AI가 코로나 바이러스 발생과 어떻게 싸우고 있습니까?


대답 1:

인공 지능은 미래 코로나 바이러스와 싸울 수 있습니다

.

코로나 바이러스와 같은 질병 발생은 종종 과학자들이 치료법을 찾기에는 너무 빨리 전개됩니다. 그러나 미래에는 인공 지능이 연구원들이 더 나은 일을하도록 도울 수 있습니다.

신기술이 현재 전염병에서 중요한 역할을하기에는 너무 늦었지만 다음 번 발발에 대한 희망이 있습니다. AI는 수많은 데이터를 결합하여 어떤 종류의 치료가 효과가 있는지 또는 다음에 어떤 실험을 수행 할 것인지를 쉽게 결정할 수있는 연결을 찾는 데 능숙합니다.

문제는 작년 말 중국에서 처음 등장하여 약 2 개월 만에 75,000 명 이상이 병을 앓고있는 Covid-19와 같은 새로 등장한 질병에 대한 정보의 빈약 한 정보 만 얻을 때 빅 데이터가 어떻게 될 것인가입니다.

처음보고 된 사례의 몇 주 내에 연구자들이 새로운 바이러스의 유전자 시퀀싱을 생산할 수 있다는 사실은 유망합니다.

영국 옥스포드에 본사를 둔 신생 기업 Exscientia Ltd.의 Andrew Hopkins 최고 경영자는 약물 발견을위한 인공 지능 훈련을 돕는 사람들 중 하나입니다. 그는 AI 덕분에 향후 10 년 안에 단 18 개월에서 24 개월 안에 새로운 치료법이 임신에서 임상 검사로 넘어갈 수있을 것으로보고있다.

Exscientia는 초기 연구 단계에서 1 년 이내에 실험실에서 테스트 할 준비가 된 강박 장애 치료를위한 새로운 화합물을 설계했습니다. 회사에 따르면 평균보다 약 5 배 빠르다.

케임브리지 기반의 Healx도 비슷한 접근 방식을 사용하지만 기계 학습을 사용하여 기존 약물의 새로운 용도를 찾습니다. 두 회사는 질병에 대한 새로운 치료법을 제안하기 위해 저널, 생물 의학 데이터베이스 및 임상 시험과 같은 출처에서 수집 한 정보를 알고리즘에 제공합니다.

인간 감독

두 회사는 각각 인공 연구원과 함께 AI와 협력하여 프로세스를 안내합니다. Centaur Chemist라고 불리는 Exscientia의 접근 방식에서, 약물 설계자는 화합물 검색을위한 알고리즘 전략을 가르칩니다. Healx는 AI의 예측을 결과를 분석하고 추구 할 대상을 결정하는 연구원들에게 제공합니다.

힐스의 최고 과학 책임자 인 닐 톰슨 (Neil Thompson)은이 기술이 새로운 질병에 대한 충분한 데이터를 가지고있는 한 코로나 바이러스와 같은 확산에 대비하여 배포 될 수 있다고 말했다. Healx는 코로나 바이러스를 해결하거나 바이러스 발생을 막기 위해 기술을 조정하는 데 노력하고 있지는 않습니다.

톰슨은 인터뷰에서“우리는 아주 가깝다”고 말했다. “우리는 우리가 사용하는 AI 알고리즘에 대해 크게 변경할 필요가 없습니다. 우리는 약물 특성을 질병 특징과 일치시키는 것을보고 있습니다.”

인공 지능 알고리즘은 이미 우리가 아는 질병에 대한 약을 생산하기 시작했습니다. 매사추세츠 공과 대학 (Massachusetts Institute of Technology)의 연구원들은 목요일에이 방법을 사용하여 여러 가지 귀찮은 박테리아를 죽일 수있는 강력하고 새로운 항생제 화합물을 식별 할 수 있다고 말했다.

