Voorspel een epidemie voordat deze toeslaat

Het Canadese BlueDot-algoritme was sneller dan experts in het herkennen van de dreiging van het nieuwste coronavirus. Hij informeerde zijn cliënten over de dreigingsdagen voordat de Amerikaanse Centers for Disease Control and Prevention (CDC) en de Wereldgezondheidsorganisatie (WHO) officiële mededelingen naar de wereld stuurden.

Kamran Khan (1), arts, specialist in infectieziekten, oprichter en CEO van het programma BlueDot, legde in een persinterview uit hoe dit systeem voor vroegtijdige waarschuwing kunstmatige intelligentie gebruikt, inclusief natuurlijke taalverwerking en machinaal leren, om zelfs te volgen honderd besmettelijke ziekten tegelijk. Dagelijks worden ongeveer 100 artikelen in 65 talen geanalyseerd.

1. Kamran Khan en een kaart die de verspreiding van het Wuhan-coronavirus toont.

Deze gegevens geven bedrijven een signaal wanneer ze hun klanten op de hoogte moeten stellen van de mogelijke aanwezigheid en verspreiding van een infectieziekte. Andere gegevens, zoals informatie over reisroutes en vluchten, kunnen helpen aanvullende informatie te verschaffen over de waarschijnlijkheid van een uitbraak.

Het idee achter het BlueDot-model is als volgt. zo snel mogelijk informatie krijgen gezondheidswerkers in de hoop dat zij geïnfecteerde en potentieel besmettelijke mensen in een vroeg stadium van de dreiging kunnen diagnosticeren en, indien nodig, isoleren. Khan legt uit dat het algoritme geen gebruik maakt van sociale mediagegevens omdat deze “te chaotisch” zijn. “Officiële informatie is echter niet altijd actueel”, vertelde hij aan Recode. En reactietijd is waar het om gaat om een ​​uitbraak met succes te voorkomen.

Khan werkte in 2003 als specialist in infectieziekten in Toronto toen het gebeurde. SARS-epidemie. Hij wilde een nieuwe manier ontwikkelen om dit soort ziekten bij te houden. Nadat hij verschillende voorspellende programma's had getest, lanceerde hij BlueDot in 2014 en haalde hij 9,4 miljoen dollar op aan financiering voor zijn project. Het bedrijf heeft momenteel veertig medewerkers in dienst, artsen en programmeursdie een analytisch instrument ontwikkelen om ziekten op te sporen.

Nadat ze de gegevens en hun eerste selectie hebben verzameld, gaan ze het spel in analisten. na epidemiologie Ze testen de bevindingen op wetenschappelijke validiteit en rapporteren vervolgens aan de overheid, het bedrijfsleven en professionals in de gezondheidszorg. klanten.

Khan voegde eraan toe dat zijn systeem ook een reeks andere gegevens zou kunnen gebruiken, zoals informatie over het klimaat, de temperatuur in een bepaald gebied en zelfs informatie over lokaal vee, om te voorspellen of iemand die met de ziekte is geïnfecteerd een uitbraak zou kunnen veroorzaken. Hij wijst erop dat Blue-Dot al in 2016 een uitbraak van het Zika-virus in Florida kon voorspellen, zes maanden voordat het zich daadwerkelijk in het gebied zou registreren.

Het bedrijf opereert op een vergelijkbare manier en gebruikt vergelijkbare technologieën. Metabiotamonitoring van de SARS-epidemie. De experts ontdekten ooit dat het grootste risico op de opkomst van dit virus in Thailand, Zuid-Korea, Japan en Taiwan lag, en zij deden dit ruim een ​​week vóór de aankondiging van gevallen in deze landen. Sommige van hun conclusies werden getrokken uit de analyse van passagiersvluchtgegevens.

Metabiota maakt, net als BlueDot, gebruik van natuurlijke taalverwerking om potentiële ziekterapporten te evalueren, maar werkt ook aan de ontwikkeling van dezelfde technologie voor sociale media-informatie.

Mark Gallivan, de wetenschappelijk directeur data van Metabiota, legde de media uit dat online platforms en forums het risico op een uitbraak kunnen signaleren. Stafdeskundigen zeggen ook dat ze het risico van een sociaal en politiek ontwrichtende ziekteverspreiding kunnen inschatten op basis van informatie zoals ziektesymptomen, sterfte en beschikbaarheid van behandelingen.

In het internettijdperk verwacht iedereen een snelle, betrouwbare en mogelijk leesbare visuele weergave van informatie over de voortgang van de coronavirusepidemie, bijvoorbeeld in de vorm van een bijgewerkte kaart.

2. Johns Hopkins University Coronavirus 2019-nCoV-dashboard.

Het Center for Systems Science and Engineering van de Johns Hopkins University heeft misschien wel het beroemdste coronavirusdashboard ter wereld ontwikkeld (2). Het leverde ook de volledige dataset op om te downloaden als Google-spreadsheet. De kaart toont nieuwe gevallen, bevestigde sterfgevallen en herstelgevallen. De gegevens die voor de visualisatie worden gebruikt, zijn afkomstig uit verschillende bronnen, waaronder de WHO, CDC, China CDC, NHC en DXY, een Chinese website die realtime NHC-rapporten en lokale CCDC-situatierapporten verzamelt.

