Εικόνα

Από: Bhupinder Kour

Νέες τεχνολογίες όπως το ΑΙ* και το IoT * χρησιμοποιούνται από «ενθουσιώδεις» οργανισμούς για τον περιορισμό της μετάδοσης της πανδημίας, και την εξομάλυνση της επιδημικής καμπύλης. Περισσότερες πληροφορίες παρακάτω.

Μέχρι τη στιγμή που θα ολοκληρώσετε την ανάγνωση αυτού του άρθρου, ο αριθμός των κρουσμάτων από νέο κορωνοϊό COVID-19 θα έχει αυξηθεί κατά δεκάδες χιλιάδες.

Αν και ο κόσμος έχει αρχίσει σιγά-σιγά να ζει και να προσαρμόζεται στο νέο αυτό περιβάλλον, οι επιστήμονες και οι λάτρεις της τεχνολογίας ανά τον κόσμο δεν επαναπαύονται. Στην αναζήτησή τους για νέους τρόπους περιορισμού της  διασποράς του υιού, υιοθετούν νέες τεχνολογίες, όπως είναι η τεχνητή νοημοσύνη (AI) και το IoT.

Πώς λοιπόν οι δύο αυτές τεχνολογίες βοηθούν στη διαχείριση αυτής της εκτεταμένης πανδημικής κρίσης;

Πώς βοηθά η τεχνητή νοημοσύνη στην καταπολέμηση της πανδημίας;

Ο ρόλος που διαδραματίζει η τεχνητή νοημοσύνη στην υγειονομική περίθαλψη  είναι πολυδιάστατος και οι δυνατότητές της, πλέον, αποδεδειγμένες. Συγκεκριμένα, στο πλαίσιο καταπολέμησης της πανδημίας του νέου κορωνοϊού, η τεχνητή νοημοσύνη δύναται να βοηθήσει με τους ακόλουθους τρόπους:

Ανακάλυψη της δομής του COVID-19

Η DeepMind – ο τομέας ΑΙ της Alphabet – χρησιμοποιεί δεδομένα από γονιδιώματα για την πρόβλεψη της δομής των πρωτεϊνών των οργανισμών. Η έρευνα αυτή προβλέπεται πως θα βοηθήσει στην ανίχνευση των φαρμακευτικών σκευασμάτων που θα μπορούσαν να λειτουργήσουν αποτελεσματικά στην αντιμετώπιση της ασθένειας COVID-19. 

Η DeepMind έχει διαθέσει στο κοινό την AlphaFold, μια βιβλιοθήκη deep learning που χρησιμοποιεί νευρωνικά δίκτυα για την πρόβλεψη του τρόπου με τον οποίο οι πρωτεΐνες «διπλώνουν» (αγγλ. protein folding) βάσει του γονιδιώματος τους. Η φυσική δομή της πρωτεΐνης βοηθά στον προσδιορισμό του σχήματος υποδοχέων στα κύτταρα του οργανισμού. Εφόσον γνωρίζουμε το σχήμα του υποδοχέα, είναι πλέον δυνατό να εστιάσουμε τις προσπάθειες μας στα φάρμακα που θα μπορούσαν να συνδεθούν με τους υποδοχείς αυτούς και στη συνέχεια να διαταράξουν τις ζωτικές διεργασίες μέσα στα κύτταρα. Στην περίπτωση του ιού, η γνώση αυτή θα μπορούσε να βοηθήσει προκειμένου να σταματήσει με αντίστοιχο τρόπο η διασύνδεσή του ιού με τα ανθρώπινα κύτταρα, ή ακόμη και στην επιβράδυνση του ρυθμού αναπαραγωγής του.

Ανίχνευση της διασποράς του ιού και νέων ασθενειών

Τα μοντέλα τεχνητής νοημοσύνης φαίνεται ότι ήταν τα πρώτα συστήματα που κατάφεραν να  εντοπίσουν την πανδημία του κορωνοϊού. Η Τεχνητή Νοημοσύνη ήταν σε θέση να κάνει την πρόβλεψη της εξέλιξης της πανδημίας, όταν ο ιός ήταν ακόμη περιορισμένος στην περιοχή της Wuhan.