이러한 모든 기술의 한 가지 발견은 임상 테스트입니다. 한 질병을 치료하기 위해 이미 안전한 약물조차도 다른 약물을 처방하기 전에 다시 테스트해야합니다. 많은 사람들에게 안전하고 효과적임을 보여주는 프로세스는 검토를 위해 규제 기관에 가기까지 몇 년이 걸릴 수 있습니다.

AI 기반의 약물 개발자가 효과적이기 위해서는 미리 계획을 세워 미래에 문제를 일으킬 수있는 바이러스 게놈을 찾아 내고 인센티브가 거의 없을 때이를 대상으로해야합니다.

감사합니다.


대답 2:

게임은 이미 시작되었습니다!

코로나 바이러스가 아닌 경우, 적어도 수퍼 버그의 경우. MIT와 Harvard의 연구원들은 AI를 사용하여 많은 약물 내성 박테리아를 죽일 수있는 새로운 항생제를 확인했습니다. 그들은 기존 약물과 다른 메커니즘을 사용하여 감염과 싸울 수있는 화합물을 분석하기 위해 기계 학습 알고리즘을 훈련 시켰습니다.

그들은 실험실에서 자란 환자와 박테리아에서 채취 한 박테리아를 테스트하기 위해 화합물 (그들은 Halicin이라고 함)을 식별하는 2,500 개의 분자에 대한 모델을 교육했습니다. "Halicin"은 다음을 포함한 많은 약물 내성 박테리아를 죽일 수 있습니다

마이 코박 테 리움 투 베르 쿨 로시스, 클로스 트리 디움 디피 실레

아시네 토 박터 바우만 니.

할리 신이 감염된 마우스 2 마리를 치료

바우만 니

또한 이라크와 아프가니스탄의 많은 미군이 같은 버그에 감염되었습니다. 이 두 생쥐의 피부에 적용되는 할리 신 연고는 24 시간 이내에 완전히 치유되었다고한다.

약물 발견에 예측 컴퓨터 모델을 사용하는 것은 새로운 것이 아니지만 지금까지 가장 성공한 것은 Halicin입니다.

연구원들에 따르면, 그들의 예측 모델은 전통적인 실험적 접근법에 대해 엄청나게 비싼 것을 할 수 있습니다.

Halicin의 이러한 성공은 인류 역사에서 중요한 단계에 있습니다. 2050 년까지 약물 내성 박테리아로 인한 전세계 사망자가 천만 명에이를 것으로 예상됩니다.

Halicin을 인간이 사용할 수있게하려면 추가 작업이 필요합니다. 그들의 알고리즘은 박테리아를 위해 설계되었지만 바이러스와의 싸움에도 "업그레이드 가능"할 수 있습니다.


대답 3:

중국의 병원이 비슷한 증상을 보이는 1000 건의 사례를 가지고 있다고 상상해보십시오. 병원은 어떤 역할을합니까? 증상 및 진단에 대한 모든 정보가 문서화되고 전자적으로 제공되는 반면 보건부는 필요한 적절한 조치를 취할 수 있습니다.

AI는 패턴을 탐지하는 데 뛰어나고 빠르며 빠른 탐지와 유사합니다. 방법의 한 예

구글 검색 가능

전 세계적으로 가능한 질병을 감지합니다. AI는 단순한 검색 패턴만으로도 전 세계적으로 큰 비율로 발생할 수있는 가능한 위협과 전염병을 실제로 탐지 할 수 있습니다.

중국이 질병 증상을 문서화하고 진단하면 코로나 바이러스로 돌아와서이 정보를 다른 모든 정부 기관과 공유하여 이러한 증상을 가진 사람들을 스캔하여 감염 또는 보균자로 분류 할 수있는 열 감지기를 신속하게 배치 할 수 있습니다. 또는 면역. 바이러스가 빠르게 돌연변이되면 외형이 바뀌는 경향이 있으며 증상이 바뀌어 진단하기가 어려울 수 있습니다. 그러나 AI를 통해 중국은 중국에서 이주한 사람들, 특히 우한에서 도시를 가로 질러 국제적으로 이주한 사람들과 함께 정부를 도울 수 있습니다. 이 정보는 AI로 분석되어 해당 도시의 뉴스를 감지하고 병원에서 퍼즐 조각을 모으는 데 도움이됩니다.

