Tabiri janga kabla halijafika

Algorithm ya Kanada ya BlueDot ilikuwa haraka kuliko wataalam katika kutambua tishio kutoka kwa coronavirus ya hivi karibuni. Aliwaeleza wateja wake kuhusu siku za tishio kabla ya Vituo vya Marekani vya Kudhibiti na Kuzuia Magonjwa (CDC) na Shirika la Afya Duniani (WHO) kutuma arifa rasmi kwa ulimwengu.

Kamran Khan (1), daktari, mtaalamu wa magonjwa ya kuambukiza, mwanzilishi na Mkurugenzi Mtendaji wa programu BlueDot, alieleza katika mahojiano na waandishi wa habari jinsi mfumo huu wa onyo wa mapema unavyotumia akili ya bandia, ikiwa ni pamoja na usindikaji wa lugha asilia na kujifunza kwa mashine, kufuatilia hata magonjwa mia moja ya kuambukiza kwa wakati mmoja. Karibu nakala 100 katika lugha 65 huchambuliwa kila siku.

1. Kamran Khan na ramani inayoonyesha kuenea kwa virusi vya Wuhan.

Data hii huashiria makampuni wakati wa kuwaarifu wateja wao kuhusu uwezekano wa kuwepo na kuenea kwa ugonjwa wa kuambukiza. Data nyingine, kama vile maelezo kuhusu ratiba za usafiri na safari za ndege, inaweza kusaidia kutoa maelezo ya ziada kuhusu uwezekano wa kuzuka kwa mlipuko.

Wazo nyuma ya mfano wa BlueDot ni kama ifuatavyo. pata habari haraka iwezekanavyo wafanyakazi wa afya kwa matumaini kwamba wanaweza kutambua - na, ikiwa ni lazima, kuwatenga - watu walioambukizwa na uwezekano wa kuambukiza katika hatua ya awali ya tishio. Khan anaeleza kuwa kanuni hiyo haitumii data ya mitandao ya kijamii kwa sababu ni "mchafuko sana". Walakini, "taarifa rasmi sio ya kisasa kila wakati," aliiambia Recode. Na wakati wa majibu ndio muhimu ili kuzuia kuzuka kwa mafanikio.

Khan alikuwa akifanya kazi kama mtaalamu wa magonjwa ya kuambukiza huko Toronto mnamo 2003 wakati ilipotokea. ugonjwa wa SARS. Alitaka kuendeleza njia mpya ya kufuatilia aina hizi za magonjwa. Baada ya kujaribu programu kadhaa za utabiri, alizindua BlueDot mnamo 2014 na kukusanya $ 9,4 milioni kwa ufadhili wa mradi wake. Kampuni kwa sasa inaajiri wafanyakazi arobaini, madaktari na waandaaji programuambao wanatengeneza zana ya uchambuzi kufuatilia magonjwa.

Baada ya kukusanya data na uteuzi wao wa awali, wanaingia kwenye mchezo wachambuzi. baada ya wataalamu wa magonjwa Wanakagua matokeo ya uhalali wa kisayansi na kisha kuripoti kwa serikali, biashara na wataalamu wa afya. wateja.

Khan aliongeza kuwa mfumo wake unaweza pia kutumia data nyingine mbalimbali, kama vile taarifa kuhusu hali ya hewa ya eneo fulani, halijoto na hata taarifa kuhusu mifugo ya eneo hilo, kutabiri iwapo mtu aliyeambukizwa ugonjwa huo anaweza kusababisha mlipuko. Anasema kwamba mapema mwaka wa 2016, Blue-Dot iliweza kutabiri mlipuko wa virusi vya Zika huko Florida miezi sita kabla ya kusajiliwa katika eneo hilo.

Kampuni inafanya kazi kwa njia sawa na kutumia teknolojia sawa. Metabiotufuatiliaji wa janga la SARS. Wataalamu wake kwa wakati mmoja waligundua kuwa hatari kubwa zaidi ya kuibuka kwa virusi hivi nchini Thailand, Korea Kusini, Japan na Taiwan, na walifanya hivi zaidi ya wiki moja kabla ya kutangazwa kwa kesi katika nchi hizi. Baadhi ya hitimisho lao lilitolewa kutokana na uchanganuzi wa data ya safari za abiria.

