AI如何应对冠状病毒爆发?


回答 1:

人工智能可以对抗未来的冠状病毒

像冠状病毒之类的疾病暴发通常发展得太快,以至于科学家无法找到治愈的方法。 但是将来,人工智能可以帮助研究人员做得更好。

虽然刚刚起步的技术在当前的流行病中起主要作用可能为时已晚,但人们希望下一次爆发。 AI善于梳理大量数据以寻找联系,从而更容易确定哪种治疗方法可行或下一步进行哪些实验。

问题是,当大数据仅获得关于像Covid-19这样的新出现疾病的微薄信息时,将会产生什么结果。Covid-19于去年年底在中国首次出现,在大约两个月的时间里使75,000多人患病。

研究人员设法在首次报告的病例数周内就产生了新病毒的基因序列,这一事实是有希望的,因为这表明,当暴发发生时,现在有更多的即时数据可用。

总部位于英国牛津的初创公司Exscientia Ltd.的首席执行官安德鲁·霍普金斯(Andrew Hopkins)是致力于培训用于药物发现的人工智能培训的人员之一。 他认为,借助人工智能,新疗法在未来十年内可在短短18到24个月内从构思到临床测试。

Exscientia设计了一种用于治疗强迫症的新化合物,该化合物在初始研究阶段不到一年就可以在实验室中进行测试。 据该公司称,这大约是平均速度的五倍。

总部位于剑桥的Healx具有类似的方法,但是它使用机器学习来发现现有药物的新用途。 两家公司都向其算法提供信息(从期刊,生物医学数据库和临床试验等来源收集信息),以帮助建议疾病的新治疗方法。

人类监督

两家公司各自使用一组人类研究人员与AI一起工作,以帮助指导流程。 在被称为Centaur化学家的Exscientia方法中,药物设计师帮助教授了寻找化合物的算法策略。 Healx将AI的预测结果提供给研究人员,这些研究人员分析结果并决定要追求的目标。

Healx的首席科学官尼尔·汤普森(Neil Thompson)说,只要有足够的新疾病数据,该技术就可以部署用于应对像冠状病毒这样的暴发。 Healx并未致力于解决冠状病毒或调整其技术以应对疾病爆发,但这并不是一件容易的事。

汤普森在接受采访时说:“我们距离很近。” “我们不需要对使用的AI算法进行太多更改。 我们正在研究使药物特性与疾病特征匹配。”

人工智能算法已经开始为我们所知道的疾病生产药物。 麻省理工学院的研究人员周四表示,他们已经使用这种方法来鉴定一种强大的新型抗生素化合物,该化合物可以杀死一系列麻烦的细菌,甚至包括目前对其他治疗方法具有抵抗力的细菌。

所有这些技术的一大收获就是临床测试。 即使已经安全用于治疗一种疾病的药物也应在开处方用于另一种疾病之前再次进行测试。 向大量人证明它们安全有效的过程可能需要花费数年才能提交监管机构进行审查。

为了发挥作用,基于AI的药物开发人员必须提前进行计划,挑选出将来可能会引起问题的病毒基因组,并在几乎没有动机的情况下将其作为目标。

谢谢。


回答 2:

游戏已经开始!

如果不是用于冠状病毒,至少是用于超级细菌。 麻省理工学院和哈佛大学的研究人员使用AI来识别能够杀死许多耐药细菌的新型抗生素。 他们训练了一种机器学习算法,可以使用与现有药物不同的机制来分析能够抵抗感染的化学化合物。

他们在2500个分子上训练了他们的模型,这些分子识别出一种化合物(称为Halicin),用于测试从患者身上获取的细菌和实验室中生长的细菌。 “ Halicin”可以杀死许多耐药菌,包括

