om en ny sykdom som dukket opp i Wuhan, Kina. 31 desember 2019 byen En uke senere kunngjorde kinesiske forskere at de hadde identifisert den skyldige. Uken etter utviklet tyske spesialister den første diagnostiske testen (3). Det er raskt, mye raskere enn under SARS eller lignende epidemier før og etter.

Allerede i begynnelsen av det siste tiåret måtte forskere på jakt etter et slags farlig virus dyrke det i dyreceller i petriskåler. Du må ha laget nok virus til å lage isolere DNA og lese den genetiske koden gjennom en prosess kjent som handlingsrekkefølge. Imidlertid har denne teknikken utviklet seg enormt de siste årene.

Forskere trenger ikke engang å dyrke viruset i celler lenger. De kan direkte oppdage svært små mengder viralt DNA i en pasients lunger eller blodsekret. Og det tar timer, ikke dager.

Det arbeides med å utvikle enda raskere og mer praktiske virusdeteksjonsverktøy. Singapore-baserte Veredus Laboratories jobber med et bærbart sett for å oppdage, VereChip (4) kommer i salg fra 1. februar i år. Effektive og bærbare løsninger vil også gjøre det raskere å identifisere de som er infisert for riktig medisinsk behandling ved utplassering av medisinske team i felten, spesielt når sykehus er overfylte.

Nyere teknologiske fremskritt har gjort det mulig å samle inn og dele diagnostiske resultater i nesten sanntid. Plattformeksempel fra Quidel София Jeg system PCR10 FilmArray BioFire-selskaper som tilbyr raske diagnostiske tester for respiratoriske patogener er umiddelbart tilgjengelige via trådløs tilkobling til databaser i skyen.

2019-nCoV coronavirus (COVID-19)-genomet er fullstendig sekvensert av kinesiske forskere mindre enn en måned etter at det første tilfellet ble oppdaget. Nesten tjue til har blitt fullført siden den første sekvenseringen. Til sammenligning begynte SARS-virusepidemien i slutten av 2002, og dens komplette genom var ikke tilgjengelig før i april 2003.

Genomsekvensering er avgjørende for utviklingen av diagnostikk og vaksiner mot denne sykdommen.

Sykehusinnovasjon

5. Medisinsk robot fra Providence Regional Medical Center i Everett.

Dessverre truer det nye koronaviruset også leger. Ifølge CNN, hindre spredning av koronavirus i og utenfor sykehuset, ansatte ved Providence Regional Medical Center i Everett, Washington, bruker Roboten (5), som måler vitale tegn hos en isolert pasient og fungerer som en videokonferanseplattform. Maskinen er mer enn bare en kommunikator på hjul med innebygd skjerm, men den eliminerer ikke menneskelig arbeidskraft helt.

Sykepleiere må fortsatt inn på rommet med pasienten. De styrer også en robot som ikke vil bli utsatt for infeksjon, i hvert fall biologisk, så enheter av denne typen vil i økende grad bli brukt i behandlingen av infeksjonssykdommer.

Selvfølgelig kan rommene isoleres, men du må også lufte slik at du kan puste. Dette krever nytt ventilasjonssystemerhindre spredning av mikrober.

Det finske selskapet Genano (6), som utviklet denne typen teknikker, mottok en ekspressordre for medisinske institusjoner i Kina. I selskapets offisielle uttalelse heter det at selskapet har lang erfaring med å levere utstyr for å hindre spredning av smittsomme sykdommer i sterile og isolerte sykehusrom. Tidligere år gjennomførte hun blant annet leveranser til medisinske institusjoner i Saudi-Arabia under MERS-virusepidemien. Finske enheter for sikker ventilasjon har også blitt levert til det berømte midlertidige sykehuset for personer infisert med 2019-nCoV-koronaviruset i Wuhan, allerede bygget på ti dager.

6. Diagram over Genano-systemet i isolatoren

Den patenterte teknologien som brukes i renserne "eliminerer og dreper alle luftbårne mikrober som virus og bakterier," ifølge Genano. Luftrensere er i stand til å fange opp fine partikler så små som 3 nanometer, og har ikke et mekanisk filter å vedlikeholde, og luften filtreres av et sterkt elektrisk felt.

