AI v Covid-19: Paano makakatulong ang AI sa Covid-19 Tracking and Research?

Covid-19

Ang 2020 ay isang kakaibang taon sa Covid-19 na virus. Ang mga medikal na tekniko at syentista sa buong mundo ay nasa proseso ng pagtatangka upang makahanap ng bakuna, at upang mapigilan ito. Hindi lamang ito mahalaga para sa buhay ng tao, ngunit para sa mga negosyo at ang epekto, ito ay nagkaroon ng pandaigdigan.

COVID-19

Ayon kay Coronavstats hanggang Setyembre 21 2020 sa UK mayroong kasalukuyang 398,625 kabuuang mga impeksyon at bilang ng kamatayan na 41,788. Ang kasalukuyang rate ng pagkamatay ng higit sa 10% lamang ng kabuuang mga kaso ay nakakaalarma. Naitaguyod na ang pagkalat ay exponential. Samakatuwid, ang pagpigil ay mahalaga, sa tech na mundo, ang AI ay ginagamit upang makatulong sa pagtuklas ng bakuna at pagpigil. Maaaring magamit ang AI upang makahanap ng tamang mga bakuna nang mas mabilis sa pamamagitan ng pag-aaral ng mga nauna batay sa mga katulad na istrukturang protina ng impeksyon at kumalat.

Ang mga sentro ng kalusugan ay lalong gumagamit ng Artipisyal na Katalinuhan. Ang mga system ng pag-scan ng Chest X ay maaaring awtomatikong makita ang virus at magamit ang pagkilala sa imahe gamit ang mga kakayahan ng AI. Nag-aalok ang AI ng mas mabilis na pagproseso. Kinokolekta ng mga regulator at ahensya ng gobyerno ang data at ginawang magagamit ito sa maraming mga entity. Ginagamit ng mga mananaliksik at Microbiologist ang data na iyon, at iba pang data para sa paglikha ng mas mahusay na mga gamot na pinag-aaralan ang epekto ng mga gamot at pagkilala sa virus at iba pang bakterya, tulad ng Médecins Sans Frontières.

Médecins Sans Frontières at Tenserflow Lite

TensorFlow

Ang isang halimbawa ng paggamit ng potensyal na paggamit ng AI sa paghahanap ng isang bakuna ay matatagpuan mula sa kasalukuyang medikal na pagsasaliksik sa pagkakakilanlan ng bakterya tulad ng nakikita dito Video sa YouTube . Ang Médecins Sans Frontières ay isang charity na nagbibigay ng pangangalagang medikal sa buong mundo, na nagrereseta ng isang hanay ng mga anti-biotics sa higit sa 70 mga bansa. Natuklasan nila ang dumaraming bilang ng mga pasyente na nahawahan ng multidrug-resistant bacteria. Posibleng magamit ang parehong konsepto para sa Covid-19, sa kanilang paggamit ng AI, at, Googles TensorFlow. Ang TensorFlow ay ang libre at open-source na alok ng AI mula sa Google at, TensorFlow Lite (ginamit ng Médecins Sans Frontières), ang mobile na bersyon ay magagamit para sa pag-download sa iOS at Android.

Ang natuklasan ng Médecins Sans Frontières ay ang mga pasyente ay madalas na binibigyan ng maling antibiotics, dahil sa isang kawalan ng kakayahan na eksaktong makilala ang eksaktong virus na maaaring mahawahan ng isang pasyente. Gumagamit sila ng TensorFlow upang makatulong na makilala ang tamang antibiotics para sa kanilang mga pasyente.

Nagdadala ito ng maraming mga hamon. Upang makilala ang bakterya, maraming pagsubok ang kinakailangan upang malaman kung aling uri ng bakterya ang kanilang hinaharap. Mayroong isang karagdagang hakbang na kung saan ay upang bigyang kahulugan ang mga resulta sa marami sa mga bansa kung saan nagpapatakbo ang Médecins Sans Frontières. Sa kasamaang palad, walang sapat na karanasan na kawani ng microbiologist upang gawin ang mga interpretasyong ito. Ang AI ay maaaring isang potensyal na solusyon sa problemang ito, sa halip na palitan ang kawani ng microbiologist, tinutulungan nila ang mga mayroon nang kawani sa pagbibigay kahulugan ng mga pagsusuri sa diagnosis sa isang mas maikli na oras, sa pamamagitan ng paggamit ng TensorFlow lite na magagamit sa isang hanay ng mga mobile phone, sa lahat ng kanilang mga klinika . Ang aplikasyon ay hindi kailangang maging online, kaya maaari itong magamit sa mga lugar ng hindi magandang lugar ng signal.