结核分枝杆菌,艰难梭菌

鲍曼不动杆菌。

Halicin治愈了两只感染了

鲍曼不动杆菌

顺带一提,许多在伊拉克和阿富汗的美军士兵也感染了同一只小虫。 报告说,在这两只老鼠的皮肤上涂上了一种Halicin软膏,仅在24小时内就完全治愈了它们。

使用预测性计算机模型进行药物发现并不是什么新鲜事,但到目前为止,Halicin取得了最大的成功。

根据研究人员的观点,他们的预测模型可以完成传统实验方法所无法承受的昂贵工作。

Halicin的成功正处于人类历史上的关键阶段。 据预测,到2050年,由于耐药菌导致的全球死亡人数将达到1000万。

为了使Halicin在人类中可用,需要做进一步的工作。 尽管他们的算法是针对细菌而设计的,但它对于抵抗病毒也可能是“可升级的”。


回答 3:

想象一下,中国的一家医院有1000多个症状相似的病例,该医院怎么办? 尽管有关症状和诊断的所有信息均已记录并可以电子方式获得,但卫生部门能够采取必要且适当的措施。

AI精湛且检测模式快速,相似之处可快速检测。 一个例子

Google搜索能够

以检测全球可能的疾病。 仅凭简单的搜索模式,人工智能实际上就可以检测到可能在全球范围内大量爆发的威胁和流行病。

回到中国,一旦对冠状病毒进行了记录,诊断,它便与所有其他可能的政府组织共享了此信息,这些组织可以迅速部署热探测器,以对具有这些症状的人进行扫描并将其归类为感染或携带者或免疫。 随着病毒快速变异,它们倾向于改变其外观,症状可能会改变并且难以诊断。 但是,借助人工智能,中国可以帮助那些从中国移居的人,尤其是武汉,然后跨城市移居国际的人们提供政府服务。 AI可以分析这些信息,以检测来自那些城市,医院的新闻,从而将这些难题拼凑在一起。

希望这可以帮助!


回答 4:

用最近的话说,如果我们有几个病人的数据,那么我们就可以识别和找到电晕阳性病人的模式。 之后,我们可以根据他们的病情检查新病人,以预测该病人是否可能被感染。 可以使用经典的机器学习或深度学习技术将其分开。

一般而言,我们需要非常谨慎,必须与医学界人士进行互动以分析模式,以概括实际发生的情况,病毒在体内触发的变化和机制,以便更好地理解模型。


回答 5:

像冠状病毒之类的疾病暴发通常发展得太快,以至于科学家无法找到治愈的方法。 但是将来,人工智能可以帮助研究人员做得更好。

虽然刚刚起步的技术在当前的流行病中起主要作用可能为时已晚,但人们希望下一次爆发。 AI善于梳理大量数据以寻找联系,从而更容易确定哪种治疗方法可行或下一步进行哪些实验。

问题是,当大数据仅获得关于像Covid-19这样的新出现疾病的微薄信息时,将产生什么结果。Covid-19于去年年底在中国首次出现,在大约两个月的时间里使75,000多人患病。

研究人员设法在首次报告的病例数周内就产生了新病毒的基因序列,这一事实是有希望的,因为这表明,当暴发发生时,现在有更多的即时数据可用。

总部位于英国牛津的初创公司Exscientia Ltd.的首席执行官安德鲁·霍普金斯(Andrew Hopkins)是致力于培训用于药物发现的人工智能培训的人员之一。 他认为,借助人工智能,新疗法在未来十年内可在短短18到24个月内从构思到临床测试。

Exscientia设计了一种用于治疗强迫症的新化合物,该化合物在初始研究阶段不到一年就可以在实验室中进行测试。 据该公司称,这大约是平均速度的五倍。

总部位于剑桥的Healx具有类似的方法,但是它使用机器学习来发现现有药物的新用途。 两家公司都向其算法提供信息(从期刊,生物医学数据库和临床试验等来源收集信息),以帮助建议疾病的新治疗方法。

人类监督

两家公司各自使用一组人类研究人员与AI一起工作,以帮助指导流程。 在被称为Centaur化学家的Exscientia方法中,药物设计师帮助教授了寻找化合物的算法策略。 Healx将AI的预测结果提供给研究人员,这些研究人员分析结果并决定要追求的目标。

Healx的首席科学官尼尔·汤普森(Neil Thompson)说,只要有足够的新疾病数据,该技术就可以部署用于应对像冠状病毒这样的暴发。 Healx并未致力于解决冠状病毒或调整其技术以应对疾病爆发,但这并不是一件容易的事。

