AI ve büyük verinin yardımıyla, bu küresel savaş "salgını" nı kazanın
Yeni tip koronavirüs (COVID-19), şiddetli akut solunum sendromu (SARS) ve soğuk algınlığı ile ilişkili bir koronavirüsten kaynaklandı. Yapay zeka ve çeşitli termal sensörlerin yanı sıra büyük veri ve tahmine dayalı analizi birleştirerek, ölümcül vakaların sayısını en aza indirmek için bu bulaşıcı hastalığın yayılmasını etkili bir şekilde kontrol etmesi bekleniyor.
Bu virüsün sınırlı tespit gücü nedeniyle, kaç vakanın enfekte olduğunu belirlemek genellikle imkansızdır ve bu virüsün gerçek tehlikesini hala şüpheli hale getirir. Veri analizi tekniklerinin, epidemiyoloji uzmanlarının desteklenmesinde belirleyici bir katkısı vardır.
Matematik gibi veri analizi de temel bir rol oynar. Geçtiğimiz birkaç yılda olduğu gibi, veri biliminin öncüleri, hastalıklar yayıldıkça büyük değişiklikleri ve ilerlemeyi yönlendirmek için veri ve analizi kullanarak dünya üzerinde derin bir etkiye sahip oldu.
Tarihsel gelişim yörüngesinden, veri analizinin en eski uygulamalarından biri, 1854'te Londra'daki 1854 Broad Street kolera salgınıydı. Veri odaklı ilk epidemiyologlardan biri olan John Snow, hastalığın kaynağını izole etmek için Londra'daki ölümün jeo-uzamsal analizini yaptı. John Snow'un analizine göre, İngiliz yetkililer kesin önleyici tedbirler alabilir ve bulaşıcı hastalıkların yayılmasını hızlı bir şekilde anlayabilir.
Veriler nasıl değerlendirilir?
Veri analiz sistemi aracılığıyla çeşitli modellerin uygulanmasının, eğilimlerin gelişimini kabaca değerlendirebildiği kanıtlanmıştır. Örneğin, en yaygın "Duyarlı-Enfektif-İyileştirilmiş" (SIR) modeli olan bu epidemiyolojik model, "bulaşıcı vakaların bulunduğu kapalı bir alanda" hesaplamak için kullanılır, enfekte vakalar takip eder Teori sayısı zamanla giderek artıyor ". Model, S (t) enfeksiyonuna duyarlı kişilerin sayısını, I (t) ile enfekte olan kişilerin sayısını ve iyileşen kişi sayısını R (t) analiz etmek için birleştirilmiş denklemler kullanır. En basit SIR modellerinden biri Kermack-McKendrick modelidir.Bu salgın model aynı zamanda birçok benzer analiz modelinin temeli olarak kabul edilir.Bunlar arasında Ettore Mariotti'nin analizini en ilginç buldum.
Birincisi, insanların özgürce girip çıkamayacakları bir sistem olan bir ada olmalı. Belirli bir zamanda, herkes aşağıdaki durumlardan birine sahip olabilir: enfeksiyona, enfeksiyona ve iyileşmeye duyarlı, çünkü hiç hastalığı (S) yaşamamış kişiler muhtemelen hastalanacak ve belirli bir zamanda enfekte olacaktır (I) Ve sonra kurtarın (R). CoVID-19 durumunda, bu SIR modeline, virüse sahip olan ancak henüz teşhis edilmemiş (asemptomatik taşıyıcılar) -SEIR modelini içeren bir "Açık" durumu eklemek daha uygundur.
Şekil 1: SEIR modeli (Kaynak: triplebyte.com)
SEIR modeli iki faktörü dikkate alır: virüsün dinamikleri ve bireyler arasındaki etkileşim. İkincisi son derece karmaşıktır ve bu nedenle veri analizi tekniklerinin kullanılmasını gerektirir. Bu modeller ve teknolojiler aracılığıyla, R0 parametresini, enfekte olan her bir kişi tarafından enfekte olabilecek kişi sayısını temsil edecek şekilde tanımlayabiliriz.
