Prever unha epidemia antes de que atinxe
O algoritmo canadense BlueDot foi máis rápido que os expertos en recoñecer a ameaza do último coronavirus. Informeu aos seus clientes sobre a ameaza días antes de que os Centros de Control e Prevención de Enfermidades dos Estados Unidos (CDC) e a Organización Mundial da Saúde (OMS) enviaran avisos oficiais ao mundo.
Kamran Khan (1), médico, especialista en enfermidades infecciosas, fundador e CEO do programa BlueDot, explicou nunha entrevista de prensa como este sistema de alerta temperá usa intelixencia artificial, incluíndo o procesamento da linguaxe natural e a aprendizaxe automática, para rastrexar incluso cen enfermidades contaxiosas ao mesmo tempo. A diario analízanse preto de 100 artigos en 65 idiomas.
1. Kamran Khan e un mapa que mostra a propagación do coronavirus de Wuhan.
Estes datos indican ás empresas cando deben notificar aos seus clientes a posible presenza e propagación dunha enfermidade infecciosa. Outros datos, como información sobre itinerarios de viaxe e voos, poden axudar a proporcionar información adicional sobre a probabilidade de que se desenvolva un brote.
A idea detrás do modelo BlueDot é a seguinte. obter información canto antes os traballadores sanitarios coa esperanza de poder diagnosticar e, se é necesario, illar, as persoas infectadas e potencialmente contaxiosas nunha fase inicial da ameaza. Khan explica que o algoritmo non usa datos das redes sociais porque é "demasiado caótico". Non obstante, "a información oficial non sempre está actualizada", dixo a Recode. E o tempo de reacción é o que importa para evitar con éxito un brote.
Khan traballaba como especialista en enfermidades infecciosas en Toronto en 2003 cando aconteceu. epidemia de SARS. Quería desenvolver unha nova forma de facer un seguimento deste tipo de enfermidades. Despois de probar varios programas preditivos, lanzou BlueDot en 2014 e recadou 9,4 millóns de dólares en financiamento para o seu proxecto. A empresa conta na actualidade con corenta traballadores, doutores e programadoresque están a desenvolver unha ferramenta analítica para rastrexar as enfermidades.
Despois de recoller os datos e a súa selección inicial, entran no xogo analistas. despois epidemiólogos Comproban a validez científica dos achados e despois informan ao goberno, ás empresas e aos profesionais da saúde. clientes.
Khan engadiu que o seu sistema tamén podería usar unha serie de outros datos, como información sobre o clima, a temperatura e incluso información sobre o gando local dunha zona en particular, para predecir se alguén infectado coa enfermidade pode causar un brote. Sinala que xa en 2016, Blue-Dot puido predecir un brote de virus Zika en Florida seis meses antes de que se rexistrase realmente na zona.
A empresa opera de forma similar e emprega tecnoloxías similares. Metabiotvixilancia da epidemia de SARS. Os seus expertos no seu momento descubriron que o maior risco de aparición deste virus en Tailandia, Corea do Sur, Xapón e Taiwán, e fixérono máis dunha semana antes do anuncio de casos nestes países. Algunhas das súas conclusións foron extraídas da análise dos datos dos voos dos pasaxeiros.
Metabiota, como BlueDot, usa o procesamento da linguaxe natural para avaliar posibles informes de enfermidades, pero tamén traballa para desenvolver a mesma tecnoloxía para a información das redes sociais.
Mark Gallivan, o director científico de datos de Metabiota, explicou aos medios de comunicación que as plataformas e foros en liña poden sinalar o risco dun brote. Os expertos do persoal tamén din que poden estimar o risco de que unha enfermidade cause trastornos sociais e políticos en función de información como os síntomas da enfermidade, a mortalidade e a dispoñibilidade de tratamento.
Na era de Internet, todos esperan unha presentación visual rápida, fiable e quizais lexible da información sobre o progreso da epidemia de coronavirus, por exemplo, en forma de mapa actualizado.
2. Panel de control do coronavirus 2019-nCoV da Universidade Johns Hopkins.
O Centro de Ciencia e Enxeñaría de Sistemas da Universidade Johns Hopkins desenvolveu quizais o panel de control de coronavirus máis famoso do mundo (2). Tamén proporcionou o conxunto de datos completo para descargar como folla de Google. O mapa mostra novos casos, mortes confirmadas e recuperacións. Os datos utilizados para a visualización proceden de diversas fontes, incluíndo a OMS, CDC, China CDC, NHC e DXY, un sitio web chinés que agrega informes do NHC e informes de situación local do CCDC en tempo real.
