Искусственный интеллект против коронавируса: как технологии помогают бороться с COVID-19

Новая коронавирусная инфекция создала социальные, политические и экономические вызовы для человечества. 30 января 2020 года Всемирная организация здравоохранения (ВОЗ) объявила чрезвычайную ситуацию в области общественного здравоохранения.

Для своевременного реагирования исследователи из разных стран вынуждены искать новые способы борьбы с пандемией. Технология искусственного интеллекта (ИИ) — многообещающая стратегия для решения задач здравоохранения и общественных организаций¹.

ИИ становится помощником в борьбе с пандемией

ИИ базируется на системах, способных обрабатывать данные и на их основе принимать решения. Они призваны организовать работу с большими объёмами информации автоматически без вмешательства человека. Ветви искусственного интеллекта — алгоритмы машинного обучения и обработки естественного языка. Последнее направление связано с распознаванием устной и письменной речи человека. Благодаря этому машины могут «общаться» с людьми с помощью перевода и генерации сообщений.

Интеллектуальная система на основе машинного обучения позволяет²:

• объединить сведения и наблюдения из различных источников;

• выделить данные, относящиеся к объекту исследования;

• провести поиск закономерностей и классификацию данных;

• составлять прогнозы на основе полученной модели.

ИИ применяется в отслеживании и прогнозировании эпидемии, а также разработке методов профилактики и лечения вируса. По мере поступления новых данных искусственный интеллект обучается, точность решений повышается³.

Отслеживание вспышек COVID-19: искусственный интеллект расширяет зону поиска

Традиционная эпидемиология предпочитает работать со структурированными данными при отслеживании вспышек. Объектом исследования становятся официальные отчёты о распространении заболевания⁴:

• о месте вспышки;

• о периоде времени;

• о количестве новых случаев заболевания и смертей.

Неструктурированные данные существенно расширяют этот список. ИИ помогает их отфильтровать и упорядочить: удалить информационный шум и выделить главное — тревожные сигналы о новой волне инфекции.

В исследование могут включаться^4,5:

• новостные сообщения на разных языках мира;

• данные о продаже авиабилетов;

• карты авиаперелётов;

• климатические данные;

• сообщения на медицинских форумах и блогах о необычных случаях заболеваний;

• данные о заболеваниях животных;

• проверки отдельных лиц, видео и изображений.

Модель машинного обучения стала основой для облачной платформы BlueDot Insights канадской компании AI BlueDot. ИИ подвергает анализу и обработке не только официальные статистические отчёты, но и неструктурированные данные. BlueDot Insights предупреждает о возможных вспышках и путях распространения COVID-19 среди населения в режиме, близком к реальному времени⁶.

Платформа доказала свою эффективность в начале пандемии. BlueDot Insights предсказала вспышку коронавируса в китайском городе Ухане 31 декабря 2019 года. ИИ предупредил об угрозе на 6 дней раньше Центра по контролю и профилактике заболеваний США и на 9 дней раньше Всемирной организации здравоохранения⁶.

Интеллектуальный анализ данных также реализован в проекте HealthMap. Технология разрабатывалась исследователями Гарвардской медицинской школы при совместной работе с Бостонской детской больницей⁷.

HealthMap сканирует локальные данные на предмет информационных признаков COVID-19^7,8:

• посты в социальных сетях и блогах;

• сообщения в чатах;

• поисковые запросы в интернете;

• новости прессы.

Предполагаемые вспышки коронавируса отображаются на общедоступной карте в виде цветных точек. HealthMap обновляет инфографику по мере сбора информации⁸.

ИИ на основе алгоритмов машинного обучения — многофункциональный инструмент в руках специалистов. Эпидемиологи и вирусологи оценивают достоверность полученных прогнозов⁴. Должностные лица общественного здравоохранения и государственные органы используют данные, чтобы бороться с эпидемией и оперативно реагировать на возможные вспышки⁹.

Обнаружить и предупредить: как компьютерное зрение и нейросети выявляют признаки ковида

Системы температурного контроля на основе ИИ выявляют один из главных симптомов коронавирусной инфекции — лихорадку. Это помогает вовремя изолировать человека и предотвратить передачу вируса. Подобную технологию представила китайская компания Megvii. В ней задействованы элементы компьютерного зрения¹¹:

• распознавание тела;

• распознавание лица;

• двойное сенсорное сканирование с применением инфракрасных камер и видимого света.

Достоинства ИИ от Megvii — соблюдение дистанции и непрерывность сканирования. Они реализуются в местах с плотным пассажиропотоком: аэропортах, станциях метро, автобусных остановках. При этом оценка температуры не требует физического контакта. По данным компании, измерение проводится со скоростью от 3 до 5 человек в секунду с уровнем точности ± 0,3 ℃ (0,5 ℉)¹¹.