Gumagamit ang TensorFlow ng paningin sa computer at pag-aaral ng makina gamit ang Python upang makita ang mga pakikipag-ugnayan sa pagitan ng bakterya at mga antibiotics, gamit lamang ang isang imahe ng petri dish. Bilang resulta ng paggamit ng teknolohiyang ito, ang Médecins Sans Frontières ay nagawang sanayin ang isang modelo ng pagsubok sa loob ng ilang araw. Pinatunayan din nitong nakakagulat na mabilis at madaling makamit. Nakabuo sila ng isang prototype, na may mga layunin na gawing madali, madali, at abot-kayang ang pagsusuri sa diagnostic sa buong mundo. Ang application na ito ay maaaring maging isang changer ng laro sa pagtulong sa milyun-milyong mga tao sa buong mundo, lalo na kung maaari itong iakma sa pangangaso para sa isang bakuna para sa Covid-19, pati na rin maraming iba pang mga sakit. Maaari rin itong makatulong na magbigay ng payo sa pinakamahusay na mga kasanayan sa pamamahala.

Gumagana ito sa pamamagitan ng pagtuklas ng bagay, gamit ang mga pre-annotated na imahe, ng mga bakterya ng sakit at gumaganap ng mga paghahambing sa isang litrato ng isang petri dish. Nagagawa nitong gumawa ng mga hula nang mas mababa sa isang segundo. Ang kagandahan ng system na ibinibigay ng TensorFlow ay sa halip na magsulat ng libu-libong mga linya ng code, mayroong isang library ng mga pagpapaandar na pinapayagan ang pagbuo ng iba't ibang mga arkitektura, sa mas kaunting oras. Maaari nitong pag-urongin ang mga network ng kanayunan, upang magkasya sa isang mobile device. Ang pag-input ng tao ay kritikal sa proseso. Maaari itong dumaan sa daan-daang milyong mga imahe nang napakabilis at maaaring iakma upang lumikha ng iba't ibang mga uri ng mga neural network.

Sa paghahanap para sa isang bakuna para sa Covid-19, ang diskarteng ginamit ng Médecins Sans Frontières ay maaaring maging isang magandang lugar upang magsimula sa paggamit ng AI gamit ang TenserFlow.

TensorFlow Lite sa Halimbawa ng Android

Hinahayaan ka ng TensorFlow na patakbuhin ang mga modelo ng pag-aaral ng machine sa mga mobile device na may mababang latency nang mabilis, upang maaari mong maisagawa ang mga pag-uuri nang hindi na kinakailangang gumawa ng paulit-ulit na mga tawag sa network sa isang server. Magagamit ito sa Android at iOS sa pamamagitan ng C ++ API. Mayroong isang Java wrapper para sa mga Android device na maaaring suportahan ito. Gumagamit ang interpreter ng Android neural network API para sa pagpapabilis ng hardware.

Ang app ay binuo gamit ang isang modelo ng mobile net. Ang mga mobile net ay maliit at gumagamit ng kaunting lakas. Ang mga modelo ay maaaring idisenyo upang matugunan ang maraming mga kaso ng paggamit tulad ng pagtuklas ng object, tulad ng iba't ibang uri ng mga halaman o puno. Nagbibigay ito ng maayos na pag-uuri. Mayroong maraming paunang pagsasanay, wala sa mga modelo ng istante na magagamit upang gumana.

Kapag unang nagtatrabaho sa TensorFlow lite inirerekumenda na gumana ka sa mga pre-built na model na ito. Gayunpaman, ang TensorFlow Lite ay hindi pa sinusuportahan ang lahat ng mga tampok ng buong-hinangin na TensorFlow.

Upang magamit ang TensorFlow sa mobile kailangan mong isama ang mga aklatan ng TensorFlow lite. Nakamit ito sa pamamagitan ng pag-edit ng iyong builds gradle file upang matiyak na isasama mo sila. Ang susunod na hakbang ay mag-import ng isang interpreter ng TensorFlow. Naglo-load ang interpreter ng isang modelo at pinapayagan kang patakbuhin ito sa pamamagitan ng pagbibigay nito ng isang hanay ng mga input. Isinasagawa ng TensorFlow lite ang modelo at isulat ang mga output. Ito ay isang simpleng proseso, kahit na ang teknolohiya sa likod nito ay kumplikado.

Ang modelo ay dapat na naka-imbak sa mga assets ng application. Pagkatapos ay basahin ng code ang modelo nang direkta mula doon, kahit na ang isang modelo ay maaaring mai-load mula sa kahit saan. Kapag ang modelo ay na-load ang isang interpreter ay maaaring instantiated.