Diagnostiek in uren, niet in dagen

De wereld hoorde voor het eerst over een nieuwe ziekte die verscheen in Wuhan, China. 31 december 2019 stad Een week later maakten Chinese wetenschappers bekend dat ze de dader hadden geïdentificeerd. De week daarop ontwikkelden Duitse specialisten de eerste diagnostische test (3). Het is snel, veel sneller dan in de dagen van SARS of soortgelijke epidemieën ervoor en erna.

Al aan het begin van het afgelopen decennium moesten wetenschappers die op zoek waren naar een of ander gevaarlijk virus het laten groeien in dierlijke cellen in petrischalen. Je moet genoeg virussen hebben gemaakt om te kunnen maken isoleert DNA en lees de genetische code via een proces dat bekend staat als volgorde aanbrengen in. De laatste jaren heeft deze techniek zich echter enorm ontwikkeld.

Wetenschappers hoeven het virus niet eens meer in cellen te laten groeien. Ze kunnen zeer kleine hoeveelheden viraal DNA in de longen of bloedafscheidingen van een patiënt direct detecteren. En het duurt uren, geen dagen.

Er wordt gewerkt aan de ontwikkeling van nog snellere en handigere tools voor virusdetectie. Het in Singapore gevestigde Veredus Laboratories werkt aan een draagbare kit om VereChip (4) gaat vanaf 1 februari van dit jaar in de verkoop. Efficiënte en draagbare oplossingen zullen het ook sneller maken om geïnfecteerden te identificeren voor de juiste medische zorg bij het inzetten van medische teams in het veld, vooral wanneer ziekenhuizen overvol zijn.

Recente technologische ontwikkelingen hebben het mogelijk gemaakt om diagnostische resultaten bijna in realtime te verzamelen en te delen. Platformvoorbeeld van Quidel Sofia Ik ben een systeem PCR10 FilmArray BioFire-bedrijven die snelle diagnostische tests voor ademhalingspathogenen leveren, zijn onmiddellijk beschikbaar via draadloze connectiviteit met databases in de cloud.

Het genoom van het 2019-nCoV-coronavirus (COVID-19) is minder dan een maand na de ontdekking van het eerste geval door Chinese wetenschappers volledig in kaart gebracht. Sinds de eerste sequencing zijn er nog bijna twintig voltooid. Ter vergelijking: de SARS-virusepidemie begon eind 2002 en het volledige genoom ervan was pas in april 2003 beschikbaar.

Genoomsequencing is van cruciaal belang voor de ontwikkeling van diagnostiek en vaccins tegen deze ziekte.

Ziekenhuis innovatie

5. Medische robot van het Providence Regional Medical Center in Everett.

Helaas bedreigt het nieuwe coronavirus ook artsen. Volgens CNN is om de verspreiding van het coronavirus binnen en buiten het ziekenhuis te voorkomen, personeel van het Providence Regional Medical Center in Everett, Washington, gebruik De robot (5), dat vitale functies bij een geïsoleerde patiënt meet en fungeert als platform voor videoconferenties. De machine is meer dan alleen een communicator op wielen met een ingebouwd scherm, maar elimineert menselijke arbeid niet volledig.

Verpleegkundigen moeten nog steeds met de patiënt de kamer betreden. Ze bedienen ook een robot die, althans biologisch, niet zal worden blootgesteld aan infecties, dus dit soort apparaten zullen steeds vaker worden gebruikt bij de behandeling van infectieziekten.

Uiteraard kunnen de kamers geïsoleerd worden, maar je moet ook ventileren zodat je kunt ademen. Hiervoor is nieuw nodig ventilatiesystemenhet voorkomen van de verspreiding van microben.

Het Finse bedrijf Genano (6), dat dit soort technieken ontwikkelde, kreeg een uitdrukkelijke opdracht voor medische instellingen in China. In de officiële verklaring van het bedrijf staat dat het bedrijf uitgebreide ervaring heeft met het leveren van apparatuur om de verspreiding van infectieziekten in steriele en geïsoleerde ziekenhuiskamers te voorkomen. De afgelopen jaren verzorgde zij onder meer leveringen aan medische instellingen in Saoedi-Arabië tijdens de MERS-virusepidemie. Er zijn ook Finse apparaten voor veilige ventilatie geleverd aan het beroemde tijdelijke ziekenhuis voor mensen besmet met het 2019-nCoV-coronavirus in Wuhan, dat al in tien dagen is gebouwd.

6. Schema van het Genano-systeem in de isolator

De gepatenteerde technologie die in de luchtreinigers wordt gebruikt, "elimineert en doodt alle microben in de lucht, zoals virussen en bacteriën", aldus Genano. Luchtreinigers zijn in staat fijne deeltjes zo klein als 3 nanometer op te vangen en hebben geen mechanisch filter om te onderhouden, en de lucht wordt gefilterd door een sterk elektrisch veld.