도움이 되었기를 바랍니다!


대답 4:

최근 용어로, 코로나 양성 환자의 패턴을 식별하고 찾을 수있는 것보다 여러 환자에 대한 데이터가있는 경우. 그 후, 우리는 새로운 환자를 검사하여이 환자가 감염된 것인지 아닌지를 예측할 수 있습니다. 이를 구분하기 위해 고전적인 머신 러닝 또는 딥 러닝 기술을 사용할 수 있습니다.

좀 더 일반적인 용어로, 우리는 매우 신중해야하며 의료 분야의 사람과 상호 작용하여 실제로 진행되는 일, 일반적인 바이러스에 의해 유발 된 변화 및 메커니즘이 모델을 더 잘 이해하도록 일반화하기위한 패턴을 분석해야합니다.


대답 5:

코로나 바이러스와 같은 질병 발생은 종종 과학자들이 치료법을 찾기에는 너무 빨리 전개됩니다. 그러나 미래에는 인공 지능이 연구원들이 더 나은 일을하도록 도울 수 있습니다.

신기술이 현재 전염병에서 중요한 역할을하기에는 너무 늦었지만 다음 번 발발에 대한 희망이 있습니다. AI는 수많은 데이터를 결합하여 어떤 종류의 치료가 효과가 있는지 또는 다음에 어떤 실험을 수행 할 것인지를 쉽게 결정할 수있는 연결을 찾는 데 능숙합니다.

문제는 작년 말 중국에서 처음 등장하여 약 2 개월 만에 75,000 명 이상이 병을 앓고있는 Covid-19와 같은 새로 등장한 질병에 대한 정보의 빈약 한 정보 만 얻을 때 빅 데이터가 어떻게 될 것인가입니다.

처음보고 된 사례의 몇 주 내에 연구자들이 새로운 바이러스의 유전자 시퀀싱을 생산할 수 있다는 사실은 유망합니다.

영국 옥스포드에 본사를 둔 신생 기업 Exscientia Ltd.의 Andrew Hopkins 최고 경영자는 약물 발견을위한 인공 지능 훈련을 돕는 사람들 중 하나입니다. 그는 AI 덕분에 향후 10 년 안에 단 18 개월에서 24 개월 안에 새로운 치료법이 임신에서 임상 검사로 넘어갈 수있을 것으로보고있다.

Exscientia는 초기 연구 단계에서 1 년 이내에 실험실에서 테스트 할 준비가 된 강박 장애 치료를위한 새로운 화합물을 설계했습니다. 회사에 따르면 평균보다 약 5 배 빠르다.

케임브리지 기반의 Healx도 비슷한 접근 방식을 사용하지만 기계 학습을 사용하여 기존 약물의 새로운 용도를 찾습니다. 두 회사는 질병에 대한 새로운 치료법을 제안하기 위해 저널, 생물 의학 데이터베이스 및 임상 시험과 같은 출처에서 수집 한 정보를 알고리즘에 제공합니다.

인간 감독

두 회사는 각각 인공 연구원과 함께 AI와 협력하여 프로세스를 안내합니다. Centaur Chemist라고 불리는 Exscientia의 접근 방식에서, 약물 설계자는 화합물 검색을위한 알고리즘 전략을 가르칩니다. Healx는 AI의 예측을 결과를 분석하고 추구 할 대상을 결정하는 연구원들에게 제공합니다.

힐스의 최고 과학 책임자 인 닐 톰슨 (Neil Thompson)은이 기술이 새로운 질병에 대한 충분한 데이터를 가지고있는 한 코로나 바이러스와 같은 확산에 대비하여 배포 될 수 있다고 말했다. Healx는 코로나 바이러스를 해결하거나 바이러스 발생을 막기 위해 기술을 조정하는 데 노력하고 있지는 않습니다.

톰슨은 인터뷰에서“우리는 아주 가깝다”고 말했다. “우리는 우리가 사용하는 AI 알고리즘에 대해 크게 변경할 필요가 없습니다. 우리는 약물 특성을 질병 특징과 일치시키는 것을보고 있습니다.”

