Inteligența artificială luptă cot la cot cu medicii împotriva Covid-19 și e mai rapidă decât noi

În ianuarie, anul ăsta, Organizația Mondială a Sănătății dădea primul avertisment public despre izbucnirea unei epidemii în provincia Wuhan din China, produsă de ceea ce părea un virus asemănător cu cel gripal, care se extindea cu repeziciune. Forul mondial nu a fost însă prima instituție care a avertizat lumea asupra pericolului. Pe 30 decembrie 2019, un sistem bazat pe inteligența artificială de la un spital de copii din Boston, HealthMap5, a dat cel dintâi alarma, urmat, o zi mai târziu, de un alt sistem bazat pe AI, cel al firmei canadiene BlueDot.

Cum a reușit inteligența artificială să fie mult mai rapidă în analiză și în reacție decât cea mai importantă organizație din domeniul sănătății din lume? Din același motiv pentru care, de pildă, un computer oferă mult mai rapid decât un om rezultatul înmulțirii 357x12: și de aceea a fost creată și dezvoltată.

Ce este inteligența artificială? În mod colocvial, termenul e deseori folosit pentru a descrie felul în care noua generație de computere imită funcțiile cognitive asociate cu mintea omenească, cum ar fi capacitatea de a învăța și de a rezolva probleme. Sunt câteva domenii în care AI a ajutat în timpul acestei pandemii: avertizare, urmărirea cazurilor, predicția evoluției, alcătuirea bazelor de date, diagnoză, găsirea tratamentelor, pregătirea mijloacelor de intervenție pentru viitoarele pandemii.

Cum de-a reacționat BlueDot cu zece zile înaintea OMS? Sistemul bazat pe AI scanează zilnic peste o sută de mii de surse de informație în peste 60 de limbi, nu doar canale de știri, ci și forumuri și rețele legate de sănătatea publică – cu excepția postărilor din social media, considerate a nu fi de încredere.

În urma analizei informațiilor colectate în ultimele zile ale anului trecut, BlueDot a înregistrat foarte multe cazuri de îmbolnăvire în zona Wuhan cu ceva ce părea a fi un virus gripal. Având acces la datele globale de cumpărare ale biletelor de avioane, BlueDot a prezis, în mod corect, că virusul se va extinde în zilele următoare către Bangkok, Seul, Taipei și Tokyo, realizând o simulare foarte aproape de realitate a ceea ce urma să se întâmple.

„Răspândește cunoașterea mai repede decât se împrăștie bolile” e una dintre filosofiile de la care a pornit compania BlueDot, mărturisește fondatorul Kamran Khan. Acesta mai susține că observarea clasică a începuturilor de epidemii, care se bazează pe factorul uman, durează mai mult, iar oamenii nu pot să proceseze cantități mari de informații, neglijându-le deseori pe cele cu adevărat importante.

Principala problemă în urmărirea și realizarea unui model pentru pandemia SARS-CoV-2 este inexistența unor date corecte anterioare pentru a le oferi Inteligenței Artificiale spre procesare. Caracteristicile infectărilor cu Covid-19 diferă față de cele ale pandemiilor trecute, iar – după cum au sesizat și cei de la BlueDot – informațiile culese din social media nu sunt de încredere.

Marea problemă este următoarea: pentru a realiza analize precise, AI are nevoie rapid de o cantitate suficientă de date corecte pentru a genera algoritmi preciși. Toate cele trei cuvinte îngroșate sunt importante în ecuație.

Există însă un cerc vicios. Cel mai mult e nevoie de o predicție precisă în prima perioadă a răspândirii virusului, când e totuși imposibil să ai date despre o pandemie de-abia apărută. Evident, a folosi date culese în timpul altor pandemii ar fi greșit, pentru că fiecare pandemie are un model propriu de transmitere.

Și chiar dacă o cantitate mare de date e disponibilă, dacă metoda de culegere nu e bine calibrată e tot degeaba. În 2013, se presupunea că experimentul Google Flu Trends – bazat pe o presupusă relație între căutările pe internet ale oamenilor despre gripă dintr-o zonă și evoluția gripei în zona respectivă – va oferi un model precis de evoluție mai devreme cu două săptămâni decât cel al CDC (Centers for Disease and Control and Prevention).

Rezultatul? Un eșec răsunător. GFT a prognozat în 2013 data vârfului de epidemie cu o eroare de 140 la sută.

Folosită însă de către un personal uman calificat să stabilească, să culeagă și să interpreteze corect datele, AI e o unealtă redutabilă.

Unul dintre domeniile pe care inteligența artificială le-a revoluționat este transmiterea informației. Un start-up francez, Clevy.io, a lansat un chatbot (un program sau o formă de inteligență artificială care desfășoară conversații prin diferite metode precum analiză sau text) pentru a ușura oamenilor accesul la informații oficiale și verificate despre boală. Sistemul folosește informații furnizate în timp real de către oficialitățile franceze și OMS, evaluând simptome și răspunzând la întrebări legate de riscuri și măsurile care ar trebui luate. Multe orașe din Hexagon, printre care Strasbourg, Orléans and Nanterre, folosesc de câteva luni acest sistem.

