Изкуствен Интелект

Ролята на ИИ във "войната" срещу епидемии и пандемии

Владимир Владков

В борбата срещу епидемиите, включително срещу сегашния коронавирус SARS-CoV2, медицинският персонал е на първа линия, рискувайки собствения си живот, за да спаси живота на другите. Но зад тази предна линия също се води война (или би трябвало да се води) от власти, медицински изследователи, статистици и компютърни учени, използващи множество изкуствен интелект (AI) и технологии за наука за данни.

Подготвеност
Вирусът SARS-CoV2, който предизвиква заболяването COVID-19, зарази повече от 500 000 души и доведе до смъртта на 23 000 души в рамките само на три месеца след първото откриване, изглежда, изненада повечето национални правителства, а не би трябвало.

От 2000 г. излизаха предупреждение след предупреждение: ТОРС (SARS-CoV) през 2003 г., "свински грип" H1N1 през 2009 г., MERS (MERS-CoV) през 2012 г., западноафриканска ебола през 2014 г., зика през 2015 г. и многобройни повторни появи на заболявания като холера, денга, жълта треска и дори чума.

Глобалните лидери пренебрегнаха многократните предупреждения от експерти и организации като Денис Карол (в началото на 2000) и Бил Гейтс. Ръководителят на Световната здравна организация (СЗО) Тедрос Гебрейсус предупреди през 2018 г.: "Опустошителна епидемия може да започне във всяка държава по всяко време и да убие милиони хора, защото ние не сме подготвени."

Изкуственият интелект (ИИ) може да помогне на правителствата да подобрят готовността си за следващата епидемия с компютърно моделиране и симулации по същия начин, по който ИИ помага да се подготвят нациите за война чрез ИИ за военна симулация и ИИ за военна готовност.

На конференцията TED Talk през 2015 г. Бил Гейтс изнесе лекция, озаглавена "Следващото огнище? Не сме готови". Той използва компютърни модели, за да прогнозира, че патоген, толкова вирулентен като испанския грип от 1918 г., ще убие 33 милиона души по света само за девет месеца. Гейтс се оплаква, че правителствата редовно провеждат военни симулации, за да проверят своята готовност, "военни игри", но не и пандемични симулации, "микробни игри".

Международната общност със закъснение започна да оценява готовността на страните за справяне с пандемиите. Първият глобален индекс за сигурността на здравната система беше публикуван през октомври 2019 г. Събирането на данни беше предимно ръчно, като изследователите задаваха въпроси с отговор "да" или "не".

Страните бяха оценени с коефициент между 0 и 100, като по-високите резултати означават по-добри здравни условия. САЩ се класираха на върха с резултат 83.5, а Великобритания на второ място, отбелязвайки 77.9. България пък е "класирана" на 61 място от 195 страни с обща оценка 45.6. Ретроспективната оценка на готовността на всяка държава за COVID-19 трябваш да подчертае дали тестването за готовност за пандемия трябва да бъде по-сложно от това в бъдеще.

Прогнози
През последните 50 години са открити повече от 1500 нови патогена, 70% от които са доказали, че са от животински произход, според статистиката на СЗО (от 2018 г.). Вирусите или бактериалните инфекции, които "се разпространяват" от животни върху хора, се наричат зоонозни. Прехвърлянето може да възникне, когато заразено животно бъде изядено, изтъргувано, отглеждано в стопанства или ако ухапе човек, но също така и когато човешката дейност унищожава местообитанията.

Изкуственият интелект може да помогне да се предскажат условията и местата, където могат да възникнат разпространения на известни и неизвестни патогени. Това позволява на правителствата и агенциите да планират предварително и да въведат забрани за високорискови дейности или поне да проведат обучения за тях.

Водещата сила при идентифицирането на зоонозните заплахи беше Predict, създадена от Денис Карол през 2009 г. Тя изчисли, че има 1.6 милиона неизвестни вирусни вида при животните, от които 700 000 могат да заразят и хората. Финансирането на Predict беше прекратено от правителството на САЩ през октомври 2019 г..
Подтикната от появата на вируса Zika през 2015 г., Predict започна да разработва машинно обучение, за да помогне за предсказването на възможни гостоприемници за възникващ флавивирус (семейството, съдържащо зика, денга и жълта треска), обяснява Пранав Пандит, изследовател в One Health Institute от Калифорнийския университет, който помогна за разработването на инструментите за Predict. ИИ се използва и от други изследователи, за да се предскаже кога и къде прехвърлянето ще доведе до повторно появяване на известни патогени, включително зика, денга и ебола.