Συγκεκριμένα, αρκετοί ισχυρίζονται πως η εφαρμογή HealthMap του Νοσοκομείου Παίδων της Βοστώνης που εφαρμόζει τεχνητή νοημοσύνη για τη λειτουργία της, ήταν η πρώτη που ανίχνευσε την πανδημία του COVID-19.

Τα δεδομένα από τότε έχουν τεθεί στη διάθεση ερευνητών και επιστημόνων  που αναζητούν συνδέσμους μεταξύ του ιού και πληθυσμών με συγκεκριμένα χαρακτηριστικά, καθώς επίσης και μέτρα καταστολής του ιού. Στα δεδομένα έχουν επίσης προστεθεί πληροφορίες σχετικά με γεωγραφικές μετακινήσεις ασθενών προκειμένου να εκτιμηθεί κατά πόσο οι παραπάνω μετακινήσεις σε συνδυασμό με τα περιοριστικά μέτρα επηρέασαν την εξάπλωση του ιού στην Κίνα.

Η εφαρμογή HealthMap από τότε παρακολουθεί την πορεία της εξάπλωσης του ιού και την παρουσιάζει σε έναν παγκόσμιο χάρτη στις διαστάσεις της τοποθεσίας και του χρόνου.

Πρόγνωση του τρόπου με τον οποίο τα κρούσματα και οι θάνατοι εξαπλώνονται σε  πόλεις ανά τον κόσμο

Η Kaggle, μια διαδικτυακή κοινότητα που ανήκει στην Google, έχει αναθέσει μια σειρά από «προκλήσεις» με θέμα τον κορωνοϊό στα μέλη της, όπως είναι η πρόβλεψη των περιπτώσεων μόλυνσης και των θανάτων ανά πόλη και ο προσδιορισμός της αιτίας για την οποία ορισμένες περιοχές έχουν πληγεί περισσότερο από άλλες.

"Ο στόχος δεν είναι να οικοδομήσουμε ένα ακόμη επιδημιολογικό μοντέλο... υπάρχουν ήδη πολλά καλά επιδημιολογικά μοντέλα. Στην πραγματικότητα, ο λόγος που έχουμε ξεκινήσει αυτή την «πρόκληση» είναι να ενθαρρύνουμε την κοινότητά μας να «παίξει» με τα δεδομένα και να προσπαθήσουμε να ξεχωρίσουμε τους παράγοντες που διαμορφώνουν τη διαφορά στα ποσοστά μετάδοσης ανά τις πόλεις», δήλωσε ο Διευθύνων Σύμβουλος της Kaggle, Anthony Goldbloom στο συνέδριο του Στάνφορντ.

Τους τελευταίους μήνες, η Kaggle εργάζεται με ένα dataset που περιέχει ποσοστά μολύνσεων από 163 χώρες, με σκοπό την ανάπτυξη μοντέλων και την πρόβλεψη της εξάπλωσης της πανδημίας. Η πλειοψηφία αυτών των μοντέλων παράγουν πλούσια γραφήματα τα οποία αναδεικνύουν στοιχεία που θα μπορούσαν να οδηγήσουν σε μείωση των κρουσμάτων και των θανάτων από την ασθένεια COVID-19.

Ποιος είναι ο ρόλος του IoT στη διαχείριση της πανδημίας του COVID-19;

Όπως και η Τεχνητή Νοημοσύνη, έτσι και εδώ, οι περιπτώσεις χρήσης τεχνολογιών IoT στον κλάδο της υγείας έχουν διαδραματίσει σημαντικό ρόλο στην επιβράδυνση της πανδημίας του κορωνοϊού. Συγκεκριμένα:

Ανάλυση της επιδημίας

Η τεχνολογία του IoT μπορεί να χρησιμοποιηθεί για τον εντοπισμό της προέλευσης της εστίας μόλυνσης. Κατά τη διάρκεια της εξάπλωσης του δάγκειου πυρετού της Σιγκαπούρης το 2013 και το 2014, μια ερευνητική μελέτη του MIT κατέδειξε αυτή την ιδέα χρησιμοποιώντας συγκεντρωτικά τηλεφωνικά δεδομένα για την ανίχνευση σχετικών λεπτομερειών που αφορούσαν μικρές χρονικές περιόδους και κοντινές αποστάσεις. Με την επικάλυψη των δεδομένων κινητής τηλεφωνίας του IoT των μολυσμένων ασθενών από το GIS (Geographic Information System – ελλ. σύστημα γεωγραφικών πληροφοριών) οι ερευνητές πέτυχαν δύο σημαντικούς στόχους: 