O altă companie, din Abu Dhabi, Seha, are roboți care răspund pe WhatsApp la întrebările publicului, oferind informații relevante. Inițial, numărul de chestiuni la care roboții erau programați să răspundă era 20, dar a crescut rapid la 200. Sistemul ține cont de modurile diferite în care poate fi frazată o întrebare și chiar de potențialele greșeli de tipărire.

Closedloop, un start-up care folosește inteligența artificială, a întocmit un index de vulnerabilitate, prin care îi identifică pe cei care au un risc mare de a dezvolta complicații severe din cauza Covid-19. „C-19 Index” e folosit de către sistemele de sănătate și companiile de asigurări pentru a-i identifica pe cei cu risc maxim de a lua virusul. Aceștia sunt apoi contactați pentru a fi instruiți în legătură cu cele ce au de făcut. Le sunt oferite hrană, hârtie igienică și alte bunuri de imediată necesitate, astfel încât să poată rămâne în case cât mai mult timp, la adăpost.

O companie din California, Chan Zuckerberg Biohub, a construit un model bazat pe AI pentru a estima numărul de infectări de Covid-19 rămase neidentificate și consecințele pentru sănătatea publică. Experimentul s-a desfășurat în 12 zone de pe glob, din Europa, Asia și America de Nord. 

Folosind MachineLearning și CloudComputing, modelul analizează felul în care virusul suferă mutații, cazurile de îmbolnăviri asimptomatice și poate face previziuni asupra extinderii. Rezultatele au arătat că în multe zone au existat rate foarte ridicate de nedetectare (de exemplu, în Shanghai, în prima fază a pandemiei, era de 90 la sută). De asemenea, în toate cele 12 zone supuse analizei s-a descoperit că, în primele săptămâni de la apariția primului caz, aproximativ 98 la sută din cazuri au rămas nedepistate.

Machine learning e una dintre aplicațiile Inteligenței Artificiale care permite unui sistem să „învețe” și să „tragă concluzii” din greșelile anterioare, fără a fi fost în prealabil special programat pentru asta. Prin algoritmii de învățare se construiește un model matematic, cu scopul de a face predicții și de a lua decizii. „Mașinile” pot astfel lua „decizii” pe baza unor baze de date statistice în care sunt înmagazinate experiențe anterioare.

Iată câteva exemple în care ML a fost folosit. Serviciul web al companiei Amazon, AWS, a lansat CORD-19 Search, un serviciu nou de căutare pe internet. Acesta îi ajută pe cercetători prin căutarea și identificarea rapidă a documentelor legate de problematica în cauză. Serviciul e capabil să răspundă și unor întrebări mai dificile legate de coronavirus, cum ar fi, de pildă: „Când se înregistrează încărcătura virală salivară cea mai ridicată pentru Covid-19?”.

Baza de data din care se „hrănește” sistemul a fost formată de către Allen Institute din peste 128 de mii de documente și studii de specialitate. AI a extras materiale medicale relevante chiar și din texte nu foarte bine structurate, corectând limbajul de redactare într-unul foarte apropiat de cel natural folosit de oameni.

În Anglia, pentru sistemul național de sănătate NHS a fost creat OpenSAFELY, o platformă electronică de dosare de sănătate, pentru a livra rezultate rapide în timpul pandemiei. În prezent, sunt înscrise datele și evoluțiile a 24 de milioane de pacienți (peste 50 la sută din populația adultă a Angliei), dar baza de date e în continuă creștere.

Primele analize realizate de OpenSAFELY au arătat că grupurile de risc în cazul îmbolnăvirii cu Covid-19 sunt, în afara celor în vârstă ori cu comorbidități, cei care aparțin etniei afro-americane și locuitorii din sudul Asiei. Prin Covid-19 Symptom Study au fost colectate informații împărtășite benevol de peste 2,6 de milioane de oameni, folosită fiind o banală aplicație de smartphone dezvoltată de King’s College din Londra și de firma Zoe Global. Analizând rapoarte de la oameni care aveau și care nu aveau simptome, cercetătorii au stabilit, încă din primele zile ale declanșării epidemiei în Regatul Unit, combinația de simptome cea mai probabilă pentru infectarea cu SARS-CoV-2.

Un alt foarte bun exemplu de eficiență în intervenție este ceea ce s-a întâmplat în Singapore. Acolo, anumite condiții specifice au dus la crearea unor focare greu de gestionat. Primele cazuri au apărut în ianuarie 2020, iar o proporție covârșitoare de aproximativ 93 la sută dintre acestea s-au înregistrat în niște tabere de muncitori migranți. Condițiile în care trăiau și locuiau aceștia, în dormitoare comune, au favorizat răspândirea masivă a virusului.

