流行が発生する前に予測する
カナダのBlueDotアルゴリズムは、最新のコロナウイルスからの脅威を認識する際に専門家よりも高速でした。 彼は、米国疾病予防管理センター（CDC）と世界保健機関（WHO）が世界に公式通知を送信する前に、脅威の日にクライアントにブリーフィングを行いました。
カムラン・カーン （1）、医師、感染症専門医、プログラムの創設者兼CEO BlueDot、プレスインタビューで、この早期警告システムが自然言語処理や機械学習などの人工知能を使用して、 同時にXNUMXの伝染病。 100の言語で約65の記事が毎日分析されています。
1.カムランカーンと武漢コロナウイルスの蔓延を示す地図。
このデータは、感染症の潜在的な存在と蔓延を顧客にいつ通知するかを企業に知らせます。 旅行の旅程やフライトに関する情報などの他のデータは、発生の可能性に関する追加情報を提供するのに役立ちます。
BlueDotモデルの背後にある考え方は次のとおりです。 できるだけ早く情報を入手する 医療従事者は、脅威の初期段階で感染した潜在的に伝染性の人々を診断し、必要に応じて隔離できることを望んでいます。 Khanは、アルゴリズムは「混沌としすぎている」ため、ソーシャルメディアデータを使用しないと説明しています。 しかし、「公式情報は常に最新であるとは限りません」と彼はRecodeに語った。 そして、反応時間は、発生をうまく防ぐために重要です。
カーンはそれが起こった2003年にトロントで感染症の専門家として働いていました。 SARSの流行。 彼は、これらのタイプの病気を追跡するための新しい方法を開発したかったのです。 いくつかの予測プログラムをテストした後、彼は2014年にBlueDotを立ち上げ、プロジェクトのために9,4万ドルの資金を調達しました。 同社は現在XNUMX人の従業員を雇用しています。 医師とプログラマー病気を追跡するための分析ツールを開発している人。
データと最初の選択を収集した後、彼らはゲームに参加します アナリスト。 後 疫学者 彼らは科学的妥当性について調査結果をテストし、政府、企業、および医療専門家に報告します。 顧客.
カーン氏は、彼のシステムは、特定の地域の気候、気温、さらには地元の家畜に関する情報など、他のさまざまなデータを使用して、病気に感染した人が発生する可能性があるかどうかを予測できると付け加えました。 彼は、2016年には早くも、Blue-Dotがフロリダでのジカウイルスの発生を、実際にその地域で記録されるXNUMXか月前に予測することができたと指摘しています。
同社は同様の方法で、同様の技術を使用して運営しています。 メタビオットSARSの流行の監視。 その専門家はかつて、タイ、韓国、日本、台湾でこのウイルスが出現するリスクが最も高いことを発見し、これらの国での症例発表のXNUMX週間以上前にこれを行いました。 彼らの結論のいくつかは、乗客の飛行データの分析から導き出されました。
BlueDotと同様に、Metabiotaは自然言語処理を使用して潜在的な病気の報告を評価しますが、ソーシャルメディア情報のための同じ技術の開発にも取り組んでいます。
マークガリバン、Metabiotaのデータ科学ディレクターは、オンラインプラットフォームとフォーラムが発生のリスクを示す可能性があることをメディアに説明しました。 スタッフの専門家はまた、病気の症状、死亡率、治療の利用可能性などの情報に基づいて、社会的および政治的混乱を引き起こす病気のリスクを推定できると述べています。
インターネットの時代では、誰もが、たとえば更新された地図の形で、コロナウイルスの流行の進行に関する情報の迅速で信頼性が高く、おそらく読みやすい視覚的提示を期待しています。
2.ジョンズホプキンス大学コロナウイルス2019-nCoVダッシュボード。
ジョンズホプキンス大学のシステム科学工学センターは、おそらく世界で最も有名なコロナウイルスダッシュボードを開発しました（2）。 また、Googleシートとしてダウンロードするための完全なデータセットも提供しました。 マップは、新しい症例、確認された死亡および回復を示しています。 視覚化に使用されるデータは、WHO、CDC、中国CDC、NHC、およびNHCレポートとリアルタイムのローカルCCDC状況レポートを集約する中国のWebサイトであるDXYを含むさまざまなソースから取得されます。