  • Την παροχή βοήθειας στους επιδημιολόγους στην αναζήτηση του ασθενούς μηδέν (αγγλ. patient zero)
  • Τον προσδιορισμό των ατόμων που είχαν έρθει σε επαφή με το μολυσμένο άτομο

Διασφάλιση συμμόρφωσης με τα μέτρα καραντίνας

Η τεχνολογία IoT  μπορεί να αποδειχθεί χρήσιμη στο να διασφαλίσει ότι ένας ασθενής τηρεί τα περιοριστικά μέτρα που του έχουν επιβληθεί. Έτσι, ένα τμήμα δημόσιας υγείας μπορεί να παρακολουθεί ποιοι ασθενείς έχουν παραμείνει σε καραντίνα, καθώς και να ανακαλύψει εκείνους που παραβίασαν τους κανόνες. Συνακόλουθα κάτι τέτοιο βοηθά και στον εντοπισμό κρουσμάτων που έχουν προκύψει εξαιτίας παραβίασης των περιοριστικών μέτρων.

Διαχείριση της Φροντίδας Ασθενών

Η χρησιμότητα της τεχνολογίας IoT γίνεται ορατή στις περιπτώσεις παρακολούθησης ασθενών υψηλού κινδύνου που οφείλουν να βρίσκονται σε απομόνωση, αλλά όχι απαραίτητα υπό νοσοκομειακή περίθαλψη.

Με τη χρήση του IoT και τις εξελίξεις στην τηλεϊατρική, οι ασθενείς θα είναι σε θέση να εξετάζουν τη θερμοκρασία τους και να αποστέλλουν τα δεδομένα από τις κινητές συσκευές τους στο Cloud (ελλ. Υπολογιστικό Νέφος) για ανάλυση. Με αυτόν τον τρόπο οι εργαζόμενοι στον κλάδο της υγείας μπορούν όχι μόνο να συλλέγουν δεδομένα σε λιγότερο χρόνο από ό,τι σε επισκέψεις εκ του σύνεγγυς, αλλά και να μειώνουν την πιθανότητα μόλυνσης μεταξύ των ασθενών τους.

Έχοντας εξετάσει τις εφαρμογές του ΑΙ και του ΙοΤ στην καταπολέμηση της εξάπλωσης της ασθένειας του COVID-19, είναι επιτέλους καιρός να μηδενίσουμε τον αντίκτυπο της πανδημίας στον τομέα της υγειονομικής περίθαλψης.


ΣτΜ

  • Artificial Intelligence (AI): Ο όρος τεχνητή νοημοσύνη (AI) τείνει να χρησιμοποιείται για να υποδηλώσει την αυξανόμενη ανεξαρτησία των υπολογιστικών συστημάτων από ανθρώπινη παρέμβαση. Χρησιμοποιεί ένα σύνολο τεχνικών εκ των οποίων κυρίαρχη είναι η μηχανική μάθηση (machine learning).
     
  • Internet of Things (ΙοΤ): Το σύστημα των συσκευών οι οποίες επικοινωνούν και μεταφέρουν δεδομένα, συνήθως μέσω του διαδικτύου χωρίς να χρειάζεται αλληλεπίδραση από ανθρώπους. Το σύστημα περιλαμβάνει συσκευές για καταναλωτές όπως κάμερες, θερμοστάτες και συστήματα ασφαλείας αλλά και για επιχειρήσεις όπως εξειδικευμένες συσκευές παρακολούθησης γραμμής παραγωγής κλπ. 
     

Το πρωτότυπο άρθρο συντάχθηκε από την Bhupinder Kour για το InnovationManagement.se.

 


Προσθήκη νέου σχολίου

Απλό κείμενο

  • Δεν επιτρέπονται ετικέτες HTML.
  • Αυτόματες αλλαγές γραμμών και παραγράφων.
  • Οι διευθύνσεις ιστοσελίδων και οι διευθύνσεις email μετετρέπονται σε συνδέσμους αυτόματα.
CAPTCHA
This question is for testing whether or not you are a human visitor and to prevent automated spam submissions.