Прехвърлянето е много рядко явление, подчертава Кейт Джоунс, професор по екология и биоразнообразие в колежа University College London (UCL). "Необходим е уникален коктейл от лош късмет, за да може човек да взаимодейства с определено животно, което е заразно с вирус, способен да зарази човек, и той да бъде предаден от човек на човек. Това, което прави ИИ полезен за прогнозиране, е какво, кога, защо и къде могат да се случат тези редки събития", добавя професорът.

Екипът на Джоунс е изградил модели за машинно обучение, за да предскаже къде е вероятно да съществуват животни, определени като вероятни носители на ебола - там, където човешкото поведение, като обезлесяването например, поражда опасна близост между животните и хората. Друг риск е в случаи, при които гъстотата на населението и мобилността рискуват по-голямо разпространение. Джоунс експериментира със сензори и камери с активиран ИИ, които могат да открият присъствието на животни - включително потенциални гостоприемници или "резервоари" на зоонозни болести - в непосредствена близост до хората.

Засичане
Първият етап от анализа на огнището е откриването. Бързото откриване е от решаващо значение, тъй като дава възможност за ранна намеса - включително изолация на пациента, проследяване на контакти, лечение и ваксинация (ако е налична) - и доставка на местни и глобални сигнали за предотвратяване на разпространението.
В един перфектен свят на вездесъщите, свързани, достъпни глобални здравни грижи - за което се застъпва СЗО - заразен човек бързо ще получи медицинска помощ, а подробности за заболяването ще се споделят в глобална система от данни с активиран ИИ, която може да предостави съвети, да призове за помощ и да издаде предупреждения в реално време.

Справянето с огнището на SARS-CoV2 в Ухан през декември 2019 г. беше далеч от този сценарий. Китайските власти - въпреки развитата си здравна система - бяха твърде бавни, за да открият, разпознаят или разгласят заплахата.

Независимо от тайнствеността се появиха новини за новия патоген. Няколко системи с ИИ генерираха в интернет разговори за група неидентифицирани случаи на пневмония в Ухан и пуснаха сигнали, независимо от мълчанието от страна на китайските власти. Компанията Dataminr заяви, че първа е подала сигнал (само за своите клиенти) на 30 декември 2019 г., след като нейният изкуствен интелект е предизвикал разговорите в социалните медии, включително изображение на мащабното почистване, което се провежда на известния вече пазар в Ухан. Други платени услуги като BlueDot и Metabiota също твърдят, че техните алгоритми за обработка на естествен език (NLP) са били доста бързи при получаването на новините според публикации в медиите.

Първите публични сигнали също са публикувани на 30 декември според Associated Press. Първото автоматизирано предупреждение бе генерирано от HealthMap, приложение в Бостънската детска болница, което проверява множество източници на информация. Другият сигнал бе по-обмислен, издаден от ProMED, след като епидемиологът от Ню Йорк Марджори Полак бе уведомена чрез разговори за случаи на "необяснима пневмония" чрез стара електронна поща на училище в Китай.

Healthmap и BlueDot помогнаха за предсказване на разпространението на вируса в глобален мащаб чрез "ровене" в данните за полетите, напускащи Ухан по време на критичния период след появата на огнището и преди да бъдат предприети мерки за ограничаване на пътуванията.

Прогнозиранe
Много внимание е отделено на прогнозите за разпространение, на нивата на заразата, на инкубационния период, на възстановяването, на смъртността, пиковете на COVID-19. Забележително е, че прогнозите на екипа от лондонския Imperial College са довели до бърза промяна на стратегията на правителството на Обединеното кралство от "Да изчакаме и да видим" към намеси от типа социално дистанциране. Тези модели традиционно са математически и не са склонни да използват изкуствен интелект.

Въпреки това изследователи от университета Fudan в Шанхай са използвали огнището на COVID-19 в Китай като казус, за да тестват и докажат, че изкуственият интелект прави по-добри прогнози в реално време за предаване на вируса от традиционните епидемиологични прогнозни модели. Първото им проучване използва група от автокодери за моделиране на динамиката за предаване на епидемията в Китай. Втора научна статия използва изкуствен интелект, за да предскаже последиците от забавянето на правителствата да се намесят по-активно, за да забавят разпространението на вируса.