En annen teknisk kuriositet som dukket opp under utbruddet av frykt for koronaviruset var termiske skannere, brukt, blant annet blir personer med feber hentet på indiske flyplasser.

Internett - skade eller hjelp?

Til tross for den enorme bølgen av kritikk for replikering og spredning, spredning av feilinformasjon og panikk, har sosiale medier også spilt en positiv rolle siden utbruddet i Kina.

Som rapportert, for eksempel, av det kinesiske teknologinettstedet TMT Post, en sosial plattform for minivideoer. doujin, som er den kinesiske ekvivalenten til den verdenskjente TikTok (7), har lansert et spesielt segment for å behandle informasjon om spredningen av koronaviruset. Under hashtaggen #FightLungebetennelse, publiserer ikke bare informasjon fra brukere, men også ekspertrapporter og råd.

I tillegg til å øke bevisstheten og spre viktig informasjon, har Douyin også som mål å tjene som et støtteverktøy for leger og medisinsk personell som bekjemper viruset, så vel som infiserte pasienter. Analytiker Daniel Ahmad twitret at appen har lansert en "Jiayou-videoeffekt" (som betyr oppmuntring) som brukere bør bruke for å sende positive meldinger til støtte for leger, helsepersonell og pasienter. Denne typen innhold publiseres også av kjente personer, kjendiser og såkalte influencere.

I dag antas det at en nøye studie av helserelaterte sosiale medier-trender kan hjelpe forskere og offentlige helsemyndigheter til å bedre gjenkjenne og forstå mekanismene for sykdomsoverføring mellom mennesker.

Delvis fordi sosiale medier har en tendens til å være "svært kontekstuelle og stadig mer hyperlokale," sa han til The Atlantic i 2016. Marseille salat, en forsker ved Federal Polytechnic School i Lausanne, Sveits, og en ekspert på et voksende felt som forskere kaller "Digital epidemiologi". Men foreløpig, la han til, prøver forskere fortsatt å forstå hvorvidt sosiale medier snakker om helseproblemer som faktisk reflekterer epidemiologiske fenomener eller ikke (8).

8. Kineserne tar selfies med masker på.

Resultatene av de første forsøkene i denne forbindelse er uklare. Allerede i 2008 lanserte Googles ingeniører et sykdomsforutsigelsesverktøy - Google Fluetrender (GFT). Selskapet planla å bruke det til å analysere Googles søkemotordata for symptomer og signalord. På det tidspunktet håpet hun at resultatene ville bli brukt til nøyaktig og umiddelbart å gjenkjenne "konturene" av utbrudd av influensa og dengue - to uker tidligere enn U.S. Centers for Disease Control and Prevention. (CDC), hvis forskning regnes som den beste standarden på feltet. Imidlertid ble Googles resultater på tidlig internett-signalbasert diagnose av influensa i USA og senere malaria i Thailand ansett som for unøyaktige.

Teknikker og systemer som «forutsier» ulike hendelser, inkl. som eksplosjonen av opptøyer eller epidemier, har Microsoft også jobbet, som i 2013, sammen med det israelske Technion Institute, lanserte et katastrofeforutsigelsesprogram basert på analyse av medieinnhold. Ved hjelp av viviseksjon av flerspråklige overskrifter måtte "dataintelligens" gjenkjenne sosiale trusler.

Forskerne undersøkte visse hendelsesforløp, for eksempel informasjon om tørken i Angola, som ga opphav til spådommer i prognosesystemer om en mulig epidemi av kolera, da de fant en sammenheng mellom tørke og en økning i forekomsten av sykdommen. Rammeverket til systemet ble opprettet på grunnlag av analysen av arkivpublikasjoner fra New York Times, som startet i 1986. Videreutvikling og prosessen med maskinlæring innebar bruk av nye Internett-ressurser.

Så langt, basert på suksessen til BlueDot og Metabiota i epidemiologisk prognose, man kan være fristet til å konkludere med at en nøyaktig prediksjon er mulig først og fremst på grunnlag av "kvalifiserte" data, dvs. profesjonelle, pålitelige, spesialiserte kilder, ikke kaoset i Internett- og portalsamfunn.

Men kanskje handler alt om smartere algoritmer og bedre maskinlæring?