Diagnóstico en horas, non en días
O mundo soubo por primeira vez sobre unha nova enfermidade que apareceu en Wuhan, China. 31 2019 decembro Unha semana despois, científicos chineses anunciaron que identificaran o culpable. A semana seguinte, especialistas alemáns desenvolveron a primeira proba de diagnóstico (3). É rápido, moito máis rápido que nos días de SARS ou epidemias similares antes e despois.
Xa a principios da última década, os científicos que buscaban algún tipo de virus perigoso tiveron que cultivalo en células animais en placas de Petri. Debes ter creado suficientes virus para crear illar o ADN e ler o código xenético mediante un proceso coñecido como secuenciación. Non obstante, nos últimos anos esta técnica foi moi desenvolvida.
Os científicos xa non necesitan cultivar o virus nas células. Poden detectar directamente cantidades moi pequenas de ADN viral nos pulmóns ou nas secrecións sanguíneas dun paciente. E leva horas, non días.
Estase traballando para desenvolver ferramentas de detección de virus aínda máis rápidas e cómodas. Veredus Laboratories, con sede en Singapur, está a traballar nun kit portátil para detectar, VereChip (4) porase á venda a partir do 1 de febreiro deste ano. As solucións eficientes e portátiles tamén farán que sexa máis rápido identificar aos infectados para obter unha atención médica adecuada ao despregar equipos médicos no campo, especialmente cando os hospitais están superpoboados.
Os avances tecnolóxicos recentes permitiron recoller e compartir resultados de diagnóstico case en tempo real. Exemplo de plataforma de Quidel София I sistema PCR10 FilmArray As empresas de BioFire que ofrecen probas de diagnóstico rápido para patóxenos respiratorios están dispoñibles de inmediato a través da conexión sen fíos a bases de datos na nube.
O xenoma do coronavirus 2019-nCoV (COVID-19) foi completamente secuenciado por científicos chineses menos dun mes despois de que se descubrise o primeiro caso. Case vinte máis foron completados desde a primeira secuenciación. En comparación, a epidemia do virus SARS comezou a finais de 2002 e o seu xenoma completo non estivo dispoñible ata abril de 2003.
A secuenciación do xenoma é fundamental para o desenvolvemento de diagnósticos e vacinas contra esta enfermidade.
Innovación Hospitalaria
5. Robot médico do Centro Médico Rexional de Providence en Everett.
Desafortunadamente, o novo coronavirus tamén ameaza aos médicos. Segundo a CNN, evitar a propagación do coronavirus dentro e fóra do hospital, persoal do Centro Médico Rexional de Providence en Everett, Washington, usa O robot (5), que mide os signos vitais dun paciente illado e actúa como plataforma de videoconferencia. A máquina é algo máis que un comunicador sobre rodas con pantalla incorporada, pero non elimina completamente o traballo humano.
As enfermeiras aínda teñen que entrar na habitación co paciente. Tamén controlan un robot que non estará exposto á infección, polo menos bioloxicamente, polo que dispositivos deste tipo serán cada vez máis utilizados no tratamento de enfermidades infecciosas.
Por suposto, as habitacións pódense illar, pero tamén hai que ventilar para poder respirar. Isto require novo sistemas de ventilaciónevitando a propagación de microbios.
A empresa finlandesa Genano (6), que desenvolveu este tipo de técnicas, recibiu un pedido expreso para institucións médicas en China. O comunicado oficial da compañía indica que a compañía ten unha ampla experiencia na subministración de equipos para previr a propagación de enfermidades infecciosas en cuartos hospitalarios estériles e illados. En anos anteriores, realizou, entre outras cousas, entregas a institucións médicas de Arabia Saudita durante a epidemia do virus MERS. Tamén se entregaron dispositivos finlandeses para unha ventilación segura ao famoso hospital temporal para persoas infectadas co coronavirus 2019-nCoV en Wuhan, construído xa en dez días.
6. Esquema do sistema Genano no illante
A tecnoloxía patentada utilizada nos purificadores "elimina e mata todos os microbios no aire, como virus e bacterias", segundo Genano. Capaz de capturar partículas finas de tan só 3 nanómetros, os purificadores de aire non teñen un filtro mecánico para manter, e o aire é filtrado por un forte campo eléctrico.