Sa kaso ng medikal na pagsasaliksik, binabasa ng application ang mga frame mula sa camera at ginawang mga imahe. Ang mga imaheng ito (sa kaso ng Médecins Sans Frontières, isang petri dish) ay ginagamit bilang mga input sa modelo, na nagpapalabas ng mga halagang ibinalik. Ang mga halagang ito ay isang index sa naaangkop na label (sa kasong ito ang pagkakakilanlan ng bakterya), at ang libu-libong mga pre-handa, na na-annotate na imahe ay tutugma sa label na iyon.

Maaari mong malaman ang higit pa tungkol sa pagsasanay ng mga modelo ng TensorFlow dito video gabay sa pagpapatakbo ng Mga Modelong TensorFlow sa Android.

Pagtuklas ng Covid-19 gamit ang UiPath Fabric

X-ray ng dibdib

Ang UiPath ay isang kumpanya na nagdadalubhasa sa mga solusyon sa AI para sa automation. Ang mga mananaliksik sa University of Waterloo at Darwin ay gumamit ng UiPath Fabric na isang Open Source Initiative, upang magdisenyo ng isang neural network model upang makita ang mga kaso ng COVID-19, gamit ang mga imahe ng X-Ray sa dibdib. Ang modelo ay sinanay sa isang magagamit na publikong hanay ng data na binubuo ng 76 na mga imahe mula sa mga pasyente na may covid 19 tulad ng nakalarawan sa video ng You Tube.

Ang daloy ng trabaho ay simple, na binubuo ng isang file at isang imahe na X-Ray. Ipinadala ang mga ito sa modelo ng pag-aaral ng machine na naglalabas ng mga resulta. Humihiling ang isang application ng isang imahe. Ito lang ang kailangan mo upang sanayin ang modelo mula sa mga taong walang sakit, at upang makilala ang pagitan ng mga taong may pulmonya at mga taong may COVID-19. Ang output ay isang resulta ng pag-uuri ng pag-aaral ng machine.

Kaya, para sa anumang imahe ng X-Ray o CT scan, nagbibigay ang software ng isang hula na ang imahe ay nagmula sa isang pasyente na may Covid-19. Sa yugtong ito ng pagsasaliksik, hindi ito isang bersyon ng produksyon, ngunit isang paunang eksperimento.

Ginagamit ang AI upang makatulong sa pagsasaliksik na maglaman ng Covid-19 at posibleng matuklasan ang isang virus. Ang mga mobile app, tulad ng TensorFlow Lite ay maaaring suriin kung ang isang indibidwal ay may virus sa pamamagitan ng pagpapakain ng ilang input ng gumagamit, awtomatikong pagkuha ng ilang data tungkol sa kanilang lokasyon at i-rate ang mga ito sa antas ng peligro. Maaari mong isipin ang isang sitwasyon kung saan kung palaging alam ang lokasyon ng mobile ng isang kumpirmadong pasyente, maaaring alertuhan ng gobyerno ang mga taong nakikipag-ugnay sa nasabing tao. Kilala ito bilang 'Track and Trace'.

Bert , isa pang pagkukusa ng Google AI, ay inilalapat sa malawak na hanay ng data na ito upang makuha ang kapaki-pakinabang na impormasyon tungkol sa virus, gamit ang Natural Language Processing (NLP). Maaaring magamit ang NLP upang maunawaan ang istraktura ng protina, at upang mabilis na makabuo ng mga potensyal na pagbabakuna, kabilang ang pagbibigay ng impormasyon sa mga lugar na apektado ang mga tao.

Matutulungan din nito ang mga microbiologist na maunawaan ang mga pagpipilian sa paggamot, isinasaalang-alang ang anumang masamang epekto, at matukoy ang tamang dosis. Tinitingnan ni Bert ang mga salita at pangungusap mula sa parehong direksyon, kaliwa hanggang kanan at kanan o kaliwa upang maunawaan nila at makilala ang mga partikular na salita sa isang buong konteksto. Kaya, na may isang kumbinasyon ng mga modelo ng AI, tulad ng TensorFlow at Bert para sa pagproseso ng natural na wika upang matulungan ang mga Microbiologist, marahil ang isang bakuna para sa Covid-19 ay maaaring hindi masyadong malayo, ngunit ito ay isang gawaing isinasagawa pa rin. Ang AI ay napatunayan na kapaki-pakinabang tulad ng ipinakita ng mga halimbawang ito, upang magbigay ng isang solusyon sa isang potensyal na bakunang Covid-19 at kakayahan sa pagsubaybay.