Hur kämpar AI mot koronavirusutbrottet?


Svar 1:

Konstgjord intelligens kan bekämpa ett framtida Coronavirus

.

Sjukdomsutbrott som koronaviruset utvecklas ofta för snabbt för att forskare kan hitta ett botemedel. Men i framtiden kan konstgjord intelligens hjälpa forskare att göra ett bättre jobb.

Även om det antagligen är för sent för den nya tekniken att spela en viktig roll i den nuvarande epidemin, finns det hopp för nästa utbrott. AI är bra på att kamma igenom mängder data för att hitta anslutningar som gör det lättare att avgöra vilka typer av behandlingar som kan fungera eller vilka experiment som ska göras därefter.

Frågan är vad Big Data kommer att komma med när det bara får magra information om en nyligen uppkommet sjukdom som Covid-19, som först uppkom sent i fjol i Kina och har sjukt mer än 75 000 personer på cirka två månader.

Det faktum att forskare lyckades producera gensekvensförfarandet för det nya viruset inom veckor efter de första rapporterade fallen är lovande, eftersom det visar att det finns mycket mer omedelbar information nu när utbrott inträffar.

Andrew Hopkins, verkställande direktör för Oxford, England-baserad startup Exscientia Ltd. är bland dem som arbetar för att utbilda konstgjord intelligens för narkotikafyndighet. Han ser att nya behandlingar kan gå från befruktning till klinisk testning på så lite som 18 till 24 månader inom det kommande decenniet, tack vare AI.

Exscientia designade en ny förening för behandling av tvångssyndrom som är redo att testas i labbet efter mindre än ett år i den första forskningsfasen. Det är cirka fem gånger snabbare än i genomsnitt, enligt företaget.

Cambridge-baserade Healx har ett liknande tillvägagångssätt, men det använder maskininlärning för att hitta nya användningar för befintliga läkemedel. Båda företagen matar sina algoritmer med information - hämtad från källor som tidskrifter, biomedicinska databaser och kliniska prövningar - för att hjälpa till att föreslå nya behandlingar av sjukdomar.

Mänsklig tillsyn

De två företagen använder vardera ett team av mänskliga forskare för att arbeta tillsammans med AI för att hjälpa till att leda processen. I Exscientias strategi, kallad Centaur Chemist, hjälper läkemedelsdesigners att lära algoritmstrategierna för att söka efter föreningar. Healx lägger AI: s förutsägelser till forskare som analyserar resultaten och bestämmer vad de ska sträva efter.

Neil Thompson, Healxs huvudvetenskapliga officer, sade att tekniken skulle kunna användas mot ett utbrott som coronavirus så länge det hade tillräckligt med data om den nya sjukdomen. Healx arbetar inte med att hantera coronavirus eller justera sin teknik för utbrott, men det skulle inte vara en sträcka.

"Vi är ganska nära," sa Thompson i en intervju. ”Vi skulle inte behöva ändra så mycket om AI-algoritmerna vi använder. Vi tittar på att anpassa läkemedelsegenskaper till sjukdomsfunktioner. ”

Konstgjorda intelligensalgoritmer börjar redan kämpa ut läkemedel för de sjukdomar vi känner till. Forskare vid Massachusetts Institute of Technology sa på torsdagen att de hade använt metoden för att identifiera en kraftfull ny antibiotikaförening som kan döda en mängd besvärliga bakterier, till och med några som för närvarande är resistenta mot andra behandlingar.

En fångst för alla dessa tekniker är klinisk testning. Även läkemedel som redan är säkra för användning för att bota en sjukdom bör testas igen innan de föreskrivs för en annan. Processen att visa att de är säkra och effektiva för ett stort antal människor kan ta år innan de går till tillsynsmyndigheter för granskning.

För att vara effektiva skulle AI-baserade läkemedelsutvecklare planera i förväg, välja ut ett virusgenom som sannolikt kommer att orsaka problem i framtiden och rikta in sig på det när det finns få incitament att göra det.

Tack.


Svar 2:

Spelet är redan på!

Om inte för coronavirus, åtminstone för superbugs. Forskare vid MIT och Harvard använde AI för att identifiera ett nytt antibiotikum som kunde döda många läkemedelsresistenta bakterier. De utbildade en maskininlärningsalgorit för att analysera kemiska föreningar som kan bekämpa infektioner med hjälp av mekanismer som skiljer sig från befintliga läkemedel.

