چگونه هوش مصنوعی به مبارزه با ویروس کرونا (COVID-19) کمک می‌کند؟

همان‌طور که جهان با COVID-19 دست و پنجه نرم می‌کند، هر یک ذره نوآوری و نبوغ در تکنولوژی برای مبارزه با این همه گیری ما را یک قدم به غلبه بر آن نزدیک می‌کند. هوش مصنوعی (AI) و یادگیری ماشینی نقشی کلیدی در درک بهتر و حل بحران COVID-19 دارند. فناوری یادگیری ماشینی رایانه‌ها را قادر می‌سازد تا از هوش انسان تقلید کرده و حجم زیادی از داده‌ها را پردازش کنند تا به سرعت الگوها، مدل‌ها و راه حل‌ها را شناسایی کنند.

در مبارزه با COVID-19، سازمان‌ها به سرعت در زمینه‌های مختلف، مهارت‌های یادگیری ماشین خود را به کار گرفتند. از جمله:

• تجزیه و تحلیل ارتباطات افراد جامعه
• درک نحوه انتشار COVID-19
• تسریع در تحقیق و درمان

هوش مصنوعی به سازمان‌ها قدرت انعطاف پذیری می‌دهد.

در این ایام همه سازمان‌ها، چه کوچک و چه بزرگ، دولتی یا خصوصی، با برقراری فاصله اجتماعی و اقدامات قرنطینه‌ای، روش‌های جدیدی برای فعالیت موثر و تأمین نیازهای مشتریان و کارمندان خود پیدا می‌کنند. فناوری یادگیری ماشینی با فراهم کردن ابزاری برای پشتیبانی از ارتباط از راه دور، پزشکی از راه دور و تامین امنیت غذایی نقش مهمی را در ایجاد این تغییرات ایفا می‌کند.

برای مراقبت‌های بهداشتی و موسسات دولتی، یکی از کمک‌های هوش مصنوعی استفاده از چت بات‌های مجهز به یادگیری ماشین (machine learning-enabled chatbots) برای غربالگری بدون تماس علائم ویروس کرونا و پاسخ به سوالات مردم است.

(برای مطالعه مقاله آسیب‌های ویروس کرونا به مغز انسان این جا کلیک کنید).

استارتاپ فرانسوی Clevy.io

Clevy.io یک استارتاپ فرانسوی است که برای ایجاد سهولت در یافتن دفاتر دولتی مرتبط با COVID-19، یک chatbot راه اندازی کرده است. chatbot با پشتیبانی در لحظه (real-time) از اطلاعات دولت فرانسه و سازمان بهداشت جهانی، علائم شناخته شده ویروس کرونا را ارزیابی می‌کند و به سوالات مردم در خصوص سیاست‌های اخیر دولت در راستای مبارزه با ویروس کرونا پاسخ می‌دهد. چند تا از شهرهای فرانسه از جمله Strasbourg، Orléans و Nanterre از این Chatbot برای تمرکززدایی در توزیع اطلاعات دقیق و تأیید شده استفاده می‌کنند.

درک نحوه انتشار COVID-19 به کمک هوش مصنوعی

یادگیری ماشینی همچنین به محققان و پزشکان کمک می‌کند حجم زیادی از داده‌ها را برای پیش‌بینی شیوع ویروس کرونا تجزیه و تحلیل کنند تا به عنوان یک سیستم هشدار سریع برای همه‌گیری‌های آینده عمل کند و جمعیت‌های آسیب پذیر را شناسایی کند. محققان Chan Zuckerberg Biohub در کالیفرنیا با تجزیه و تحلیل 12 منطقه در سراسر جهان، مدلی برای تخمین تعداد عفونت‌های غیرقابل شناسایی ویروس کرونا و عواقب آن برای سلامت عمومی ساخته‌اند. آن‌ها با استفاده از یادگیری ماشینی و مشارکت با طرح توسعه تشخیصی AWS ، به روش‌های جدیدی برای تعیین تعداد عفونت‌های شناسایی نشده و تجزیه و تحلیل چگونگی جهش ویروس هنگام گسترش در میان مردم دست یافته‌اند. به کمک این روش‌ها می‌توان در مورد تعداد سرایت‌هایی که شمرده نشده‌اند استنتاج کرد.