Örneğin, bir A kişisinin hasta olduğunu ve sistemde R0 = 2 olduğunu varsayalım, bu, A'nın 2 kişiye bulaşacağı anlamına gelir. Bu 2 kişi sırasıyla 4 kişiyi enfekte eder ve bu 4 kişi 2 kişiyi ayrı ayrı enfekte eder (yani 4 x 2 = 8) vb. Bu, hastalığın kümülatif olmaktan çok çarpımsal bir şekilde hızla yayıldığını vurgulamaktadır. R0, Şekil 2'de gösterildiği gibi üç temel durumda ortaya çıkabilir.
Şekil 2: R0'ın temel durumu (Kaynak: Triplebyte.com)
Okulların, spor salonlarının vb. Kapatılması insanların sosyal etkileşimlerini azaltır ve böylece R0'ı düşürür. Tıbbi sistem sınırlıdır, bu nedenle bu parametrenin 1'in altına düşürülmesi son derece önemlidir. R0 ise > 1, o zaman hastalık yayılır; sadece R0 < Saat 1'de hastalık kaybolabilir. Bu nedenle, R0'ı azaltmak için, hükümetin insanların hareketliliğini kısıtlamak için daha katı politikalar benimsemesini makul bir şekilde bekleyebiliriz.
R0'ın hastalık bulaşma hızını değil, potansiyel hastalık bulaşma yolunu ölçtüğünü belirtmek gerekir. İnfluenza virüsünün evrenselliği açısından, R0 değeri yalnızca 1.3'tür. R0 değerinin çok yüksek olması kitlelerin endişelerinin sebebidir, paniğin nedeni değil.
R0 ortalama bir değerdir, bu nedenle süper yayıcı olaylar gibi faktörlerden etkilenebilir. Süper yayıcı, birçok insana yayılan enfekte bir kişiyi ifade eder. SARS ve MERS salgınları ve mevcut Covid-19 salgını sırasında, süper yayıcılarla ilgili birçok olay yaşandı. Bu tür olaylar mutlaka kötü bir işaret değildir, çünkü salgını yapmaya devam eden insan sayısının azaldığını gösterebilir. Ve süper yayıcıları kavramak ve durdurmak daha kolay olabilir çünkü semptomları oldukça ciddi olabilir.
Kısaca, R0 sürekli değişen bir parametredir. Doğrulanmış her vakayı ve hastalığın yayılmasını izlemek son derece zordur, bu nedenle, R0'ın tahmini hem karmaşık hem de zordur. Tahmini değer genellikle yeni verilerin ortaya çıkmasıyla değişir.
Peki, hangi teknik çözümler Covid-19'un yayılmasını yavaşlatabilir veya durdurabilir ve R0'ı etkin bir şekilde kontrol edebilir? Elbette, cep telefonu GPS mobil verileriyle birlikte en son AI teknolojisinin kullanılması, hangi toplulukların gelecekte enfeksiyon kapma olasılığının daha yüksek olduğunu veya hangi toplulukların acil dezenfeksiyon ve diğer eylemlere ihtiyaç duyduğunu tahmin etmek için bir analiz modeli oluşturabilir.
Büyük veri, yapay zeka ve sensörler
Bulaşıcı hastalıklar açısından, klinik verilerin kalitesi ve tutarlılığı, yanlış pozitif hastalar da dahil olmak üzere büyük ölçüde değişebilir. Karantina gereksinimlerinin karşılanıp karşılanmadığını kontrol etmek için büyük veri ve yapay zeka kullanılabilir ve ilaç araştırmaları için makine öğrenimi kullanılabilir. Bunların hepsi, koronavirüs aciliyetini hafifletmek için yeni dijital teknolojiler tarafından geliştirilen çözümlerdir.Örneğin, birçok Asya ülkesi çeşitli salgın önleme tedbirlerini başarıyla uygulamak için dijital teknolojileri de benimsemiştir.