인공 지능 알고리즘은 이미 우리가 아는 질병에 대한 약을 생산하기 시작했습니다. 매사추세츠 공과 대학 (Massachusetts Institute of Technology)의 연구원들은 목요일에이 방법을 사용하여 여러 가지 귀찮은 박테리아를 죽일 수있는 강력하고 새로운 항생제 화합물을 식별 할 수 있다고 말했다.

이러한 모든 기술의 한 가지 발견은 임상 테스트입니다. 한 질병을 치료하기 위해 이미 안전한 약물조차도 다른 약물을 처방하기 전에 다시 테스트해야합니다. 많은 사람들에게 안전하고 효과적임을 보여주는 프로세스는 검토를 위해 규제 기관에 가기까지 몇 년이 걸릴 수 있습니다.

AI 기반의 약물 개발자가 효과적이기 위해서는 미리 계획을 세워 미래에 문제를 일으킬 수있는 바이러스 게놈을 찾아 내고 인센티브가 거의 없을 때이를 대상으로해야합니다.

또 다른 장애물은 자격을 갖춘 직원을 찾는 것입니다.

벤처 캐피탈 회사 인 아토 미코 (Atomico)의 파트너이자 전 외과 의사 인 이리나 하이 바스 (Irina Haivas)는“AI와 생물학의 교차점에서 일할 수있는 사람을 찾기가 어렵고 대기업이 이와 같은 기술에 대해 빠른 결정을 내리기가 어렵다”고 말했다. 힐스 보드. "AI 엔지니어로는 충분하지 않습니다. 생물학의 응용을 이해하고 이해해야합니다."


대답 6:

신비한 질병이 처음 나타나면 정부와 공중 보건 당국이 정보를 빠르게 수집하고 대응을 조정하기가 어렵습니다. 그러나 새로운 인공 지능 기술은 전 세계의 뉴스 보고서와 온라인 콘텐츠를 통해 자동으로 마이닝 할 수있어 전문가가 잠재적 전염병을 유발할 수있는 잠재적 장애를 식별 할 수 있습니다. 다시 말해, 새로운 AI 보스는 다음 재앙에서 벗어날 수 있도록 도와 줄 수 있습니다.

이 새로운

일체 포함

데이터는 공중 보건 위험을 평가하기 위해 데이터를 사용하는 여러 조직 중 하나 인 캐나다 기반 회사 인 BlueDat에 의해 확인 된 최근의 코로나 바이러스 발생과 함께 완전히 기능을 발휘합니다. 미국 질병 통제 예방 센터 (CDC)와 세계 보건기구 (WHO)는이 기관이 "자동 전염병 감시"를 수행한다고 주장하는 공식 통지를 발표했다. 1 월 말 현재 중국의 우한시와 연결된 호흡기 바이러스는 이미 100 명 이상이 목숨을 잃었습니다. 미국을 포함한 많은 다른 나라에서 사건이 발생했으며 CDC는 미국인들이 불필요한 중국 여행을 피하도록 경고하고 있습니다.


대답 7:

이상한 질병이 처음 생길 때, 정부와 일반 복지 기관이 데이터를 빠르게 축적하고 반응을 촉진하기가 매우 어려울 수 있습니다. 어쨌든, 새로운 인공 추론 혁신은 전 세계의 뉴스 보고서와 온라인 자료를 통해 자연스럽게 채굴 될 수있어 전문가가 잠재적 인 재앙이나 더 유감스러운 전염병을 유발할 수있는 불일치를 인식 할 수 있습니다. 하루가 끝날 무렵, 새로운 AI 대 군주들은 우리가 다음 질병을 견뎌 낼 수 있도록 도와 줄 것입니다.

