AI proti Covid-19: Kako lahko AI pomaga pri sledenju in raziskavah Covid-19?

Covid-19

Leto 2020 je bilo z virusom Covid-19 čudno. Medicinski tehniki in znanstveniki po vsem svetu poskušajo najti cepivo in ga zadržati. To ni pomembno samo za človeško življenje, ampak za podjetja in vpliv, ki ga je imel po vsem svetu.

COVID-19

Po navedbah Coronavstats od 21. septembra 2020 je bilo v Združenem kraljestvu trenutno 398.625 okužb in 41.788 smrtnih primerov. Trenutna stopnja smrtnosti nekaj več kot 10% vseh primerov je zaskrbljujoča. Ugotovljeno je bilo, da je širjenje eksponentno. Zato je zadrževanje ključnega pomena, v tehnološkem svetu se umetna inteligenca uporablja za odkrivanje in zadrževanje cepiv. Z AI lahko hitreje poiščemo prava cepljenja z analizo predhodnih na podlagi podobnih beljakovinskih struktur okužbe in širjenja.

Zdravstveni domovi vse pogosteje uporabljajo umetno inteligenco. Sistemi za skeniranje rentgenskih žarkov lahko samodejno zaznajo virus in izkoristijo prepoznavanje slik s pomočjo zmožnosti AI. AI ponuja veliko hitrejšo obdelavo. Regulatorji in vladne agencije nato zbirajo podatke in jih dajo na voljo več subjektom. Raziskovalci in mikrobiologi uporabljajo te podatke in druge podatke za ustvarjanje boljših zdravil, ki analizirajo vpliv zdravil in prepoznavajo virus in druge bakterije, na primer Médecins Sans Frontières.

Zdravniki brez meja in Tenserflow Lite

TensorFlow

Primer uporabe potencialne umetne inteligence pri iskanju cepiva najdemo v trenutnih medicinskih raziskavah identifikacije bakterij, kot je razvidno iz tega YouTube Video . Médecins Sans Frontières je dobrodelna organizacija, ki zagotavlja zdravstveno oskrbo po vsem svetu in v več kot 70 državah predpisuje vrsto antibiotikov. Ugotovili so, da je vse več bolnikov okuženih z bakterijami, odpornimi na več zdravil. Možno je, da bi isti koncept lahko uporabili za Covid-19 pri njihovi uporabi AI in Googles TensorFlow. TensorFlow je Googlova brezplačna in odprtokodna ponudba umetne inteligence, TensorFlow Lite (uporabljajo ga Medicinarji brez meja), je mobilna različica na voljo za prenos v sistemih iOS in Android.

Zdravilo Médecins Sans Frontières je odkrilo, da bolniki pogosto dobijo napačne antibiotike zaradi nezmožnosti natančne identifikacije virusa, s katerim je pacient okužen. Uporabljajo TensorFlow, da pomagajo prepoznati prave antibiotike za svoje paciente.

To prinaša več izzivov. Za prepoznavanje bakterij je potrebnih več testov, da bi vedeli, s katero vrsto bakterij imajo opravka. Dodaten korak je razlaga rezultatov v mnogih državah, kjer delujejo zdravniki brez meja. Na žalost ni dovolj izkušenega osebja mikrobiologov, ki bi opravljal te interpretacije. AI je lahko potencialna rešitev tega problema, saj namesto da bi zamenjali osebje mikrobiologov, pomagajo obstoječemu osebju pri razlagi diagnostičnih testov v krajšem časovnem obdobju z uporabo TensorFlow lite, ki je na voljo na številnih mobilnih telefonih, v vseh njihovih klinikah. . Aplikaciji ni treba biti v spletu, zato jo lahko uporabljate na območjih s slabim signalom.

TensorFlow uporablja računalniški vid in strojno učenje s pomočjo Pythona za odkrivanje interakcij med bakterijami in antibiotiki, pri čemer uporablja samo sliko petrijevke. Kot rezultat uporabe te tehnologije je Médecins Sans Frontières v nekaj dneh uspel usposobiti testni model. Izkazalo se je tudi presenetljivo hitro in enostavno dosegljivo. Razvili so prototip s ciljem omogočiti diagnostično testiranje na voljo, enostavno in cenovno dostopno po vsem svetu. Ta aplikacija bi lahko spremenila igro in pomagala milijonom ljudi po vsem svetu, še posebej, če jo je mogoče prilagoditi v lovu na cepivo za Covid-19 in številne druge bolezni. Pomaga lahko tudi pri svetovanju o najboljših praksah upravljanja.

Deluje s pomočjo zaznavanja predmetov z uporabo predhodno označenih slik bakterij bolezni in primerjave s fotografijo petrijevke. V manj kot eni sekundi lahko napoveduje. Lepota sistema, ki ga ponuja TensorFlow, je ta, da obstaja knjižnica funkcij, ki omogočajo gradnjo različnih arhitektur, in sicer v precej krajšem času, namesto da bi morali pisati na tisoče vrstic kode. Ta podeželska omrežja lahko skrči, da se lahko prilegajo mobilni napravi. Človeški prispevek je ključnega pomena za postopek. Zelo hitro lahko preide na stotine milijonov slik in ga je mogoče prilagoditi za ustvarjanje različnih vrst nevronskih mrež.

Pri iskanju cepiva za Covid-19 bi lahko bila strategija, ki jo uporabljajo zdravniki brez meja, dober začetek uporabe umetne inteligence z uporabo TenserFlow.