Sistemul public de sănătate s-a concentrat, în prima fază, pe crearea unui chatbot care funcționează pe baza AI, numit SGDormBot, cu ajutorul căruia semnele vitale ale muncitorilor – temperatură, puls, nivel de oxigen – sunt monitorizate. Când un indicator „sare” din interval, robotul îi trimite un SMS doctorului, raportând anomalia și permițându-i acestuia să intervină de la distanță.

Sistemele de inteligență artificială ajută și la predicția stării bolnavilor Covid-19. Doctorul Ron Li, de la Stanford Medicine, folosește machine learning pentru identificarea pacienților care au nevoie de terapie intensivă înainte ca starea acestora să se deterioreze. Scopul este să-l ajute pe medic să ia o decizie cât mai bună, furnizându-i informațiile oferite de către AI.

„Beneficiul folosirii machine learning este că mașina învață extrem de rapid. Poate trage concluzii din studierea a sute de mii de cazuri, în timp ce eu, ca medic clinician, am doar experiența pacienților pe care i-am tratat.” a declarat doctorul Li într-un interviu care se găsește pe YouTube.

Deep learning e o metodă din familia machine learning și e bazată pe rețelele artificiale neuronale, care imită funcționarea rețelelor neuronale biologice. Astfel, fiecare conexiune între neuronii artificiali, asemenea sinapselor, poate trimite un semnal celorlalți neuroni din rețea. Asemenea unui creier omenesc, sistemul se autoorganizează, evoluează și se adaptează.

InferRead CT Pneumonia e un sistem de diagnoză bazat pe deep learning capabil să identifice prezența infecției cu coronavirus în CT-urile pacienților ale căror teste RT-PCR fuseseră fals-negative. Dar chiar și fără imagini CT (tomografie computerizată), folosind doar obișnuitele radiografii pulmonare, un sistem bazat pe deep learning poate îmbunătăți diagnoza unui suspect de Covid-19, augmentând imaginea prin atribuirea de culori potrivite fiecărei zone.

COVNet e un sistem în întregime automat pentru detectarea coronavirusului, capabil să extragă informații relevante din scanuri CT 2D și 3D, generând un scor pentru probabilitatea infectării. Astfel, de pildă, pot fi separați cei infectați cu coronavirus de cei care au pneumonie. COVNet procesează fiecare imagine cu o senzitivitate (probabilitatea ca un detaliu să fie vizibil) de 90 la sută, în timp ce testele RT-PCR, folosite în mod curent, au o senzitivitate de 71-80 la sută.

Este un progres important și din punctul de vedere al eficienței. COVNet poate procesa o imagine CT în aproximativ cinci secunde, ceea ce iuțește enorm procesul de diagnoză.

Prin folosirea AI se poate accelera și descoperirea de medicamente eficiente. BenevolentAI, o companie din Marea Britanie, a găsit altă cale de luptă: s-a concentrat asupra reacției organismului la coronavirus. A fost lansată o investigație pentru depistarea unor medicamente deja aflate pe piață care să inhibe virusul. În numai câteva zile, prin machine learning, Baricitinib, un medicament folosit pentru artrita reumatoidă, a fost ales de AI drept mai bun candidat pentru lupta împotriva Covid-19, intrând rapid în procedurile de testare ale US National Institute for Allergies and Infectious Diseases (NIAID), ca posibil leac pentru pacienții de Covid-19.

Inteligența artificială e ultima unealtă din trusa de scule a omenirii, dar, din păcate, a intrat prea de curând în uzul nostru pentru a fi capabili să o folosim cu adevărat eficient.

Probabil, dacă această pandemie ar fi lovit peste doi ani, când metodele și aplicațiile ar fi fost mai bine înțelese și testate în condiții reale, omenirea ar fi fost mult mai bine pregătită pentru această încercare. Ce e însă extraordinar în această încercare e faptul că o sumedenie de aplicații AI au fost rapid convertite de către creatorii lor pentru a lupta împotriva coronavirusului. Firme ca Zoe, Intellegens (care și-a transformat algoritmul Alchemite într-o unealtă de predicție pentru sistemele de sănătate) ori oameni ca Vince Poor, profesor de inginerie electrică la Universitatea din Princeton (care a aplicat concepte de ingineria rețelelor pentru înțelegerea modelului epidemiologic al Covid-19), toți au fost capabili să se adapteze din mers pentru a oferi mijloace efective de luptă împotriva pandemiei Covid-19.

Adrian Georgescu e un inginer oarecare. Nu știe să croșeteze, nici să gătească Quiche Lorraine ori să danseze step. De asemenea, nu vorbește slovaca. Are dioptrii +1,5 la ochiul drept. Uneori scrie. Urmărește-l și pe blogul personal.