Outra curiosidade técnica que xurdiu durante o brote de coronavirus foi escáneres térmicos, usado, entre outras cousas, as persoas con febre son recollidas nos aeroportos indios.
Internet - ferido ou axuda?
A pesar da enorme ola de críticas pola replicación e difusión, a propagación da desinformación e o pánico, as ferramentas das redes sociais tamén xogaron un papel positivo desde o brote en China.
Segundo informa, por exemplo, o sitio tecnolóxico chinés TMT Post, unha plataforma social para mini-vídeos. Doujin, que é o equivalente chinés do mundialmente famoso TikTok (7), lanzou un segmento especial para procesar información sobre a propagación do coronavirus. Baixo o hashtag #Loita contra a pneumonía, publica non só información dos usuarios, senón tamén informes de expertos e consellos.
Ademais de concienciar e difundir información importante, Douyin tamén pretende servir como ferramenta de apoio aos médicos e ao persoal médico que loitan contra o virus, así como aos pacientes infectados. Analista Daniel Ahmad tuiteou que a aplicación lanzou un "efecto de vídeo Jiayou" (que significa estímulo) que os usuarios deben usar para enviar mensaxes positivas en apoio aos médicos, profesionais sanitarios e pacientes. Este tipo de contidos tamén son publicados por personaxes famosos, famosos e os chamados influencers.
Hoxe, crese que un estudo coidadoso das tendencias das redes sociais relacionadas coa saúde podería axudar moito aos científicos e ás autoridades de saúde pública a recoñecer e comprender mellor os mecanismos de transmisión da enfermidade entre as persoas.
En parte porque as redes sociais adoitan ser "altamente contextuais e cada vez máis hiperlocales", dixo a The Atlantic en 2016. Ensalada Marsella, investigador da Escola Politécnica Federal de Lausana, Suíza, e experto nun campo en crecemento que os científicos chaman "Epidemioloxía dixital". Non obstante, polo momento, engadiu, os investigadores aínda intentan comprender se as redes sociais falan de problemas de saúde que realmente reflicten fenómenos epidemiolóxicos ou non (8).
8. Os chineses fanse selfies con máscaras postas.
Os resultados dos primeiros experimentos a este respecto non están claros. Xa en 2008, os enxeñeiros de Google lanzaron unha ferramenta de predición de enfermidades: Tendencias da gripe de Google (GFT). A compañía planeaba usalo para analizar os datos do buscador de Google en busca de síntomas e palabras de sinal. Nese momento, esperaba que os resultados fosen utilizados para recoñecer con precisión e inmediatamente os "esbozos" dos brotes de gripe e dengue, dúas semanas antes que os Centros para o Control e a Prevención de Enfermidades dos Estados Unidos. (CDC), cuxa investigación se considera o mellor estándar no campo. Non obstante, os resultados de Google sobre o diagnóstico precoz da gripe baseado en sinais de Internet nos Estados Unidos e posteriormente da malaria en Tailandia consideráronse demasiado inexactos.
Técnicas e sistemas que "predicin" varios eventos, incl. como a explosión de disturbios ou epidemias, tamén traballou Microsoft, que en 2013, xunto co Technion Institute israelí, puxo en marcha un programa de predición de desastres baseado na análise dos contidos dos medios. Coa axuda da vivisección de titulares multilingües, a "intelixencia informática" tivo que recoñecer as ameazas sociais.
Os científicos examinaron determinadas secuencias de eventos, como a información sobre a seca en Angola, que deu lugar a predicións nos sistemas de predición sobre unha posible epidemia de cólera, xa que atoparon unha conexión entre a seca e o aumento da incidencia da enfermidade. O marco do sistema creouse a partir da análise das publicacións de arquivo do New York Times, a partir de 1986. O desenvolvemento posterior e o proceso de aprendizaxe automática implicaron o uso de novos recursos de Internet.
Ata agora, baseándose no éxito de BlueDot e Metabiota na previsión epidemiolóxica, un pode estar tentado a concluír que unha predición precisa é posible principalmente en base a datos "cualificados", é dicir. fontes profesionais, fiables e especializadas, non o caos das comunidades de portais e Internet.
Pero quizais se trate de algoritmos máis intelixentes e mellor aprendizaxe automática?