Metabiota, kama BlueDot, hutumia uchakataji wa lugha asilia kutathmini ripoti za magonjwa zinazoweza kutokea, lakini pia inafanya kazi ili kutengeneza teknolojia hiyo hiyo kwa taarifa za mitandao ya kijamii.

Mark Gallivan, mkurugenzi wa kisayansi wa data wa Metabiota, alielezea kwa vyombo vya habari kwamba majukwaa ya mtandaoni na vikao vinaweza kuashiria hatari ya kuzuka. Wataalamu wa wafanyikazi pia wanasema wanaweza kukadiria hatari ya ugonjwa unaosababisha msukosuko wa kijamii na kisiasa kulingana na habari kama vile dalili za ugonjwa, vifo na upatikanaji wa matibabu.

Katika enzi ya Mtandao, kila mtu anatarajia uwasilishaji wa kuona wa haraka, unaotegemeka na pengine unaoweza kusomeka wa habari kuhusu maendeleo ya janga la coronavirus, kwa mfano, katika mfumo wa ramani iliyosasishwa.

2. Dashibodi ya Chuo Kikuu cha Johns Hopkins Coronavirus 2019-nCoV.

Kituo cha Sayansi ya Mifumo na Uhandisi katika Chuo Kikuu cha Johns Hopkins kimeunda dashibodi maarufu zaidi ya coronavirus ulimwenguni (2). Pia ilitoa seti kamili ya data kwa ajili ya kupakuliwa kama laha ya Google. Ramani inaonyesha kesi mpya, vifo vilivyothibitishwa na kupona. Data inayotumika kwa taswira inatoka kwa vyanzo mbalimbali, ikiwa ni pamoja na WHO, CDC, CDC ya China, NHC, na DXY, tovuti ya Uchina ambayo hujumlisha ripoti za NHC na ripoti za wakati halisi za hali ya ndani ya CCDC.

Utambuzi kwa masaa, sio siku

Ulimwengu ulisikia kwa mara ya kwanza kuhusu ugonjwa mpya ambao ulitokea Wuhan, Uchina. 31 декабря 2019 г. Wiki moja baadaye, wanasayansi wa China walitangaza kwamba wamemtambua mhalifu. Wiki iliyofuata, wataalamu wa Ujerumani walitengeneza mtihani wa kwanza wa uchunguzi (3). Ni haraka, haraka zaidi kuliko siku za SARS au milipuko kama hiyo kabla na baada.

Mapema mwanzoni mwa miaka kumi iliyopita, wanasayansi wanaotafuta aina fulani ya virusi hatari walipaswa kukua katika seli za wanyama katika sahani za Petri. Lazima uwe umeunda virusi vya kutosha kutengeneza kutenganisha DNA na kusoma kanuni za kijeni kupitia mchakato unaojulikana kama mpangilio. Hata hivyo, katika miaka ya hivi karibuni mbinu hii imeendelezwa sana.

Wanasayansi hawahitaji hata kukuza virusi kwenye seli tena. Wanaweza kutambua moja kwa moja kiasi kidogo sana cha DNA ya virusi katika mapafu ya mgonjwa au usiri wa damu. Na inachukua masaa, sio siku.

Kazi inaendelea kuunda zana za utambuzi wa virusi haraka na rahisi zaidi. Veredus Laboratories yenye makao yake Singapore inafanyia kazi kifaa cha kubebeka ili kugundua, VereChip (4) itaanza kuuzwa kuanzia Februari 1 mwaka huu. Suluhu zinazofaa na zinazobebeka pia zitaifanya iwe haraka kuwatambua walioambukizwa kwa ajili ya matibabu sahihi wakati wa kupeleka timu za matibabu uwanjani, haswa wakati hospitali zimejaa.

Maendeleo ya hivi majuzi ya kiteknolojia yamewezesha kukusanya na kushiriki matokeo ya uchunguzi katika muda halisi. Mfano wa jukwaa kutoka kwa Quidel София Mimi mfumo PCR10 FilmArray Kampuni za BioFire zinazotoa vipimo vya haraka vya uchunguzi wa vimelea vya magonjwa ya kupumua zinapatikana mara moja kupitia muunganisho wa pasiwaya kwenye hifadhidata katika wingu.