Akıllı tarayıcılar ve kamera sistemleri ile donatılmış İHA'lar, karantina önlemlerine uymayan kişileri tespit etmek ve insanların vücut ısısını ölçmek için kullanılabiliyor. Örneğin, Çin ana karası ve Tayvan, maske takmayan insanları engellemek için akıllı kameralar kullanıyor ve ateşi tespit etmek için gerçek zamanlı termal algılama yapıyor.
Örneğin, Çinli AI şirketi SenseTime, maske takarken bile insan yüzlerini tarayan bir platform geliştirirken, Alibaba AI tabanlı yeni bir koronavirüs teşhis sistemi geliştirdi. SenseTime'ın temassız sıcaklık algılama yazılımı, Pekin, Şanghay ve Shenzhen'deki metro istasyonlarında, okullarda ve halk merkezlerinde uygulanmıştır. Aynı zamanda Alibaba,% 96 doğruluk oranıyla bilgisayarlı tomografi (yani CT taraması) yoluyla yeni koronavirüs ile enfekte olup olmadığını tespit etmek için AI tabanlı bir Covid-19 teşhis sistemi geliştirdi.
Şekil 3: Virüslerin evrimi (kaynak: graphen.ai)
Graphen, her virüs için tipik gen dizileme biçimini tanımlamaya ve varyantlarını bulmaya çalışmak için Amerika Birleşik Devletleri'ndeki Columbia Üniversitesi ile işbirliği yaptı. Bu değişken verileri depolamak ve bunları görsel olarak sunmak için insan beyninin işlevlerini taklit eden Ardi AI platformunu kullanıyor. Şekil 3'te, her kırmızı nokta bir virüsü temsil eder ve yeşil nokta aynı genom dizisine sahip bir virüs grubunu temsil eder. Konum, cinsiyet ve yaş dahil olmak üzere virüs bilgilerini görüntülemek için kırmızı noktaya dokunun.
Büyük veri, salgını kontrol altına almak için başka bir etkili araçtır. Acil durum sırasında, virüsün yayılmasını haritalamak için gözetim sistemini geliştirmek için yaygın olarak kullanılmıştır.
Büyük verilerin yakalanması ve işlenmesi, toplama ve analiz için yeni yöntem ve teknolojilerin tasarlanmasını gerektirir. Örneğin, aşağıdaki dört büyük veri analizi türü veya yöntemi:
- Açıklayıcı analiz: ne oldu? İş süreçlerinin veya planlarının mevcut ve geçmiş koşullarını açıklamak ve faaliyetlerin performans göstergelerini kapsamlı ve görsel bir şekilde sunmak;
- Tahmine dayalı analiz: Ne olacak Yani, gelecekte ortaya çıkabilecek veri analizi araçlarının anlaşılmasına yardımcı olmak için regresyon analizi ve tahmine dayalı modeller gibi matematiksel tekniklerin kullanılması;
- Normatif analiz: ne yapmalıyım? Etkili stratejileri ve operasyonel çözümleri belirlemek için kullanılır;
- Otomatik analiz: Yürütme analizinin sonuçlarına göre gerekli işlemleri ve eylemleri otomatik olarak gerçekleştiren bir araçtır.
Alibaba, kamusal alanlara kimlerin girip çıkmasının kısıtlandığını veya girmesinin yasak olduğunu belirtmek için Çin sağlık sistemi tarafından sağlanan büyük verileri kullanan Alipay Sağlık Kodu uygulamasını (App) da geliştirdi.
Toronto'da kurulan BlueDot, bulaşıcı hastalıkların yayılmasını otomatik olarak izleyip tahmin edebilen akıllı bir sistem geliştirmek için yapay zeka tarafından oluşturulmuş bir platform kullanıyor. SARS'ın yayılması sırasında, BlueDot platformu somut sonuçlar elde etti. Aralık 2019'da BlueDot, koronavirüs semptomlarının ciddiyeti hakkında bir uyarı yayınladı ve şimdi doğruluğunu onayladı. BlueDot tarafından kullanılan araçlar arasında, insanların dilini ve ifadesini işlemek için kullanılabilen doğal dil işleme (NLP) teknolojisini kullanan bazıları vardır.