Геномен анализ
Геномът на SARS-CoV2 бързо е секвениран (т.е. е определена ДНК последователността) от китайски изследователи и той е публикуван на 10 януари 2020 г. Геномът на SARS-CoV2 е секвениран безброй пъти от проби по целия свят. Задълбоченото обучение (Deep Learning) се използва при геномно секвениране и диагностично тестване за обработка на големи масиви от данни и за откриване на вариации в кода, както е очертано в тази изследователска работа от ноември 2019 г., но не е ясно колко широко е бил използван изкуственият интелект при секвенирането на генома на SARS-CoV2.

Следващият щам Nextstrain
Проектът с отворен код Nextstrain анализира вирусни геноми от цял свят, за да проследи разпространението на коронавируса. Има много причини, поради които бързото секвениране на генома е важно. Първото е, че повечето тестове за вируса на SARS-CoV2 при пациенти разчитат на идентифициране на част от вирусния геном чрез тампон от носа или гърлото.

Втората причина е да се позволи на изследователите да сравняват геноми, включително да търсят сходства с предишни коронавирусни патогени като SARS и MERS и с животински коронавирус, открит при предполагаеми видове гостоприемници като прилепи и панголин. Също така изучаването на малките мутации, които се появяват в генома на вируса на всеки две до три седмици, помага да се проследи кога и къде е възникнал.

И накрая, вирусният геном е ключов за проследяването на разпространението на вируса. Nextstrain е проект с отворен код, който анализира всички вирусни геноми от цял свят, за да използва контролните мутации, или "филогенеза", за да проследи разпространението на епидемията. Той е събрал 1500 генома за SARS-CoV2, създавайки впечатляващи карти, показващи щамовете с цветен код, разпространени локално и в световен мащаб. Анализът в САЩ показва как различни щамове пресичат страната.

И макар че Nextstrain изглежда като дете от плакат за изкуствения интелект и Големите данни, днес това не е така, смята Ричард Нехер, професор в Biozentrum, Университета в Базел и един от основателите на Nextstrain. "Някои алгоритми, участващи в секвенирането на геномите, използват изкуствен интелект - различни архитектури на невронни мрежи", казва той.


Геномна епидемиология на новия коронавирус

ИИ подпомага тестването
Недостигът на тестове - особено в Европа, подчерта проблемите с тестовете, базирани на геном. Два много различни примера за тестване, базирано на изкуствен интелект, се появиха от Китай.

Китайските власти в Пекин въведоха термовизионни камери с активиран ИИ, разработени от Megvii, на места с много хора като гари и летища, за да помогнат за идентифицирането на хора с висока температура. Дори на разстояние повече от 3 метра в претъпкано място и с хора, носещи маски или шапки, системата може бързо да идентифицира челото и да разпознае дали човек излъчва твърде много топлина, след което, като използва разпознаване на изображения, да ги маркира на служител, който след това може ръчно да провери температурата. Високата температура е симптом за COVID-19. Не може да замести пълния тест, но със сигурност носи предимства.

В другия край на спектъра от решения е модел, използващ задълбочено обучение, за да се идентифицират точно случаите на COVID-19 от томографско сканиране на гърдите на пациентите. В проучване, публикувано през март 2020 г., невронна мрежа, известна като COVNet, успя да изследва 4300 томографски изображения и точно да разграничи пациентите с COVID-19 от други, които са заболели от пневмония и други белодробни заболявания.

Няколко китайски компании са разработили подобни технологии за разпознаване на томографски снимки, усъвършенствани в Ухан. Сред тях са Infervision, която наскоро инсталира оборудване в италианска болница. Канадският стартъп DarwinAI наскоро обяви своята технология с отворен код за четене на томографски сканирания.

Ограничаване на епидемията
Преди тестването и дори симптомите има период, в който пациентът е заразен, без да знае, но може да предаде вируса. Стандартният начин за справяне с това е чрез проследяване на контактите, за да се установи на кого заразеното лице е могло да предаде болестта и да предупреди, тества, лекува и/или изолира тези контакти.
Проследяването на контактите беше голяма част от стратегията за ограничаване в Сингапур. След като човек получи положителен тест, Сингапур интервюира заразеното лице и се опитва да проследи всеки човек, с когото той е взаимодействал в рамките на една до две седмици преди да се появи положителен тест.