Jeni la 2019-nCoV coronavirus (COVID-19) limepangwa kikamilifu na wanasayansi wa China chini ya mwezi mmoja baada ya kisa cha kwanza kugunduliwa. Takriban zaidi ishirini zimekamilika tangu mfuatano wa kwanza. Kwa kulinganisha, janga la virusi vya SARS lilianza mwishoni mwa 2002, na genome yake kamili haikupatikana hadi Aprili 2003.

Mpangilio wa jenomu ni muhimu kwa maendeleo ya uchunguzi na chanjo dhidi ya ugonjwa huu.

Ubunifu wa Hospitali

5. Roboti ya matibabu kutoka Kituo cha Matibabu cha Mkoa cha Providence huko Everett.

Kwa bahati mbaya, coronavirus mpya pia inatishia madaktari. Kwa mujibu wa CNN, kuzuia kuenea kwa virusi vya corona ndani na nje ya hospitali, wafanyakazi katika Providence Regional Medical Center katika Everett, Washington, kutumia Kazi (5), ambayo hupima ishara muhimu kwa mgonjwa aliyetengwa na hufanya kama jukwaa la mikutano ya video. Mashine ni zaidi ya mawasiliano kwenye magurudumu yenye skrini iliyojengwa ndani, lakini haiondoi kabisa kazi ya binadamu.

Wauguzi bado wanapaswa kuingia kwenye chumba na mgonjwa. Pia wanadhibiti roboti ambayo haitaathiriwa na maambukizo, angalau kibaolojia, kwa hivyo vifaa vya aina hii vitazidi kutumika katika matibabu ya magonjwa ya kuambukiza.

Bila shaka, vyumba vinaweza kuwa maboksi, lakini pia unahitaji ventilate ili uweze kupumua. Hii inahitaji mpya mifumo ya uingizaji hewakuzuia kuenea kwa microbes.

Kampuni ya Kifini Genano (6), ambayo ilitengeneza aina hizi za mbinu, ilipokea agizo la wazi kwa taasisi za matibabu nchini Uchina. Taarifa rasmi ya kampuni hiyo inasema kuwa kampuni hiyo ina uzoefu mkubwa katika kutoa vifaa vya kuzuia kuenea kwa magonjwa ya kuambukiza katika vyumba vya hospitali visivyo na tasa na vilivyotengwa. Katika miaka ya nyuma, alijifungua, miongoni mwa mambo mengine, kwa taasisi za matibabu nchini Saudi Arabia wakati wa janga la virusi vya MERS. Vifaa vya Kifini vya uingizaji hewa salama pia vimewasilishwa kwa hospitali maarufu ya muda kwa watu walioambukizwa na coronavirus ya 2019-nCoV huko Wuhan, ambayo tayari imejengwa kwa siku kumi.

6. Mchoro wa mfumo wa Genano katika insulator

Teknolojia iliyopewa hakimiliki inayotumiwa katika visafishaji "huondoa na kuua vijidudu vyote vinavyopeperuka hewani kama vile virusi na bakteria," kulingana na Genano. Ina uwezo wa kunasa chembe ndogo ndogo kama nanomita 3, visafishaji hewa havina kichujio cha mitambo cha kudumisha, na hewa huchujwa na uwanja wa umeme wenye nguvu.

Udadisi mwingine wa kiufundi ambao ulionekana wakati wa kuzuka kwa hofu ya coronavirus ilikuwa scanners za joto, kutumika, kati ya mambo mengine, watu wenye homa huchukuliwa kwenye viwanja vya ndege vya India.

Mtandao - kuumiza au kusaidia?

Licha ya wimbi kubwa la ukosoaji wa kurudiwa na kueneza, kueneza habari potofu na hofu, zana za media za kijamii pia zimekuwa na jukumu nzuri tangu kuzuka kwa Uchina.

Kama ilivyoripotiwa, kwa mfano, na tovuti ya teknolojia ya Uchina TMT Post, jukwaa la kijamii la video ndogo. douyin, ambayo ni sawa na Uchina ya TikTok (7) maarufu duniani, imezindua sehemu maalum ya kuchakata habari kuhusu kuenea kwa coronavirus. Chini ya alama ya reli #Pambana naNimonia, haichapishi habari tu kutoka kwa watumiaji, lakini pia ripoti za wataalam na ushauri.