汤普森在接受采访时说:“我们距离很近。” “我们不需要对使用的AI算法进行太多更改。 我们正在研究使药物特性与疾病特征匹配。”

人工智能算法已经开始为我们所知道的疾病生产药物。 麻省理工学院的研究人员周四表示,他们已经使用这种方法来鉴定一种强大的新型抗生素化合物,该化合物可以杀死一系列麻烦的细菌,甚至包括目前对其他治疗方法具有抵抗力的细菌。

所有这些技术的一大收获就是临床测试。 即使已经安全用于治疗一种疾病的药物也应在开处方用于另一种疾病之前再次进行测试。 向大量人证明它们安全有效的过程可能需要花费数年才能提交监管机构进行审查。

为了发挥作用,基于AI的药物开发人员必须提前进行计划,挑选出将来可能会引起问题的病毒基因组,并在几乎没有动机的情况下将其作为目标。

另一个障碍是寻找合格的员工。

风险投资公司Atomico的合伙人,前外科医生Irina Haivas表示:“很难找到可以在AI和生物学相交处工作的人,而且大公司很难就这样的技术做出快速决策。” Healx董事会。 “仅仅作为一名AI工程师还不够,您必须了解并投入生物学的应用。”


回答 6:

当一种神秘的疾病首次出现时,政府和公共卫生当局很难迅速收集信息并协调应对措施。 但是,新的人工智能技术可以在世界各地的新闻报道和在线内容中自动进行挖掘,从而帮助专业人员识别导致潜在流行病或更严重的潜在疾病。 换句话说,我们新的AI老板可能会帮助我们摆脱下一个灾难。

这些新的

人工智能

最近,加拿大一家名为BlueDat的公司发现了最近的冠状病毒爆发,该功能全面发挥作用。BlueDat是使用数据评估公共健康风险的几个组织之一。 美国疾病控制与预防中心(CDC)和世界卫生组织(WHO)已发布正式通知,该机构声称正在进行“自动传染病监视”。 现在,到1月底,与中国武汉市有关的呼吸道病毒已经失去100多人的生命。 在包括美国在内的许多其他国家,也有案件发生。美国疾病预防控制中心警告美国人,避免不必要的前往中国的旅行。


回答 7:

在突然出现一种奇怪的疾病的时候,对于政府和一般卫生部门来说,迅速收集数据并促进反应很困难。 无论如何,新的人为推理创新可以自然地通过全球各地的新闻报道和在线内容进行挖掘,从而帮助专家们发现不一致之处,从而引发潜在的瘟疫,或者更令人遗憾的是,大流行。 最终,我们新的AI霸主可能会真正帮助我们忍受以下疾病。

这些新的AI功能在不断进行的冠状病毒爆发中得到了充分展示,这是由一家加拿大公司BlueDot正确地进行的,该公司是利用信息来评估一般健康危害的众多组织之一。 该组织表示,它正在进行“机器人不可抗拒的疾病观察”,该组织在12月底(即美国疾病预防控制中心(CDC)和世界卫生组织(WHO) )传达了官方通知,如Wired宣布的那样。 目前接近1月底,与中国武汉市有关的呼吸道感染刚刚造成100多人死亡。 同样,在包括美国在内的几个不同国家中,案件也如雨后春笋般涌现。美国疾病预防控制中心(CDC)提醒美国人,与不必要的中国之行保持战略距离。

不可抗拒的疾病医生,蓝点(BlueDot)的作者兼首席执行官Kamran Khan在一次会议上阐明了该组织的最初警告框架如何利用人为意识,包括正常的语言处理和AI,通过分解约100,000篇文章来跟踪100多种不可抗拒的感染。 65种方言。 该信息使组织能够意识到何时将无法抗拒的疾病的潜在距离和传播告知客户。

其他信息,类似于资源管理器的时间表数据和飞行方式,可以帮助组织进一步了解疾病可能如何传播。 例如,最近,BlueDot专家预计亚洲出现了不同的城市社区,这些冠状病毒在出现于中国境内后会出现在这些城市。