De utbildade sin modell på 2 500 molekyler som identifierade en förening (de kallade det Halicin) för att testa på bakterier som tagits från patienter och bakterier som odlas i laboratorier. "Halicin" kan döda många läkemedelsresistenta bakterier inklusive

mycobactirium tuberculosis, clostridium difficile

och

acinetobacter baumannii.

Halicin botade två möss infekterade med

A.baumannii.

Förresten, många amerikanska soldater i Irak och Afghanistan smittades av samma fel. Enligt rapporten botade en salva av Halicin som applicerades på huden på dessa två möss helt inom 24 timmar.

Att använda prediktiva datormodeller för läkemedelsupptäckt är inte nytt men den hittills bästa framgången ses med Halicin.

Enligt forskarna kan deras prediktiva modell göra det som är oöverkomligt dyrt för traditionella experimentella metoder.

Denna framgång med Halicin kommer på ett avgörande stadium i mänsklig historia. År 2050 förutsägs dödsfall i världen på grund av läkemedelsresistenta bakterier upp till 10 miljoner.

Ytterligare arbete behövs för att göra Halicin användbar hos människor. Även om deras algoritm är utformad för bakterier, kan den vara "uppgraderbar" för att bekämpa virus också.


Svar 3:

Tänk dig att ett sjukhus i Kina har 1000-tal fall med liknande symtom, vad gör sjukhuset? Medan all information om symptom och diagnos är dokumenterad och tillgänglig elektroniskt, kan hälsoavdelningen vidta nödvändiga och lämpliga åtgärder.

AI är utmärkt och snabbt att upptäcka mönster, likheter för snabb upptäckt. Ett exempel på hur

Google-sökning kan

att upptäcka möjliga sjukdomar över hela världen. Bara med enkla sökmönster ensam kan AI faktiskt upptäcka möjliga hot och epidemier som kan blåsa ut i stora proportioner över hela världen.

Kommer tillbaka till Corona Virus, när Kina har dokumenterat sjukdomens symtom, diagnostiserat det, delar det denna information till alla andra möjliga statliga organisationer som snabbt kan få på plats termiska detektorer som kan skanna människor med dessa symtom och klassificera dem som troligt infekterade eller bärare eller immun. När virus muteras snabbt tenderar de att ändra hur de ser ut, symtomen kan förändras och vara svåra att diagnostisera. Men med AI kan Kina hjälpa regeringar med människor som har flyttat från Kina, särskilt Wuhan och sedan flyttat internationellt över städer. Denna information kan analyseras av AI för att upptäcka nyheterna från dessa städer, sjukhus för att sätta samman pusselbitarna.

Hoppas det här hjälper!


Svar 4:

På senare tid, om vi har data om flera patienter än vi kan identifiera och hitta mönster, av de koronapositiva patienterna. Efter det kan vi leta efter en ny patient för att förutsäga om denna patient kan vara smittad eller inte, med tanke på deras mönster. Klassisk maskininlärning eller djupinlärningstekniker kan användas för att separera detta.

I mer allmänna termer måste vi vara mycket försiktiga och måste interagera med en person från medicinskt område för att analysera mönstret för att generalisera vad som faktiskt pågår, vilka förändringar och mekanismer som utlöses av viruset i kroppen för att bättre förstå modellen.


Svar 5:

Sjukdomsutbrott som koronaviruset utvecklas ofta för snabbt för att forskare kan hitta ett botemedel. Men i framtiden kan konstgjord intelligens hjälpa forskare att göra ett bättre jobb.

Även om det antagligen är för sent för den nya tekniken att spela en viktig roll i den nuvarande epidemin, finns det hopp för nästa utbrott. AI är bra på att kamma igenom mängder data för att hitta anslutningar som gör det lättare att avgöra vilka typer av behandlingar som kan fungera eller vilka experiment som ska göras därefter.

Frågan är vad Big Data kommer att komma med när det bara får magra information om en nyligen uppkommet sjukdom som Covid-19, som först uppkom sent i fjol i Kina och har sjukt mer än 75 000 personer på cirka två månader.