Een andere technische curiositeit die naar voren kwam tijdens de uitbraak van het coronavirus was thermische scannersVroeger werden onder meer mensen met koorts opgehaald op Indiase luchthavens.

Internet - pijn of hulp?

Ondanks de enorme golf van kritiek op replicatie en verspreiding, het verspreiden van desinformatie en paniek, hebben sociale media sinds de uitbraak in China ook een positieve rol gespeeld.

Dat meldt bijvoorbeeld de Chinese technologiesite TMT Post, een sociaal platform voor minivideo’s. douyin, het Chinese equivalent van het wereldberoemde TikTok (7), heeft een speciaal segment gelanceerd om informatie over de verspreiding van het coronavirus te verwerken. Onder de hashtag #Strijd tegen longontsteking, publiceert niet alleen informatie van gebruikers, maar ook deskundigenrapporten en advies.

Naast het vergroten van het bewustzijn en het verspreiden van belangrijke informatie, wil Douyin ook dienen als ondersteunend instrument voor artsen en medisch personeel dat het virus bestrijdt, evenals voor geïnfecteerde patiënten. Analist Daniël Ahmad tweette dat de app een "Jiayou-video-effect" (wat aanmoediging betekent) heeft gelanceerd dat gebruikers moeten gebruiken om positieve berichten te sturen ter ondersteuning van artsen, beroepsbeoefenaren in de gezondheidszorg en patiënten. Dit soort content wordt ook gepubliceerd door bekende mensen, beroemdheden en zogenaamde influencers.

Tegenwoordig wordt aangenomen dat een zorgvuldige studie van gezondheidsgerelateerde trends op sociale media wetenschappers en volksgezondheidsautoriteiten enorm zou kunnen helpen de mechanismen van ziekteoverdracht tussen mensen beter te herkennen en te begrijpen.

Deels omdat sociale media vaak ‘zeer contextueel en steeds hyperlokaal’ zijn, vertelde hij in 2016 aan The Atlantic. Marseille-salade, een onderzoeker aan de Federale Polytechnische School in Lausanne, Zwitserland, en een expert op een groeiend gebied dat wetenschappers noemen "Digitale Epidemiologie". Op dit moment, zo voegde hij eraan toe, proberen onderzoekers echter nog steeds te begrijpen of sociale media het hebben over gezondheidsproblemen die daadwerkelijk epidemiologische verschijnselen weerspiegelen of niet (8).

8. De Chinezen maken selfies met maskers op.

De resultaten van de eerste experimenten op dit gebied zijn onduidelijk. Al in 2008 lanceerden Google-ingenieurs een hulpmiddel voor het voorspellen van ziekten: Google Grieptrends (GFT). Het bedrijf was van plan het te gebruiken om Google-zoekmachinegegevens te analyseren op symptomen en signaalwoorden. Destijds hoopte ze dat de resultaten zouden worden gebruikt om de ‘contouren’ van griep- en dengue-uitbraken nauwkeurig en onmiddellijk te herkennen – twee weken eerder dan de Amerikaanse Centers for Disease Control and Prevention. (CDC), wiens onderzoek wordt beschouwd als de beste standaard op dit gebied. De resultaten van Google over de vroege op internetsignalen gebaseerde diagnose van griep in de VS en later malaria in Thailand werden echter als te onnauwkeurig beschouwd.

Technieken en systemen die verschillende gebeurtenissen ‘voorspellen’, incl. zoals de explosie van rellen of epidemieën, heeft ook Microsoft gewerkt, dat in 2013 samen met het Israëlische Technion Institute een rampenvoorspellingsprogramma lanceerde op basis van de analyse van media-inhoud. Met behulp van vivisectie van meertalige krantenkoppen moest 'computerintelligentie' sociale bedreigingen herkennen.

De wetenschappers onderzochten bepaalde reeksen gebeurtenissen, zoals informatie over de droogte in Angola, die aanleiding gaf tot voorspellingen in voorspellingssystemen over een mogelijke cholera-epidemie, omdat ze een verband vonden tussen droogte en een toename van de incidentie van de ziekte. Het raamwerk van het systeem werd gecreëerd op basis van de analyse van archiefpublicaties van de New York Times, te beginnen in 1986. Verdere ontwikkeling en het proces van machinaal leren omvatten het gebruik van nieuwe internetbronnen.

Tot nu toe, op basis van het succes van BlueDot en Metabiota op het gebied van epidemiologische voorspellingen, men zou in de verleiding kunnen komen om te concluderen dat een nauwkeurige voorspelling voornamelijk mogelijk is op basis van ‘gekwalificeerde’ gegevens, d.w.z. professionele, geverifieerde, gespecialiseerde bronnen, niet de chaos van internet- en portalgemeenschappen.

Maar misschien gaat het allemaal om slimmere algoritmen en beter machine learning?