استارتاپ کانادایی BlueDot

در ابتدای این بیماری همه گیر، BlueDot ، یک استارتاپ کانادایی که از هوش مصنوعی برای تشخیص شیوع بیماری استفاده می‌کند، یکی از اولین شرکت‌هایی بود که زنگ خطر شیوع یک بیماری تنفسی را در ووهان چین به صدا درآورد. BlueDot از AI (هوش مصنوعی) برای شناسایی شیوع بیماری استفاده می‌کند. BlueDot با استفاده از الگوریتم‌های یادگیری ماشینی خود، گزارش‌های خبری 65 زبان مختلف به همراه داده‌های شرکت‌های مختلف و بیماری‌های حیوانات برای شناسایی شیوع و پیش بینی پراکندگی بیماری، جستجو می‌کند. سپس اپیدمیولوژیست‌ها بررسی می‌کنند که نتیجه‌گیری به دست آمده از نظر علمی منطقی است یا خیر. BlueDot این دیدگاه‌ها را در اختیار مسئولان بهداشت عمومی، شرکت‌های دولتی و بیمارستان‌ها قرار می‌دهد تا به آن‌ها در پیش‌بینی و مدیریت بهتر خطرات کمک کند.

یادگیری ماشینی به رهبران جهان کمک می‌کند تا در مواجهه با COVID-19 تصمیمات آگاهانه‌تری بگیرند. در ماه مارس، یک گروه از متخصصان داوطلب، به رهبری دی جی پاتیل (DJ Patil)، برای کمک و پشتیبانی از یک ابزار برنامه‌ریزی سناریو که تأثیر بالقوه COVID-19 را مدل‌سازی می‌کند گرد آمدند. برای پاسخ به سوالاتی مانند: «به چه تعداد از تخت‌های بیمارستان نیاز خواهیم داشت؟» آن‌ها بایستی مدل منبع باز (open-source model) خود را اسکیل (scale) می‌کردند تا فرمانداران در سراسر ایالات متحده بتوانند از میزان مواجهه، عفونت و بستری شدن در بیمارستان‌ها در راستای درک بهتر برنامه‌های خود مطلع شوند. این گروه مدل را به فضای ابری (cloud) منتقل کردند و به بقیه متخصصان کشور اجازه دادند چندین سناریو مختلف را در عرض چند ساعت اجرا کنند و مدل را در 50 ایالت داخلی و در سطح بین المللی ارائه دهند. با این امید که بر جلوگیری از گسترش جهانی COVID-19 تأثیر گذارد.

استارتاپ Closedloop

برخی دیگر از سازمان‌ها در حال بررسی روش‌های محدود کردن شیوع COVID-19، به ویژه در میان جمعیت‌های آسیب‌پذیر هستند. Closedloop ، یک استارپ مبتنی بر هوش مصنوعی است. این استارتاپ با استفاده از تخصص خود در حوزه داده‌های مراقبت‌های بهداشتی، افرادی را که بیشترین خطر ابتلا به عوارض شدید ناشی از COVID-19 را دارند شناسایی می‌کند. بدین صورت که استارتاپ Closedloop یک مدل پیش‌بینی مبتنی بر هوش مصنوعی طراحی کرده است. در این مدل یک شاخص آسیب‌پذیری  COVID-19 تعریف شده است و افرادی را که بیشتر در معرض خطر عوارض شدید ناشی از COVID-19 هستند، شناسایی می‌شود.

این «شاخص C-19» را سیستم‌های مراقبت‌های بهداشتی، برخی سازمان‌ها و همچنین شرکت‌های بیمه برای شناسایی افراد در معرض خطر استفاده می‌کنند. پس از شناسایی افراد در معرض خطر بالا آن‌ها را از اهمیت رعایت صد در صدی نکات بهداشتی و ارائه مواد غذایی، دستمال توالت و سایر وسایل ضروریات به صورت اینترنتی آگاه و به ماندن در خانه تشویق می‌کند.