Primer TensorFlow Lite na Androidu

TensorFlow vam omogoča hitro zagon modelov strojnega učenja na mobilnih napravah z nizko zakasnitvijo, tako da lahko izvajate klasifikacije, ne da bi morali ponavljati omrežne klice na strežnik. Na voljo je v sistemih Android in iOS prek API-ja C ++. Obstaja ovitek Java za naprave Android, ki ga lahko podpira. Tolmač za pospeševanje strojne opreme uporablja API za nevronska omrežja Android.

Aplikacija je zgrajena z uporabo modela mobilne mreže. Mobilne mreže so majhne in porabijo malo energije. Modeli so lahko zasnovani tako, da ustrezajo več primerom uporabe, kot je zaznavanje predmetov, na primer različne vrste rastlin ali dreves. Zagotavlja natančno razvrščanje. Za delo je na voljo več predhodno usposobljenih modelov brez police.

Pri prvem delu s TensorFlow lite je priporočljivo, da delate s temi vnaprej izdelanimi modeli. Vendar TensorFlow Lite še ne podpira vseh funkcij popolnega TensorFlowa.

Če želite uporabljati TensorFlow v mobilnih napravah, morate vključiti knjižnice TensorFlow lite. To dosežemo z urejanjem vaše gradne datoteke gradle, da zagotovimo, da jih vključite. Naslednji korak je uvoz tolmača TensorFlow. Tolmač naloži model in vam omogoča, da ga zaženete, tako da mu zagotovite nabor vhodov. TensorFlow lite izvede model in zapiše izhode. To je preprost postopek, čeprav je tehnologija, ki stoji za njim, zapletena.

Model je treba shraniti v sredstvih aplikacije. Koda bo nato model prebrala neposredno od tam, čeprav ga je mogoče naložiti od koder koli. Ko je model naložen, je mogoče ustvariti primerek tolmača.

V primeru medicinskih raziskav aplikacija bere okvirje s fotoaparata in jih spreminja v slike. Te slike (v primeru Médecins Sans Frontières, petrijevka) se uporabljajo kot vhodni podatki za model, ki daje povratne vrednosti. Te vrednosti so indeks ustrezne nalepke (v tem primeru identifikacija bakterij) in na tisoče vnaprej pripravljenih, označenih slik se potem ujema s to oznako.

Tu lahko izveste več o treningu modelov TensorFlow video vodnik za zagon modelov TensorFlow v Androidu.

Zaznavanje Covid-19 z uporabo tkanine UiPath

Rentgen prsnega koša

UiPath je podjetje, specializirano za rešitve umetne inteligence za avtomatizacijo. Raziskovalci z Univerze Waterloo in Darwin so s pomočjo UiPath Fabric, ki je odprtokodna pobuda, oblikovali model nevronske mreže za odkrivanje primerov COVID-19 s pomočjo rentgenskih slik prsnega koša. Model je bil usposobljen na javno dostopnem naboru podatkov, ki ga sestavljajo 76 slik bolnikov s covid 19 kot je prikazano v tem videu You Tube.

Potek dela je preprost, sestavljen je iz datoteke in rentgenske slike. Ti se pošljejo modelu strojnega učenja, ki prikaže rezultate. Aplikacija zahteva sliko. To je vse, kar potrebujete za usposabljanje modela od ljudi brez bolezni in razlikovanja med ljudmi s pljučnico in ljudmi s COVID-19. Rezultat je rezultat klasifikacije strojnega učenja.

Torej, za katero koli rentgensko sliko prsnega koša ali CT skeniranje programska oprema predvideva, da slika prihaja od bolnika s Covid-19. Na tej stopnji raziskave ne gre za produkcijsko različico, temveč za predhodni poskus.

AI se uporablja za pomoč pri raziskavah zadrževanja Covid-19 in morda za odkrivanje virusa. Mobilne aplikacije, kot je TensorFlow Lite, lahko preverijo, ali ima posameznik virus, tako da vnesejo nekaj uporabniških vnosov, samodejno pridobijo nekatere podatke o svoji lokaciji in jih ocenijo glede na stopnjo tveganja. Lahko si predstavljate situacijo, ko lahko vlada, če je vedno potrjena mobilna lokacija pacienta, opozori ljudi, ki so bili v stiku z omenjeno osebo. To je znano kot 'Track and Trace'.

Bert , še ena pobuda Google AI, se uporablja za ta obsežen nabor podatkov za pridobivanje koristnih informacij o virusu z uporabo naravne jezikovne obdelave (NLP). NLP lahko uporabimo za razumevanje strukture beljakovin in hitrejši razvoj potencialnih cepljenj, vključno z zagotavljanjem informacij o območjih, kjer so ljudje prizadeti.

To bi moralo tudi mikrobiologom pomagati razumeti možnosti zdravljenja, upoštevati morebitne neželene učinke in določiti pravi odmerek. Bert gleda na besede in stavke iz obeh smeri, od leve proti desni in desni ali levi, tako da lahko razumejo in prepoznajo določene besede v celotnem kontekstu. Torej, s kombinacijo modelov umetne inteligence, kot sta TensorFlow in Bert za obdelavo naravnega jezika za pomoč mikrobiologom, morda cepivo za Covid-19 morda ni predaleč, vendar še vedno poteka. AI se je izkazal za koristnega, kot so pokazali ti primeri, da bi zagotovil rešitev za potencialno cepivo Covid-19 in sposobnost sledenja.