В феврале 2020 года китайская научно-исследовательская группа Alibaba DAMO Academy создала ИИ для идентификации COVID-19 на компьютерных томограммах грудной клетки. Разработчики заявляют о высокой скорости и точности процесса: система способна выявить признаки коронавируса за 20 секунд с вероятностью 96%. Технология DAMO помогает оценить подозрительные случаи и проследить динамику подтверждённого заболевания¹².

В России командой СберМедИИ реализуется проект AI Resp, благодаря которому возможна предварительная онлайн-диагностика коронавируса. Объект исследования сервиса – дыхательный паттерн, который различается у здорового человека, коронавирусного больного и пациента с другим респираторным заболеванием.

Алгоритм работы мобильного приложения AI Resp на базе ИИ:

• анализирует аудио с дыханием и речью пациента;

• сравнивает входные акустические характеристики с обучающими данными – особенностями дыхания, кашля и одышки при коронавирусе;

• оценивает вероятность COVID-19 по полученным данным.

Другое направление СберМедИИ — диагностика лёгких ИИ. Сервис КТ грудной клетки распознаёт как респираторные проявления инфекции, так и признаки онкологических заболеваний органов дыхания:

• выявляет локализацию поражённых тканей;

• определяет степень и процент поражения лёгких;

• обнаруживает минимальные узелковые новообразования, превышающие порог в 4 мм.

Врач-рентгенолог сталкивается с большим количеством рутинных действий. ИИ российских разработчиков упрощает диагностический процесс и уменьшает потенциальные ошибки при принятии врачебных решений. Сервис КТ грудной клетки позволяет:

• выделить подозрительные области на КТ-снимках органов грудной клетки;

• провести необходимые расчёты для патологических участков;

• сформировать готовое заключение.

Опции сервиса КТ грудной клетки, доступные медицинскому специалисту, сохраняют время и ресурсы для решения других клинических задач.

Поиск лекарства: использование ИИ в лаборатории и клинике

В условиях пандемии перепрофилирование лекарств с помощью ИИ позволяет «заполнить пробелы» в оказании терапевтической помощи пациентам с ковидом.

Британский стартап BenevolentAI рассмотрел возможность применения у коронавирусных больных препарата для лечения ревматоидного артрита – барицитиниба. С помощью машинного обучения искусственный интеллект обработал большое количество научных медицинских данных. Это позволило обнаружить потенциальную противовирусную активность барицитиниба. Вещество снижает связывание вируса с чувствительными клетками и подавляет развитие заболевания¹³.

Клиническое исследование EXAM позволило спрогнозировать потребность в дополнительном кислороде у коронавирусных пациентов. В проекте приняли участие специалисты из Европы, Азии, Северной и Южной Америки. Для анализа информации со всех четырёх континентов применялся федеративный метод машинного обучения. Модель обучалась данными из электронных медицинских карт и рентгеновских снимков грудной клетки. Алгоритм обеспечивает анонимность пациентов¹⁵.

Тест разработанного ИИ проводился в трёх независимых проверочных центрах и показал хорошие результаты. После первоначальной госпитализации пациента в отделение неотложной помощи EXAM предсказал потребность в кислороде в течение 24 часов. При этом чувствительность составила 95%, а специфичность — 88,2%¹⁵.

Технологии подсказывают формулу вакцины

• большое количество вероятных конфигураций белка, среди которых есть истинная;

• трудоёмкий и дорогостоящий экспериментальный этап;

• длительное время обработки данных;

• исследования проводятся в условиях высокой изменчивости вируса и образования новых штаммов.

На помощь науке приходят вычислительные возможности ИИ. Учёные Baidu AI опубликовали алгоритм Linearfold, который позволяет прогнозировать вторичную структуру последовательности матричной РНК вируса. Благодаря вычислительной обработке общее время анализа геномных данных сокращается в 120 раз: с 55 минут до 27 секунд¹⁶.

Существенный шаг в понимании белковой структуры вируса стал возможен благодаря системе AlphaFold. Это проект британской компании DeepMind, являющейся частью Google с 2014 года. Предсказание структуры белка-шипа с AlphaFold проводится в условиях «свободного моделирования», когда исследователь сталкивается с недостатком данных о строении аналогичных белков¹⁷.

DeepMind рассматривает свой алгоритм как вычислительную платформу для профилактики и лечения коронавируса. Приоритетные направления — разработка вакцины и генерация гипотез по получению лекарства в условиях эксперимента¹⁷.

«Постковидный синдром» в IT – что дальше?

В условиях кризиса новые технологии позволили существенно ускорить аналитический этап на всех уровнях: от потребностей пациента до запросов государственных структур и общественных организаций.

ИИ позволил организовать ответные меры при распространении вируса, сохранив значительную часть ресурсов здравоохранения:

• предсказание новой волны заболеваемости;

• скрининг-диагностика основных симптомов инфекции;

• ускорение разработки лекарств и вакцины;

• интеллектуальная поддержка медицинских специалистов за счёт автоматизации диагностики и динамического наблюдения.