تسریع در تحقیق و درمان بیماری کرونا

موسسه الن (Allen Institute)

ارائه دهندگان مراقبت‌های بهداشتی و محققان با حجم فزاینده‌ای از اطلاعات در مورد COVID-19 روبرو هستند، که این امر دستیابی به بینشی آگاهانه و درمان ویروس کرونا را دشوار می‌کند. برای حل این مشکل یک وب سایت جستجوی جدید با استفاده از یادگیری ماشینی ساخته شده است. به کمک هوش مصنوعی به کار گرفته شده در این وب سایت، محققان می‌توانند تا به سرعت و به راحتی مقالات و اسناد تحقیقاتی را جستجو کنند و پاسخ سوالات خود را پیدا کنند. این راه حل یادگیری ماشین که در موسسه الن(Allen Institute)  ساخته شده است، با قابلیت‌های قابل توجهی که دارد می‌تواند اطلاعات پزشکی مربوطه را بسیار سریع‌تر استخراج کرده و در اختیار محققان قرار دهد.

همچنین در زمینه تصویربرداری پزشکی، محققان برای شناسایی الگوهای تصاویر پزشکی از یادگیری ماشینی استفاده می‌کنند. با این کار قدرت رادیولوژیست‌ها را در تشخیص سریع‌تر احتمال بیماری افزایش می‌دهند.

UC San Diego Health

UC San Diego Health روش جدیدی را برای تشخیص زودرس ذات الریه، یک بیماری مرتبط با COVID-19 شدید، ابداع کرده است. این تشخیص به موقع به پزشکان کمک می‌کند تا بیماران را به سرعت در سطح مراقبت مناسب حتی قبل از تأیید تشخیص COVID-19 قرار دهند. الگوریتم یادگیری ماشین با 22000 نشانه گذاری توسط رادیولوژیست‌ها آموزش داده شده و پرتوهای ایکس را با نقشه‌های رنگی نمایش می‌دهد که احتمال ذات الریه را نشان می‌دهد.

شرکت انگلیسی BenevolentAI

یادگیری ماشینی همچنین می‌تواند در تسریع کشف داروها برای درمان COVID-19 کمک کند. BenevolentAI ، یک شرکت هوش مصنوعی در انگلستان است که در این زمینه کمک می‌کند. آنها تحقیقاتی را با استفاده از پلتفرم کشف داروی هوش مصنوعی خود برای شناسایی داروهای تأیید شده‌ای که به طور بالقوه می‌توانند از پیشرفت ویروس کرونا ویروس جلوگیری کنند، آغاز کردند.

در این شرکت از یادگیری ماشینی برای ایجاد روابط زمینه‌ای بین ژن‌ها، بیماری‌ها و داروها استفاده کردند و منجر به پیشنهاد تعدادی از ترکیبات دارویی شد. فقط در طی چند روز، شرکت BenevolentAI دریافت که Baricitinib (دارویی که در حال حاضر برای آرتریت روماتوئید تأیید شده و متعلق به Eli Lilly است) قوی‌ترین گزینه برای درمان بیماری کرونا است. Baricitinib اکنون در حال انجام آزمایشات بالینی در انستیتوی ملی آلرژی و بیماری های عفونی ایالات متحده (NIAID) برای بررسی اثر بخشی و ایمنی آن به عنوان یک درمان بالقوه برای بیماران COVID-19 است. سرعت ورود این دارو به آزمایشات بالینی نشان دهنده ضرورت و اهمیت AI در تسهیل کشف روش‌های درمانی جدید است.

افراد متخصص و دانشمندان همیشه به پتانسیل هوش مصنوعی و یادگیری ماشین برای کمک به حل بزرگترین چالش‌های جهان اعتقاد دارند و امیدوارند که در این شرایط دشوار بشر بتواند با نوآوری و یافتن روش‌های جدید هوش مصنوعی در مبارزه با COVID-19 پیروز شود.