Първоначално изглежда, че това е до голяма степен ръчен процес, но през март 2020 г. страната представи телефонно приложение, наречено TraceTogether (вече е достъпно с отворен код), което използва Bluetooth за регистриране на всички близки взаимодействия с други потребители на приложението. Ако един потребител на приложение развие симптоми за COVID-19, всички лица в риск и властите могат да бъдат предупредени.

До каква степен цялостната система за проследяване на контактите в Корея използва изкуствен интелект също не е ясно. Публикация обаче показва, че Корея използва записи на лични данни, включително посещения в болници и аптеки, GPS данни, транзакции с кредитни карти и системите за видеонаблюдение, което е разрешено съгласно специални правила след избухването на MERS през 2015 г.

От началото на февруари 2020 г. Китай бързо пусна приложението за засичане на близки контакти Close Contact Detector в цялата страна, за да контролира COVID-19. То работи на принципа на светофарна система. На железопътни гари, входове и други места трябва да сканирате приложението или длъжностните лица да проверят приложението и да разрешат на хората да влизат само ако приложението показва зелена светлина. Системата, която стои зад приложението, е забулена в тайна, но, изглежда, разчита на някакъв сложен изкуствен интелект.

Информация и контрол на дезинформацията
При всяко бедствие е от съществено значение да получите правилната информация за гражданите, данните за организациите и да ограничите фалшивите новини и измамите. Лошата информация може да убие, както демонстрират стотици хора, загинали ненужно в Иран от пиене на метанол, вярвайки, че това е лек от коронавирус.

ИИ може да помогне за предоставяне на точна информация и да ограничи разпространението на лошата. Google, Facebook и други гиганти в търсачките и социалните медии са подобрили своите алгоритми и са "напомпали мускулите" на детекторите на лъжата в своите платформи в опит да популяризират легитимна информация и да премахнат дезинформацията. За търсения, свързани с COVID-19, Google показва данни от национални правителства и здравни организации, а не обичайните популярни публикации и платени съобщения от рекламодатели.

Интересен пример за много нови информационни услуги е WhatsApp Health Alert, разработен от Praekelt.org за Южна Африка и сега разпространен от СЗО. Това е многоезична услуга, използваща машинно обучение и разбиране на естествен език, за да отговори на въпросите на потребителите и да ги насочи към най-добрите ресурси. Услугата на СЗО привлече 12 милиона потребители само през първата седмица.

Нивото на обмен на данни от правителства, агенции, болници, изследователски институции и всякакви организации е безпрецедентно. Това позволява изграждането на иновативни услуги, ръководени от данните, включително краля на статистиката на COVID-19, Worldometer, който дава възможност на изследователите, които моделират прогнозите за огнището, медицинските изследователи, които се стремят да разработят и тестват нови лечения, и компютърните учени, които създават инструменти за изкуствен интелект, които ще улеснят всички.

Лечения
Един от ключовите и авангардни начини за използване на ИИ в здравеопазването е изчисленото предписване на лекарства. В този процес изследователите използват технологии за задълбочено обучение, за да търсят в огромни бази данни - като Drugbank - на съществуващи лекарства, много одобрени от Американската администрация по храните и лекарствата, за да намерят потенциални лекове за нови проблеми. Надеждата е, че изкуственият интелект може да бъде обучен да намира вирусни инхибитори - или ваксини, или лечения - по същия начин, по който изследователите от MIT са използвали дълбоките невронни мрежи, за да намерят потенциален нов антибиотик за борба с бактериални инфекции като E. Coli.

ИИ може да помогне да се предскаже дали потенциалните лекарства ще предотвратят свързването на вируса с човешките клетки, дали лекарството има вероятност да бъде токсично за човешките клетки и дали може да предизвика опасно взаимодействие с други често срещани лекарства, като по този начин помага за предварителен скрининг на потенциалните лекарства преди лабораторно тестване.

Много лаборатории в световен мащаб работят върху разработването на ИИ или използват ИИ за проучване и тестване на потенциални лекарства. Те включват лабораторията на MIT, разработила гореспоменатия антибиотик. Има много предварително публикувани статии, т.е. без проверка, в които изследователите твърдят, че са открити лекарства с помощта на ИИ, като един от Insilico и друг от Мичиганския щатски университет.
През следващите години анализът на огнището на COVID-19 и националните и глобални отговори ще бъдат обсъдени надълго и нашироко. Едно положително нещо, което ще произтича от това, несъмнено ще бъде признаването на ролята, която изкуственият интелект играе и трябва да играе в подготовката и справянето с глобалните епидемии.


X