Det faktum att forskare lyckades producera gensekvensförfarandet för det nya viruset inom veckor efter de första rapporterade fallen är lovande, eftersom det visar att det finns mycket mer omedelbar information nu när utbrott inträffar.

Andrew Hopkins, verkställande direktör för Oxford, England-baserad startup Exscientia Ltd. är bland dem som arbetar för att utbilda konstgjord intelligens för narkotikafyndighet. Han ser att nya behandlingar kan gå från befruktning till klinisk testning på så lite som 18 till 24 månader inom det kommande decenniet, tack vare AI.

Exscientia designade en ny förening för behandling av tvångssyndrom som är redo att testas i labbet efter mindre än ett år i den första forskningsfasen. Det är cirka fem gånger snabbare än i genomsnitt, enligt företaget.

Cambridge-baserade Healx har ett liknande tillvägagångssätt, men det använder maskininlärning för att hitta nya användningar för befintliga läkemedel. Båda företagen matar sina algoritmer med information - hämtad från källor som tidskrifter, biomedicinska databaser och kliniska prövningar - för att hjälpa till att föreslå nya behandlingar av sjukdomar.

Mänsklig tillsyn

De två företagen använder vardera ett team av mänskliga forskare för att arbeta tillsammans med AI för att hjälpa till att leda processen. I Exscientias strategi, kallad Centaur Chemist, hjälper läkemedelsdesigners att lära algoritmstrategierna för att söka efter föreningar. Healx lägger AI: s förutsägelser till forskare som analyserar resultaten och bestämmer vad de ska sträva efter.

Neil Thompson, Healxs huvudvetenskapliga officer, sade att tekniken skulle kunna användas mot ett utbrott som coronavirus så länge det hade tillräckligt med data om den nya sjukdomen. Healx arbetar inte med att hantera coronavirus eller justera sin teknik för utbrott, men det skulle inte vara en sträcka.

"Vi är ganska nära," sa Thompson i en intervju. ”Vi skulle inte behöva ändra så mycket om AI-algoritmerna vi använder. Vi tittar på att anpassa läkemedelsegenskaper till sjukdomsfunktioner. ”

Konstgjorda intelligensalgoritmer börjar redan kämpa ut läkemedel för de sjukdomar vi känner till. Forskare vid Massachusetts Institute of Technology sa på torsdagen att de hade använt metoden för att identifiera en kraftfull ny antibiotikaförening som kan döda en mängd besvärliga bakterier, till och med några som för närvarande är resistenta mot andra behandlingar.

En fångst för alla dessa tekniker är klinisk testning. Även läkemedel som redan är säkra för användning för att bota en sjukdom bör testas igen innan de föreskrivs för en annan. Processen att visa att de är säkra och effektiva för ett stort antal människor kan ta år innan de går till tillsynsmyndigheter för granskning.

För att vara effektiva skulle AI-baserade läkemedelsutvecklare planera i förväg, välja ut ett virusgenom som sannolikt kommer att orsaka problem i framtiden och rikta in sig på det när det finns få incitament att göra det.

Ett annat hinder är att hitta kvalificerad personal.

"Det är svårt att hitta människor som kan arbeta i korsningen mellan AI och biologi, och det är svårt för stora företag att fatta snabba beslut om teknik som denna," sa Irina Haivas, en partner på riskkapitalföretaget Atomico och före detta kirurg som sitter på styrelsen för Healx. "Det räcker inte att vara en AI-ingenjör, du måste förstå och gå in i biologiska tillämpningar."


Svar 6:

När en mystisk sjukdom först uppträder är det svårt för regeringar och folkhälsomyndigheter att snabbt samla in information och samordna responsen. Men ny teknik för konstgjord intelligens kan automatiskt brytas genom nyhetsrapporter och onlineinnehåll världen över, och hjälpa proffs att identifiera potentiella störningar som leder till en potentiell epidemi eller värre. Med andra ord kan våra nya AI-chefer hjälpa oss att komma ut från nästa pest.