BlueDot模型(其结论性结果由人类专家检查的结果)背后的思想是,尽可能快地将数据提供给社会保险工作者,并期望他们能够分析(如果需要,可以断开连接)污染和可以想象传染性个体在适当的时候。

Khan告诉Recode:“官方数据并非在所有情况下都是吉祥的。” “资源管理器中的一个案例与突发事件之间的区别取决于您的最前沿的人类服务专家是否认为有特定疾病。这可能是避免突发事件真正发生的区别。”

Khan认为,他的框架还可以利用多种其他信息(例如,有关某个地区的大气,温度甚至附近的家养动物的数据)来预测某人是否受到疾病污染可能会引起疾病的爆发。那里。 他提出,在2016年,BlueDot可以选择在佛罗里达州实际发生Zika感染的半年前预见到Zika感染的存在。

此外,祸害检查组织Metabiota证实,泰国,韩国,日本和台湾最有可能在真正揭露这些国家的病例之前的7天之内看到这种感染的危险,某种程度上是希望通过航班信息。 Metabiota作为BlueDot,利用通用语言处理功能来评估有关潜在疾病的在线报告,此外,它还致力于建立基于网络的生活信息的类似创新。

Metabiota的信息科学主管Imprint Gallivan澄清说,在线阶段和讨论同样可以表明存在大流行危险。 Metabiota同样声称,它可以根据疾病迹象,死亡率和治疗可及性等数据评估疾病传播导致社会和政治中断的危险。 例如,在本文发布时,Metabiota评估了新型冠状病毒在美国和中国造成开放性不安的危险为“高”,但是它评估了这种对刚果民主共和国的猴痘感染的危险(如果已将这种感染的情况记为“中等”。

很难确切地知道此评级框架或阶段本身的精确程度,但是Gallivan说,该组织正在与美国知识网络和国防部合作研究冠状病毒所识别的问题。 这是Metabiota与In-Q-Tel(与中央情报局相关的非营利冒险公司)合作的一部分。 但是,政府机关并不是这些框架的主要潜在客户。 Metabiota还向再保险组织宣传其基金会-再保险从根本上说是对保险公司的保护-该保险公司应应对与疾病潜在能力蔓延有关的货币风险。

即便如此,无可否认,计算机化的推理比仅仅在感染激增时让疾病传播专家和权威人士接受教育更有价值。 专家们构建了基于AI的模型,可以逐步预测Zika感染的发作,从而可以教育专家如何应对潜在的紧急情况。 人为意识也可以用来管理一般健康管理部门在紧急情况下如何分散资产。 因此,人工智能将成为另一种预防疾病的第一线。

到现在为止,更全面地讲,人工智能正在帮助检查新药,处理罕见感染以及确定怀恶性肿瘤的生长。 人造情报甚至被用来区分蔓延查加斯的令人毛骨悚然的爬行,这是一种严重的致命疾病,预计将在墨西哥,中美洲和南美洲造成800万人死亡。 利用非健康信息(例如基于网络的生活礼物)的积极性正在不断增强,他们对帮助健康的政策制定者和药物治疗组织理解了紧急情况的广泛性。 例如,可以挖掘在线生活的AI会针对目标非法麻醉品交易,并让一般健康管理人员了解这些受控物质的传播情况。

这些框架,包括Metabiota和BlueDot,都与他们评估的信息相提并论。 更重要的是,人工智能在很大程度上存在着倾斜的问题,它既可以反映框架的架构师又可以反映其准备的信息。 而且,在医疗服务中利用的AI绝不安全,不安全或不安全。

考虑到所有因素,这些进展说明了AI可以做什么的渐进理想主义观点。 通常,通过大量信息过滤的AI机器人更新并不十分理想。 考虑使用基于从网络上获取的图片的面部确认数据库的法律要求。 或者,另一方面,根据基于互联网的生活岗位,现在可以使用AI的董事可以预见您将如何继续努力。 AI可能会与野蛮人作斗争,这提供了一种情况,在这种情况下,我们可能会感到不那么舒服,即使不是通过快乐。 也许只要进行适当的创造和利用,这种创新就可以真正挽救一些生命。