Mbali na kuongeza ufahamu na kueneza habari muhimu, Douyin pia inalenga kutumika kama zana ya msaada kwa madaktari na wafanyikazi wa matibabu wanaopambana na virusi, pamoja na wagonjwa walioambukizwa. Mchambuzi Daniel Ahmad ilitweet kuwa programu imezindua "Jiayou video effect" (ikimaanisha kutia moyo) ambayo watumiaji wanapaswa kutumia kutuma ujumbe chanya kwa msaada wa madaktari, wataalamu wa afya na wagonjwa. Aina hii ya maudhui pia huchapishwa na watu maarufu, watu mashuhuri na wale wanaoitwa washawishi.

Leo, inaaminika kuwa uchunguzi wa makini wa mienendo ya mitandao ya kijamii inayohusiana na afya inaweza kusaidia sana wanasayansi na mamlaka za afya ya umma kutambua na kuelewa vyema mbinu za uenezaji wa magonjwa kati ya watu.

Kwa sehemu kwa sababu mitandao ya kijamii inaelekea kuwa "ya hali ya juu na inazidi kuongezeka," aliiambia The Atlantic mnamo 2016. Saladi ya Marseille, mtafiti katika Shule ya Federal Polytechnic huko Lausanne, Uswisi, na mtaalamu wa nyanja inayokua ambayo wanasayansi huita. "Epidemiology ya Dijiti". Walakini, kwa sasa, aliongezea, watafiti bado wanajaribu kuelewa ikiwa media ya kijamii inazungumza juu ya shida za kiafya ambazo zinaonyesha matukio ya epidemiological au la (8).

8. Wachina wanajipiga picha za selfie wakiwa wamevaa vinyago.

Matokeo ya majaribio ya kwanza katika suala hili haijulikani. Tayari mnamo 2008, wahandisi wa Google walizindua zana ya kutabiri magonjwa - Mwenendo wa mafua ya Google (GFT). Kampuni ilipanga kuitumia kuchanganua data ya injini ya utafutaji ya Google kwa dalili na maneno ya ishara. Wakati huo, alitarajia matokeo yatatumika kwa usahihi na mara moja kutambua "muhtasari" wa milipuko ya mafua na dengue - wiki mbili mapema kuliko Vituo vya Kudhibiti na Kuzuia Magonjwa vya Amerika. (CDC), ambao utafiti wake unachukuliwa kuwa kiwango bora zaidi katika uwanja huo. Hata hivyo, matokeo ya Google kuhusu utambuzi wa mapema wa mafua kwa msingi wa mtandao wa mafua nchini Marekani na baadaye malaria nchini Thailand yalichukuliwa kuwa si sahihi sana.

Mbinu na mifumo ambayo "inatabiri" matukio mbalimbali, ikiwa ni pamoja na. kama vile mlipuko wa ghasia au magonjwa ya milipuko, Microsoft pia imefanya kazi, ambayo mwaka wa 2013, pamoja na Taasisi ya Technion ya Israeli, ilizindua mpango wa kutabiri maafa kulingana na uchambuzi wa maudhui ya vyombo vya habari. Kwa msaada wa vivisection ya vichwa vya habari vya lugha nyingi, "akili ya kompyuta" ilibidi kutambua vitisho vya kijamii.

Wanasayansi hao walichunguza mlolongo fulani wa matukio, kama vile habari kuhusu ukame nchini Angola, ambao ulitoa utabiri katika mifumo ya utabiri kuhusu uwezekano wa janga la kipindupindu, kwani waligundua uhusiano kati ya ukame na ongezeko la matukio ya ugonjwa huo. Mfumo wa mfumo uliundwa kwa msingi wa uchambuzi wa machapisho ya kumbukumbu ya New York Times, kuanzia 1986. Maendeleo zaidi na mchakato wa kujifunza kwa mashine ulihusisha matumizi ya rasilimali mpya za mtandao.

Kufikia sasa, kulingana na mafanikio ya BlueDot na Metabiota katika utabiri wa magonjwa, mtu anaweza kujaribiwa kuhitimisha kwamba utabiri sahihi unawezekana hasa kwa misingi ya data "iliyohitimu", i.e. vyanzo vya kitaaluma, vilivyoidhinishwa, maalum, sio machafuko ya mtandao na jumuiya za tovuti.

Lakini labda yote ni kuhusu algoriti nadhifu na ujifunzaji bora wa mashine?