이러한 새로운 AI 기능은 진행중인 코로나 바이러스 플레어 업과 함께 전체 쇼케이스에 있으며, 이는 일반적인 복지 위험을 평가하기 위해 정보를 활용하는 다양한 조직 중 하나 인 BlueDot라는 캐나다 회사에서 정시에 구별했습니다. "로봇 화 된 견딜 수없는 질병 관찰"을 수행하고있는이 단체는 미국 질병 통제 예방 센터 (CDC)와 세계 보건기구 (WHO) 모두 12 월 말까지 새로운 유형의 코로나 바이러스에 대해 고객들에게 말했다. )는 Wired가 발표 한 공식 알림을 전달했습니다. 현재 1 월 말에 중국 우한시와 관련된 호흡기 감염은 100 명 이상이 사망했습니다. 마찬가지로 미국을 포함한 몇몇 다른 국가에서도 사건이 발생했으며 CDC는 미국인들이 불필요한 중국 여행에서 전략적인 거리를 유지하도록 경고하고 있습니다.

참을 수없는 질병 의사이자 BlueDot의 저자이자 CEO 인 Kamran Khan은 회의에서 조직의 초기 훈계 프레임 워크가 정상적인 언어 처리 및 AI를 포함한 인공 의식을 활용하여 약 10 만 건의 기사를 분석하여 100 가지가 넘는 저항 할 수없는 감염을 추적하는 방법을 설명했습니다. 일관된 65 개의 방언. 이 정보를 통해 조직은 고객에게 저항 할 수없는 질병의 근접성 및 확산 가능성에 대해 말할 시점을 알 수 있습니다.

탐험가 일정 데이터 및 비행 방법과 유사한 다른 정보는 조직이 병이 퍼지는 방법에 대한 추가 표시를 제공하는 데 도움이 될 수 있습니다. 예를 들어, 최근 BlueDot 전문가들은 중국의 영토에 코로나 바이러스가 나타난 후 아시아의 다른 도시 공동체를 예상했습니다.

BlueDot의 모델 (이러한 방식으로 인간 전문가에 의해 결정된 결정적인 결과는)에 대한 생각은 그들이 분석 할 수 있고, 필요한 경우 연결을 끊을 수 있다는 기대와 함께 사회 보험 노동자에게 가능한 빨리 데이터를 얻는 것입니다. 적절한시기에 전염성이있는 개인.

칸은“공식 데이터가 모든 경우에 상서로운 것은 아니다. "탐험 자와 플레어 업 사례의 구별은 특정 질병이 있음을 인식하는 최전선의 휴먼 서비스 전문가에게 달려 있습니다. 플레어가 실제로 일어나지 않도록하는 데 차이가있을 수 있습니다."

칸은 그의 프레임 워크가 다양한 다른 정보 (예를 들어, 영토의 대기, 온도 또는 심지어 가축 근처의 동물에 대한 데이터)를 활용하여 질병에 오염 된 사람이 주변에서 플레어를 일으킬 지 여부를 예측할 수 있다고 포함했다. 그곳에. 그는 2016 년에 BlueDot가 실제로 반년 전에 플로리다에서 Zika 감염의 존재를 예견 할 수있는 옵션을 제공했다고 밝혔다.

또한, 스컬지 검사 기관인 Metabiota는 태국, 한국, 일본 및 대만이 비행 정보를 기대하면서 실제로 해당 국가의 사례가 공개되기 7 일 전에 감염이 나타날 위험이 가장 높음을 확인했습니다. BlueDot 인 Metabiota는 일반적인 언어 처리 기능을 사용하여 잠재적 인 질병에 대한 온라인 보고서를 평가하며 웹 기반 생활 정보에 대한 유사한 혁신을 구축하는 데 추가로 치중하고 있습니다.

메타 바이오 타 (Metabiota)의 정보 과학 책임자 인 인쇄물 갈리 반 (Imprint Gallivan)은 온라인 단계와 토론이 전염병의 위험이 있다는 신호를 표시 할 수 있다고 설명합니다. 메타 바이오 타는 마찬가지로 질병의 적응증, 사망률 및 치료의 접근성과 같은 데이터를 고려하여 사회적, 정치적 중단을 유발하는 질병 확산의 위험을 평가할 수 있다고 주장한다. 예를 들어,이 기사가 배포되는 시점에 Metabiota는 미국과 중국에서 "불쾌한"개방적 불안감을 유발하는 새로운 코로나 바이러스의 위험을 평가했지만, 콩고 민주 공화국의 멍키 감염에 대한이 위험을 평가했습니다. 해당 감염 사례를 설명한 경우)를 "중간"으로 지정합니다.