Проблемы этичности моделей искусственного интеллекта связаны с¹⁸:

• обработкой больших объёмов данных. Часть информации может носить конфиденциальный характер, и её использование затрагивает гражданские свободы;

• низким уровнем прозрачности в системах ИИ. Интеллектуальные системы используют сложные данные и алгоритмы, поэтому трудно оценить их этическую составляющую. Информация в ИИ может носить предвзятый характер и не отражать интересы незащищённых слоёв населения^4,19. Отсутствие независимого надзора при централизованных решениях снижает общественное доверие;

• недостаточной оценкой рисков. Кризисные сценарии требуют срочных решений для спасения жизней. Это не всегда позволяет соотнести пользу и риск применения ИИ.

Условия и границы применения ИИ требуют дальнейшей дискуссии. Соблюдение частных интересов при обработке информации, составление общедоступных отчётов, грамотная оценка рисков — возможные меры по укреплению общественного доверия в будущем.

Источники

1. Музаммил Хан, Мухаммад Таки Мехрана и др. Применение искусственного интеллекта в пандемии COVID-19: всесторонний обзор [Электронный ресурс] // Elsevier Public Health Emergency. 2020. 185. URL (дата обращения: 24.12.2021). DOI: 10.1016 / j.eswa.2021.115695.

2. Команда Expert.ai. Что такое машинное обучение? Определение. // Expert.ai. 2020. URL (дата обращения: 24.12.2021).

3. Искусственный интеллект — Что это такое и почему это важно // SAS Institute Inc. URL, (дата обращения: 24.12.2021).

4. Вандана Джанеджа. Прогнозирование вспышки коронавируса: как ИИ соединяет точки, чтобы предупреждать об угрозах болезней [Электронный ресурс] // The Conversation. 2020. URL, (дата обращения: 24.12.2021).

5. Виллис Огола. Как ИИ предсказал вспышку коронавируса [Электронный ресурс] // Section. 2021. URL, (дата обращения: 24.12.2021).

6. BlueDot for Healthcare [Электронный ресурс] // Bluedot. URL, (дата обращения: 24.12.2021).

7. Вирджиния Л. Ма. Система искусственного интеллекта профессора Гарвардской медицинской школы нанесла на карту вспышку коронавируса [Электронный ресурс] // The Harvard Crimson. 2020. URL, (дата обращения: 24.12.2021).

8. Адриан Чо. Системы искусственного интеллекта нацелены на обнаружение признаков вспышек COVID-19 [Электронный ресурс] // Science. 2020. URL, (дата обращения: 24.12.2021).

9. Как BlueDot помог Тайваню принять меры по борьбе с COVID-19 мирового класса [Электронный ресурс] // BlueDot. URL, (дата обращения: 24.12.2021).

10. Что такое компьютерное зрение? [Электронный ресурс] // IBM. URL, (дата обращения: 24.12.2021).

11. Мини-решение MEGVII Ming Ji, развернутое на мировых рынках для борьбы с COVID-19 [Электронный ресурс] // Megvii Technology Limited. 2020. URL, (дата обращения: 24.12.2021).

12. По Сесилия Ли. Как система искусственного интеллекта DAMO Academy выявляет случаи коронавируса [Электронный ресурс] // Alizila. URL, (дата обращения: 24.12.2021).

13. Питер Ричардсон, Иван Гриффин, Кэтрин Такер и др. Барицитиниб как потенциальное средство лечения острого респираторного заболевания 2019-nCоV [Электронный ресурс] // The Lancet. 2020. URL, (дата обращения: 24.12.2021).

14. Крэйг Брайерли. Впервые в мире искусственный интеллект и машинное обучение для лечения пациентов с COVID-19 во всем мире [Электронный ресурс] // University of Cambridge. 2021. URL, (дата обращения: 24.12.2021).

15. Иттай Даян, Хольгер Р.Рот и др. Федеративное обучение для прогнозирования клинических исходов у пациентов с COVID-19 [Электронный ресурс] // Nature Medicine. 2021. URL, (дата обращения: 24.12.2021). DOI: 10.1038/s41591-021-01506-3 .

16. Baidu. Как Baidu использует искусственный интеллект в борьбе с коронавирусом [Электронный ресурс] // MIT Technology Review. 2020. URL, (дата обращения: 24.12.2021).

17. Вычислительные прогнозы белковых структур, связанных с COVID-19 [Электронный ресурс] // DeepMind. 2020. URL,  (дата обращения: 24.12.2021).

18. Цахор А., Уиттлстон Дж., Сундарам Л. и др. Искусственный интеллект в условиях кризиса срочно нуждается в этике [Электронный ресурс] // Nature Machine Intelligence. 2, 365–366 (2020). URL, (дата обращения: 24.12.2021). DOI: 1038/s42256-020-0195-0.

19. Стивен Кейв, Джесс Уиттлстоун, Руне Нюруп и др. Этичное использование ИИ для борьбы с COVID-19 [Электронный ресурс] // BMJ. 2021; 372: n364. URL, (дата обращения: 24.12.2021). DOI: 10.1136/bmj.n364.