ABD'li bir biyoteknoloji şirketi olan Insilico Medicine, AI ile hastalıkları önlemeye kendini adamıştır. Şirket, yeni nesil yapay zeka ve derin öğrenme yaklaşımları geliştiriyor ve bunları ilaç keşfi ve geliştirme sürecinin her adımına uyguluyor. Insilico Medicine tarafından şu anda geliştirilen yeni teknoloji, gelecekte doktorlara koronavirüs molekülleri ile nasıl savaşılacağı konusunda tavsiyelerde bulunmak için kullanılacak. Son moleküler analizin ardından, Insilico Medicine'in sistemi koronavirüsle nasıl etkili bir şekilde mücadele edileceği konusunda geri bildirim sağlayabilir. Girişim şu anda aşı geliştirme projeleri için ilgili bilgileri sağlayabilecek bir veritabanı geliştiriyor.
WeBank araştırmacıları, çelik fabrikalarındaki sıcak noktaları tespit etmek için uydu analiz teknolojisini kullandılar ve sektörün canlanması için önemli bilgiler sağladılar.
Salgın başlangıcında yapılan bu analiz, çelik üretiminin minimum üretim seviyesi olan% 29'a düştüğünü gösterdi. 9 Şubat'a kadar% 76'ya geri getirildi. Araştırmacılar daha sonra yapay zekayı kullanan diğer üretim türlerine ve ticari faaliyetlere odaklandılar, bunlardan biri büyük şirketlerin otoparklarındaki araba sayısını basitçe saymaktı. Analiz, 10 Şubat itibarıyla Tesla'nın Şanghay'daki otomobil üretiminin tamamen yeniden başladığını ve Şangay Disneyland gibi turistik yerlerin hala kapalı olduğunu gösterdi.
Şekil 4: 30 Aralık 2019 (solda) ve 29 Ocak 2020'deki yan yana uydu görüntülerinin karşılaştırılması, Çin'in çelik sektörü faaliyetinin hala düşük bir seviyede olduğunu gösteriyor (kaynak: spectrum.ieee.org)
GPS uydu verilerini analiz ederek, kimin işe gidip geldiğini de belirleyebilirsiniz. Yazılım, her bir şehirdeki yolcu sayısını hesaplamak ve 2019 ve 2020'de aynı tarihlerdeki yolcu sayısını karşılaştırmak için kullanılabilir. İster 2019 ister 2020 olsun, Çin Yeni Yılı sırasında yolcuların sayısı önemli ölçüde düştü, ancak 2019'a kıyasla, 2020 tatilinden sonra işe gidip gelenlerin sayısı iyileşmedi. Salgın durumu kademeli olarak kontrol edilirken, WeBank araştırmacıları da bu yıl 10 Mart itibarıyla Çin'deki çalışanların yaklaşık% 75'inin işe döndüğünü hesapladı. Araştırmacılar, bu eğri tahminlerine dayanarak, Wuhan hariç, çoğu Çinli işçinin Mart ayı sonunda normal işlerine devam edeceği sonucuna vardı. Araştırmacılar ayrıca bu yılın ilk çeyreğinde ekonomik büyümenin% 36'ya ulaşmasını bekliyorlar.
Günümüzde, dünyanın dört bir yanındaki bilim adamları ve araştırmacılar da COVID-19'un zorluğunun üstesinden gelmeye çalışıyor ve çeşitli yeni teknolojiler onun uygun desteği haline geliyor. Acil durum testini başarıyla geçen teknolojilerin ve çözümlerin gelecekte endüstri standardı haline gelmesi bekleniyor.
Orijinal metin Aspencore'un EE Times Derleyicisi tarafından yayınlandı: Susan Hong Editör: Elaine Lin
