آیا هوش مصنوعی در کنترل ویروس کرونا موثر است؟
انتخاب/ بسياري از کشورها در تلاش هستند تا ويروس کرونا را متوقف کنند. از تاکتيک هاي کشورها مي توان به محدوديت هاي سفر، قرنطينه، ارسال هشدارهاي بهداشتي، تحقيقات پر شتاب در مورد توسعه واکسن و مواردي مشابه اشاره کرد. يکي از پرسش هاي رايج اين است که آيا فناوريهايي مانند هوش مصنوعي مي تواند در اين مسير کمک کند يا خير. باي روشن شدن اين موضوع در اولين گام تنها فقط کافي است به BlueDot نگاه کنيد ، که يک استارتاپ است که در يک بستر پيشرفته هوش مصنوعي ساخته است . اين استارتاپ داده هاي ميلياردها قطعه مانند شبکه مسافرتي هوايي جهان را براي بررسي شيوع بيماري ها بررسي مي کند. منابع مختلفي بر اين موضوع تاکيد کرده اند که اين شرکت نخستين بار، در تاريخ 31 دسامبر هشداري را به مراکز کنترل و پيشگيري از بيماريهاي ايالات متحده ارسال کرده بود. مغز متفکر شرکت BlueDot کامران خان است که يک پزشک بيماري هاي عفوني و استاد پزشکي و بهداشت عمومي در دانشگاه تورنتو است. به خاطر داشته باشيد که وي در زمان شيوع بيماري سارس يک نيروي مراقبتهاي بهداشتي در خط مقدم درمان بود.خان گفت: "ما در حال حاضر از پردازش زبان طبيعي NLP و يادگيري ماشينيML براي پردازش مقادير زيادي از داده هاي متن ساختاري استفاده مي شود. هدف گروه ما براي پيگيري شيوع بيش از 100 بيماري مختلف در هر 15 دقيقه شبانه روز انجام مي شود. با توجه به حجم بالاي کار اگر اين کار را به صورت دستي انجام مي داديم ، احتمالاً به بيش از صد نفر احتياج داشتيم تا اين کار را به خوبي انجام دهند. اين تجزيه و تحليل داده ها متخصصان بهداشت را قادر مي سازد که به جاي صرف وقت و انرژي در جمع آوري و سازماندهي اطلاعات ، وقت و انرژي خود را بر نحوه پاسخگويي به خطرات بيماري هاي عفوني متمرکز کنند. " اما مطمئناً BlueDot تنها سازماني نخواهد بود که با موفقيت از هوش مصنوعي براي کنترل کرونا کمک گرفته است. کالين گرين ، مدير ارشد بهداشت و درمان DataRobot مي گويد: "هوش مصنوعي مي تواند تعداد موارد جديد بالقوه را براساس مساحت پيش بيني کند و حتي بگويد کدام يک از جمعيت ها بيشترين خطر را دارند. از اين نوع فناوري مي توان براي هشدار به مسافران استفاده کرد تا جمعيت آسيب پذير بتوانند در هنگام سفر ماسک هاي پزشکي مناسبي داشته باشند. " هنگامي که شيوع بيماري رخ مي دهد ، به دست آوردن اطلاعات باليني از بيماران و ساير افراد درگير مانند حالات فيزيولوژيکي قبل و بعد ، اطلاعات لجستيکي مربوط به مکانهاي مواجهه و ساير اطلاعات مهم بسيار حياتي است. استقرار انسان در اين شرايط پرهزينه و دشوار است ، به ويژه اگر شيوع هاي مختلفي وجود داشته باشد يا شيوع در کشورهايي فاقد منابع کافي رخ داده باشد. دون وودلاک ، رئيس بهداشت و درمان HealthShare مي گويد: "با رويکردهاي ML ، مي توانيم ده ها ميليارد نقطه از داده ها و اسناد باليني را در پرونده پزشکي بخوانيم و به بيماراني که ويروس مبتلا هستند يا علاوم را ندارند مشاوره صحيح بدهيم. در ضمن مي توانيم يک روند مدل سازي دقيق داشته باشيم. به طور مشابه ، رويکردهاي ML مي تواند به طور خودکار يک الگوي يا رابطه بين درمان هاي ثبت شده در سوابق پزشکي و نتايج بيمار نهايي ايجاد کند. اين مدل ها مي توانند به سرعت گزينه هاي درماني را که با نتايج بهتر همبستگي دارند شناسايي کنند و به راهنمايي روند تهيه دستورالعمل هاي باليني کمک کنند. " ويروس کرونا مي تواند علائم شديدي از قبيل ذات الريه ، سندرم حاد تنفسي حاد ، نارسايي کليه و غيره ايجاد کند. با توجه به اين که اثر ويروس به ايمني و ساختار ژنوم فرد بستگي دارد هنوز هيچ درمان استانداردي مشخص نشده است. گرچه به نظر مي رسد داروهايي در راهند و حتي واکسن نيز در يک قدمي جهاني شدن است. الگوهاي هوش مصنوعي نه فقط اکنون، بلکه پس از فروکش کردن موج بيماري مي توانند در پيشگيري از اوج گرفتن بيماري، روشهاي موثر در کنترل و مواردي مشابه موثر باشند. طبقه بندي اطلاعات و بررسي داروها نيز از ديگر کمک هايي است که هوش مصنوعي براي کنترل کرونا دارد.