Dessa nya

AI

kapaciteterna är i full gång med det senaste koronavirusutbrottet, identifierat av ett kanadensiskt baserat företag, BlueDat, som är en av flera organisationer som använder data för att bedöma risker för folkhälsan. De amerikanska centren för sjukdomskontroll och förebyggande (CDC) och Världshälsoorganisationen (WHO) har offentliggjort officiella meddelanden om att byrån påstår sig ha genomfört "automatisk övervakning av infektionssjukdomar". Nu i slutet av januari har ett andningsvirus kopplat till staden Wuhan i Kina redan förlorat mer än 100 liv. Fall har uppstått i många andra länder, inklusive USA, och CDC varnar amerikanerna för att undvika onödiga resor till Kina.


Svar 7:

Vid den tidpunkt då en konstig sjukdom först dyker upp kan det mycket väl vara svårt för regeringar och allmänna välbefinnande myndigheter att samla in uppgifter snabbt och underlätta en reaktion. I vilket fall som helst, kan nyskapade resonemangsnyheter naturligtvis brytas genom nyhetsrapporter och online-ämnen från hela världen, vilket hjälper specialister att upptäcka inkonsekvenser som kan leda till en potentiell pest eller, mer beklagligt, en pandemi. I slutet av dagen kan våra nya AI-herrar verkligen hjälpa oss med att uthärda följande sjukdom.

Dessa nya AI-förmågor är i full utställning med den pågående koronavirus-uppblåsningen, som tydligt utmärktes av ett kanadensiskt företag som heter BlueDot, som är en av olika organisationer som använder information för att bedöma allmänna välbefinningsfaror. Organisationen, som säger att den genomför "robotiserad oemotståndlig sjukdomsobservation", berättade för sina klienter om den nya typen av coronavirus mot slutet av december, dagar innan både US Centers for Disease Control and Prevention (CDC) och Världshälsoorganisationen (WHO) ) förmedlade officiell anmälan, som meddelats av Wired. För närvarande närmar sig slutet av januari har andningsinfektionen som har kopplats till staden Wuhan i Kina just dödat över 100 personer. Fall har också dykt upp i några olika nationer, inklusive USA, och CDC varnar amerikanerna att behålla ett strategiskt avstånd från onödiga resor till Kina.

Kamran Khan, en oemotståndlig sjukdomsläkare och BlueDots författare och verkställande direktör, klargjorde i ett möte hur organisationens ursprungliga förmaningsram använder mänskligt medvetenhet, inklusive normal språkhantering och AI, för att följa mer än 100 oemotståndliga infektioner genom att bryta ner cirka 100 000 artiklar i 65 dialekter konsekvent. Denna information gör det möjligt för organisationen att inse när de ska berätta för sina kunder om den potentiella närheten och spridningen av en oemotståndlig sjukdom.

Annan information, liknande upptäcktsplaner och flygvägar, kan bidra till att ge organisationen extra indikationer om hur en sjukdom troligen kommer att spridas. Nyligen förväntade BlueDot-specialister nyligen olika urbana samhällen i Asien där koronaviruset skulle dyka upp efter att det dykte upp i Kina.

Tanken bakom BlueDots modell (vars slutgiltiga resultat på detta sätt granskas av mänskliga specialister) är att få uppgifter till socialförsäkringsarbetare så snabbt som möjligt, med förväntan på att de kan analysera - och, om nödvändigt, koppla bort - besläktade och tänkbara smittsamma individer vid en lämplig tid.

"De officiella uppgifterna är inte i alla fall lyckosamma", sa Khan till Recode. "Skillnaden mellan ett fall i en upptäcktsresande och en uppblåsning förlitar dig på att din främsta mänskliga servicespecialist uppfattar att det finns en specifik sjukdom. Det kan vara skillnaden i att hålla en uppblåsning från att verkligen hända."

Khan inkluderade att hans ramverk på liknande sätt kan använda en mängd annan information - till exempel data om ett territoriums atmosfär, temperatur eller till och med husdjurs i närheten - för att förutse om någon förorenad med en sjukdom troligen kommer att orsaka en uppblossning runt där. Han säger upp att BlueDot 2016 hade möjlighet att förutse förekomsten av Zika-infektionen i Florida ett halvt år innan den verkligen dök upp där.