数日ではなく数時間での診断
世界は、中国の武漢で発生した新しい病気について最初に耳にしました。 31 12月2019都市 3週間後、中国の科学者たちは、犯人を特定したと発表しました。 翌週、ドイツの専門家が最初の診断テストを開発しました（XNUMX）。 それは速く、前後のSARSまたは同様の流行の時代よりもはるかに速いです。
早くも過去XNUMX年間の初めに、ある種の危険なウイルスを探している科学者は、ペトリ皿の動物細胞でそれを増殖させなければなりませんでした。 あなたは作るのに十分なウイルスを作成したに違いありません DNAを分離する と呼ばれるプロセスを通じて遺伝暗号を読み取ります シーケンス。 しかし、近年、この技術は飛躍的に発展しました。
科学者はもはや細胞内でウイルスを増殖させる必要さえありません。 それらは、患者の肺または血液分泌物中の非常に少量のウイルスDNAを直接検出することができます。 そして、それは数日ではなく、数時間かかります。
さらに高速で便利なウイルス検出ツールを開発するための作業が進行中です。 シンガポールに本拠を置くVeredusLaboratoriesは、以下を検出するためのポータブルキットに取り組んでいます。 VereChip （4）は今年1月XNUMX日から発売されます。 効率的でポータブルなソリューションにより、特に病院が混雑している場合に、現場に医療チームを配置するときに、適切な医療のために感染した人をすばやく特定できます。
最近の技術の進歩により、診断結果をほぼリアルタイムで収集および共有できるようになりました。 Quidelのプラットフォームの例 ソフィア iシステム PCR10フィルムアレイ 呼吸器病原体の迅速な診断テストを提供するBioFire企業は、クラウド内のデータベースへのワイヤレス接続を介してすぐに利用できます。
2019-nCoVコロナウイルス（COVID-19）のゲノムは、最初の症例の発見から2002か月も経たないうちに中国の科学者によって完全に配列決定されました。 最初のシーケンス以降、さらに2003近くが完了しています。 それに比べて、SARSウイルスの流行はXNUMX年後半に始まり、その完全なゲノムはXNUMX年XNUMX月まで利用できませんでした。
ゲノム配列決定は、この病気に対する診断とワクチンの開発に不可欠です。
病院の革新
5.エベレットのプロビデンス地域医療センターの医療用ロボット。
残念ながら、新しいコロナウイルスも医師を脅かしています。 CNNによると、 病院内外でのコロナウイルスの拡散を防ぐ、ワシントン州エベレットにあるプロビデンスリージョナルメディカルセンターのスタッフは、 ロボット （5）、孤立した患者のバイタルサインを測定し、ビデオ会議プラットフォームとして機能します。 この機械は、スクリーンを内蔵した車輪付きの単なるコミュニケーターではありませんが、人的労力を完全に排除するものではありません。
看護師はまだ患者と一緒に部屋に入らなければなりません。 また、少なくとも生物学的には感染にさらされないロボットを制御するため、このタイプのデバイスは感染症の治療にますます使用されるようになります。
もちろん、部屋は断熱することができますが、呼吸できるように換気する必要もあります。 これには新しいものが必要です 換気システム微生物の拡散を防ぎます。
この種の技術を開発したフィンランドのGenano（6）は、中国の医療機関に明示的な注文を受けました。 同社の公式声明によると、同社は、無菌で隔離された病室での感染症の蔓延を防ぐための機器を提供した豊富な経験を持っています。 過去数年間、彼女は、とりわけ、MERSウイルスの流行中にサウジアラビアの医療機関への配達を実施しました。 安全な換気のためのフィンランドの装置も、武漢にある2019-nCoVコロナウイルスに感染した人々のための有名な仮設病院に届けられました。これはすでにXNUMX日で建設されました。
6.絶縁体のGenanoシステムの図
Genanoによれば、浄化装置で使用されている特許技術は、「ウイルスやバクテリアなどの空中浮遊微生物をすべて排除して殺す」という。 空気清浄機は、わずか3ナノメートルの微粒子を捕らえることができ、維持するための機械的なフィルターがなく、強い電界によって空気がろ過されます。