Gallivan은이 등급 프레임 워크 나 단계 자체가 얼마나 정확한지 정확히 파악하기는 어렵지만, 코로나 바이러스로 식별 된 문제에 대해서는 미국 지식 네트워크 및 국방부와 협력하고 있다고 말합니다. 이것은 중앙 정보국과 연결된 비영리 모험 회사 인 In-Q-Tel과의 Metabiota의 작품입니다. 그러나 정부 기관은 이러한 프레임 워크의 주요 잠재 고객이 아닙니다. Metabiota는 재보험 조직에 대한 토대를 추가로 공개합니다. 재보험은 질병의 잠재 용량 확산과 관련된 금전적 위험을 처리해야하는 보험 기관의 기본 보호입니다.

전염병 전문가와 당국이 단순히 감염이 발생했을 때 교육을받는 것보다 컴퓨터 화 된 추론이 더 중요 할 수 있다는 점은 분명합니다. 전문가들은 Zika 감염의 에피소드를 점진적으로 예측할 수있는 AI 기반 모델을 제작하여 전문가가 잠재적 응급 상황에 어떻게 대응하는지 교육 할 수 있습니다. 마찬가지로 인공 지능은 비상 사태 동안 일반 복지 당국이 자산을 분산시키는 방법을 관리하는 데 사용될 수 있습니다. 결과적으로 AI는 질병에 대한 또 다른 첫 번째 방어선입니다.

더 종합적으로 AI는 현재 새로운 약물 검사, 흔하지 않은 감염 치료 및 가슴 악성 성장 확인을 돕고 있습니다. 인공 지능은 심지어 멕시코와 중남미에서 8 백만 명이 예상되는 심각하고 치명적인 질병 인 차 가스를 확산시키는 소름 끼치는 크롤리를 구별하는 데에도 사용되었습니다. 웰빙 정책 입안자와 약물 치료 기관이 웰빙 응급 상황의 광범위한 이해를 돕기 위해 웹 기반 생명 선물과 같은 비 웰빙 정보를 활용하는 것에 대한 열정이 더욱 확대되고 있습니다. 예를 들어, 온라인 생활을 채굴 할 수있는 AI는 불법적 인 마약 거래를 목표로하고 일반 웰빙 당국에 이러한 규제 물질의 확산에 대해 교육합니다.

Metabiota 및 BlueDot을 포함한 이러한 프레임 워크는 평가하는 정보와 거의 같습니다. 또한 AI는 대부분 프레임 워크의 설계자와 준비된 정보를 모두 반영 할 수있는 성향 문제가 있습니다. 또한, 의료 서비스 내에서 활용되는 AI는 그 문제에 대해 어떠한 형태, 형태 또는 형태도 안전하지 않습니다.

고려 된 모든 것, 이러한 진보는 AI가 할 수있는 것에 대한 점진적으로 이상적인 관점을 말합니다. 일반적으로 수많은 정보를 통해 필터링하는 AI 로봇의 업데이트는 그다지 좋지 않습니다. 웹을 통해 채굴 된 사진을 기반으로 얼굴 승인 데이터베이스를 활용하는 법률 요건을 고려하십시오. 또는 AI를 활용하여 인터넷 기반 생활 포스트에 비추어 갈아가는 방법을 예견 할 수있는 감독을 모집합니다. AI가 야만적 인 질병에 맞서 싸우는 가능성은 우리가 통과하지 않고 쾌활하지 않으면 다소 불편 함을 느낄 수있는 상황을 제공합니다. 어쩌면이 혁신은 (적절하게 생성되고 활용 될 때마다) 실제로 몇 명의 생명을 구할 수 있습니다.