Dessutom bekräftade gisselskontrollorganisationen Metabiota att Thailand, Sydkorea, Japan och Taiwan hade den högsta risken för att se infektionen dyka upp under sju dagar innan fall i dessa länder verkligen avslöjades, något genom att hoppas på flyginformation. Metabiota, som BlueDot, använder vanligt språkhantering för att utvärdera online-rapporter om en potentiell sjukdom, och det är dessutom avskaffande på att bygga upp en liknande innovation för webbaserad livsinformation.

Imprint Gallivan, Metabiotas verkställande av informationsvetenskap, klargör att etapper och diskussioner online också kan ge ett tecken på att det finns risk för en pandemi. Metabiota hävdar också att den kan bedöma faran för att en sjukdom sprider sig och orsakar sociala och politiska avbrott, med tanke på uppgifter som ett sjukdomsindikationer, dödsrate och behandlingens tillgänglighet. Till exempel, vid tidpunkten för den här artikelns distribution, bedömde Metabiota faran för att det nya coronavirus orsakar öppen obehag som "hög" i USA och Kina, men den utvärderade dock denna fara för monkeoxoxinfektionen i Demokratiska republiken Kongo ( där det har redovisats instanser av den infektionen) som "medium."

Det är svårt att inse exakt hur exakt detta betygsram eller själva scenen kan vara, men Gallivan säger att organisationen arbetar med det amerikanska kunskapsnätverket och försvarsdepartementet i frågor som identifierats med coronavirus. Detta är ett stycke av Metabiotas arbete med In-Q-Tel, det ideella äventyrsföretaget i samband med Central Intelligence Agency. Regeringskontor är emellertid inte de främsta potentiella kunderna i dessa ramverk. Metabiota publicerar dessutom sin grund till återförsäkringsorganisationer - återförsäkring är i grunden skydd för försäkringsbyråer - som borde hantera de monetära farorna i samband med en sjukdoms latenta kapacitetsspridning.

Det är som det kan, datoriserade resonemang kan onekligen vara mer värdefullt än att bara hålla experter och myndigheter på sjukdomsöverföring utbildade som en infektion sprider upp. Specialister har tillverkat AI-baserade modeller som successivt kan förutse avsnitt av Zika-infektionen, vilket kan utbilda hur specialister reagerar på potentiella nödsituationer. Mänskligt skapat medvetande kan också användas för att hantera hur allmänna välbefinnande myndigheter sprider tillgångar under en nödsituation. Som ett resultat är AI en annan första skyddslinje mot sjukdom.

Desto mer omfattande, AI är nu att hjälpa till med att undersöka nya mediciner, hantera ovanliga infektioner och identifiera malign tillväxt i brystet. Mänskligt gjord intelligens användes till och med för att särskilja läskiga crawlies som sprider Chagas, en allvarlig och tänkbar dödlig sjukdom som har besvärat 8 miljoner individer i Mexiko och Central- och Sydamerika. Det finns också en ökad entusiasm för att använda information som inte är välmående - som webbaserad livspresent - för att hjälpa välbefinnande politiker och läkemedelsorganisationer förstå bredden i en välfärdsnödsituation. Till exempel AI som kan mina online-liv presenterar olagliga narkotiska affärer och hålla allmänna välbefinnande myndigheter utbildade om dessa kontrollerade ämnes spridning.

Dessa ramverk, inklusive Metabiotas och BlueDot, är bara i nivå med den information de bedömer. Dessutom har AI - för det mesta - ett problem med lutning, som kan spegla både arkitekterna för ett ramverk och den information det är förberett på. Dessutom är AI som används inom medicintjänster inte på något sätt, form eller form som är säker på det problemet.

I allt hänseende talar dessa framsteg till en progressivt idealistisk synvinkel för vad AI kan göra. Vanligtvis är det inte så bra med uppdateringar av AI-robotar som filtrerar genom enorma informationssträng. Överväg lagkrav med ansiktsbekräftelsedatabaser baserade på bilder som utvinns från över internet. Eller å andra sidan rekrytera regissörer som nu skulle kunna använda AI för att förutse hur du kommer att fortsätta slipa bort, mot bakgrund av dina internetbaserade livsposter. Möjligheten att AI ska bekämpa vilda sjukdomar erbjuder en situation där vi känner oss något mindre obekväma, om inte genom och genom glada. Kanske denna innovation - när den skapas och används på lämpligt sätt - verkligen kan hjälpa till att skona några liv.