コロナウイルスの発生中に浮かび上がったもうXNUMXつの技術的な好奇心は サーマルスキャナー、とりわけ、熱を持っている人々はインドの空港で拾われます。
インターネット-傷つけたり助けたりしますか？
複製と普及、誤った情報の拡散、パニックに対する批判の大きな波にもかかわらず、ソーシャルメディアツールも中国での発生以来前向きな役割を果たしてきました。
たとえば、中国のテクノロジーサイトであるTMT Postが報告したように、ミニビデオのソーシャルプラットフォームです。 同音は、世界的に有名なTikTok（7）に相当する中国語で、コロナウイルスの蔓延に関する情報を処理するための特別なセグメントを立ち上げました。 ハッシュタグの下 #FightPneumonia、ユーザーからの情報だけでなく、専門家のレポートやアドバイスも公開しています。
Douyinは、意識を高め、重要な情報を広めるだけでなく、感染した患者だけでなく、ウイルスと戦う医師や医療スタッフのサポートツールとしての役割を果たすことも目指しています。 アナリスト ダニエル・アフマド このアプリは、医師、医療専門家、患者を支援するためにユーザーが前向きなメッセージを送信するために使用する必要がある「Jiayouビデオ効果」（励ましを意味する）を開始したとツイートしました。 このタイプのコンテンツは、有名人、有名人、いわゆるインフルエンサーによっても公開されています。
今日、健康関連のソーシャルメディアの傾向を注意深く研究することは、科学者や公衆衛生当局が人々の間の病気の伝染のメカニズムをよりよく認識し理解するのに大いに役立つと信じられています。
ソーシャルメディアは「非常に文脈的で、ますますハイパーローカルになる」傾向があることも一因で、彼は2016年にTheAtlanticに語った。 マルセイユサラダ、スイスのローザンヌにある連邦工科大学の研究者であり、科学者が呼ぶ成長分野の専門家 「デジタル疫学」。 しかし、今のところ、研究者たちは、ソーシャルメディアが実際に疫学的現象を反映している健康問題について話しているかどうかを理解しようとしていると彼は付け加えた（8）。
8.中国人はマスクをつけたまま自撮りします。
この点に関する最初の実験の結果は不明です。 すでに2008年に、Googleのエンジニアは病気の予測ツールを立ち上げました- Googleインフルトレンド （GFT）。 同社はこれを使用して、Google検索エンジンのデータの症状と注意喚起語を分析することを計画しました。 当時、彼女は、この結果が、米国疾病予防管理センターよりXNUMX週間早く、インフルエンザとデング熱の発生の「概要」を正確かつ即座に認識するために使用されることを望んでいました。 （CDC）、その研究はこの分野で最高の基準と考えられています。 しかし、米国でのインフルエンザとその後のタイでのマラリアのインターネット信号に基づく早期診断に関するグーグルの結果は、あまりにも不正確であると見なされました。
さまざまなイベントを「予測」する技術とシステム。 暴動やエピデミックの爆発的な増加など、マイクロソフトも協力しており、2013年にイスラエルテクニオンインスティテュートと協力して、メディアコンテンツの分析に基づく災害予測プログラムを開始しました。 多言語の見出しの生体解剖の助けを借りて、「コンピュータインテリジェンス」は社会的脅威を認識しなければなりませんでした。
科学者たちは、アンゴラの干ばつに関する情報など、特定の一連の出来事を調査しました。これにより、干ばつと病気の発生率の増加との関連がわかったため、コレラの流行の可能性について予測システムで予測が行われました。 システムのフレームワークは、1986年に始まったニューヨークタイムズのアーカイブ出版物の分析に基づいて作成されました。 機械学習のさらなる開発とプロセスには、新しいインターネットリソースの使用が含まれていました。
これまでのところ、疫学的予測におけるBlueDotとMetabiotaの成功に基づいて、 正確な予測は、主に「適格な」データに基づいて可能であると結論付けたくなるかもしれません。 インターネットやポータルコミュニティの混乱ではなく、専門的で検証済みの専門的な情報源.
しかし、おそらくそれはよりスマートなアルゴリズムとより良い機械学習に関するものなのでしょうか？
