전염병이 발생하기 전에 예측

Canadian BlueDot 알고리즘은 최신 코로나 바이러스의 위협을 인식하는 데 전문가보다 빠릅니다. 그는 미국 질병통제예방센터(CDC)와 세계보건기구(WHO)가 전 세계에 공식 통지를 보내기 전 고객들에게 위협에 대해 브리핑했습니다.

캄란 칸 (1) 의사, 전염병 전문의, 프로그램 설립자 및 CEO BlueDot, 언론 인터뷰에서 이 조기 경보 시스템이 자연어 처리 및 기계 학습을 포함한 인공 지능을 사용하여 추적하는 방법에 대해 설명했습니다. XNUMX가지 전염병을 동시에. 100개 언어로 된 약 65개의 기사가 매일 분석됩니다.

1. Kamran Khan과 우한 코로나바이러스의 확산을 보여주는 지도.

이 데이터는 회사에 전염병의 잠재적 존재 및 확산을 언제 고객에게 알려야 하는지 알려줍니다. 여행 일정 및 항공편에 대한 정보와 같은 기타 데이터는 발병 가능성에 대한 추가 정보를 제공하는 데 도움이 될 수 있습니다.

BlueDot 모델의 아이디어는 다음과 같습니다. 가능한 한 빨리 정보를 얻으십시오 위협의 초기 단계에서 감염되고 잠재적으로 전염성이 있는 사람들을 진단하고 필요한 경우 격리할 수 있기를 바라는 의료 종사자들. Khan은 알고리즘이 "너무 혼란스럽기" 때문에 소셜 미디어 데이터를 사용하지 않는다고 설명합니다. 그러나 "공식 정보가 항상 최신 정보는 아닙니다."라고 그는 Recode에 말했습니다. 그리고 대응 시간은 발병을 성공적으로 예방하는 데 중요합니다.

칸은 사건이 발생한 2003년 토론토에서 전염병 전문의로 일하고 있었다. 사스 전염병. 그는 이러한 유형의 질병을 추적하는 새로운 방법을 개발하고 싶었습니다. 그는 여러 예측 프로그램을 테스트한 후 2014년에 BlueDot을 시작했고 프로젝트 자금으로 9,4만 달러를 모금했습니다. 회사는 현재 XNUMX명의 직원을 고용하고 있으며, 의사와 프로그래머질병을 추적하는 분석 도구를 개발하는 사람.

데이터 수집 및 초기 선택 후 게임에 입장 분석. ~ 후에 역학 과학적 타당성에 대한 결과를 테스트한 다음 정부, 비즈니스 및 의료 전문가에게 다시 보고합니다. 고객.

Khan은 자신의 시스템이 특정 지역의 기후, 온도에 대한 정보, 심지어 지역 가축에 대한 정보와 같은 다양한 데이터를 사용하여 질병에 감염된 사람이 발병을 일으킬 수 있는지 여부를 예측할 수 있다고 덧붙였습니다. 그는 빠르면 2016년에 Blue-Dot이 실제로 해당 지역에 기록되기 XNUMX개월 전에 플로리다에서 지카 바이러스 발생을 예측할 수 있었다고 지적합니다.

회사는 유사한 방식으로 운영되며 유사한 기술을 사용합니다. 메타비오타SARS 전염병 모니터링. 전문가들은 한 번에 태국, 한국, 일본, 대만에서 이 바이러스의 출현 위험이 가장 크다는 것을 발견했으며, 이들 국가에서 사례가 발표되기 일주일 이상 전에 이를 수행했습니다. 그들의 결론 중 일부는 승객 비행 데이터 분석에서 도출되었습니다.

BlueDot과 마찬가지로 Metabiota는 자연어 처리를 사용하여 잠재적인 질병 보고서를 평가하지만 소셜 미디어 정보를 위한 동일한 기술을 개발하기 위해 노력하고 있습니다.

마크 갈리반, Metabiota의 과학 데이터 책임자는 온라인 플랫폼과 포럼이 발병 위험을 알릴 수 있다고 언론에 설명했습니다. 직원 전문가들은 또한 질병 증상, 사망률 및 치료 가능성과 같은 정보를 기반으로 사회적 정치적으로 파괴적인 질병 확산의 위험을 추정할 수 있다고 말합니다.

인터넷 시대에 모든 사람은 예를 들어 업데이트된 지도의 형태로 코로나 바이러스 전염병의 진행 상황에 대한 정보를 빠르고 신뢰할 수 있으며 읽기 쉽게 시각적으로 표시할 것을 기대합니다.

2. Johns Hopkins University Coronavirus 2019-nCoV 대시보드.

Johns Hopkins University의 시스템 과학 및 엔지니어링 센터는 아마도 세계에서 가장 유명한 코로나바이러스 대시보드를 개발했습니다(2). 또한 Google 시트로 다운로드할 수 있는 전체 데이터 세트를 제공했습니다. 지도에는 새로운 사례, 확인된 사망 및 회복이 표시됩니다. 시각화에 사용된 데이터는 WHO, CDC, 중국 CDC, NHC 및 실시간 NHC 보고서와 현지 CCDC 상황 보고서를 집계하는 중국 웹사이트인 DXY를 비롯한 다양한 소스에서 가져옵니다.

며칠이 아닌 몇 시간 만에 진단

세계는 중국 우한에서 나타난 새로운 질병에 대해 처음 들었습니다. 31 декабря 2019 г. 일주일 후, 중국 과학자들은 범인을 식별했다고 발표했습니다. 다음 주에 독일 전문가들이 최초의 진단 테스트를 개발했습니다(3). SARS 또는 유사한 전염병 전후의 시대보다 훨씬 빠릅니다.

지난 XNUMX년 초에 과학자들은 일종의 위험한 바이러스를 찾기 위해 페트리 접시의 동물 세포에서 바이러스를 배양해야 했습니다. 만들기에 충분한 바이러스를 만들었어야 합니다. DNA 분리 로 알려진 과정을 통해 유전자 코드를 읽습니다. 시퀀싱. 그러나 최근 몇 년 동안 이 기술은 엄청나게 발전했습니다.

과학자들은 더 이상 세포에서 바이러스를 배양할 필요조차 없습니다. 그들은 환자의 폐나 혈액 분비물에서 매우 적은 양의 바이러스 DNA를 직접 감지할 수 있습니다. 며칠이 아니라 몇 시간이 걸립니다.

더욱 빠르고 편리한 바이러스 탐지 도구를 개발하기 위한 작업이 진행 중입니다. 싱가포르에 본사를 둔 Veredus Laboratories는 휴대용 키트를 개발하여 베레칩 (4) 올해 1월 XNUMX일부터 판매를 시작합니다. 또한 효율적이고 휴대 가능한 솔루션은 특히 병원이 과밀할 때 현장에 의료팀을 배치할 때 적절한 의료를 위해 감염된 사람들을 더 빠르게 식별할 수 있게 해줍니다.

최근 기술 발전으로 거의 실시간으로 진단 결과를 수집하고 공유할 수 있게 되었습니다. Quidel의 플랫폼 예시 소피아 나는 시스템이다 PCR10 필름 어레이 호흡기 병원체에 대한 신속한 진단 테스트를 제공하는 BioFire 회사는 클라우드의 데이터베이스에 대한 무선 연결을 통해 즉시 사용할 수 있습니다.

2019-nCoV 코로나바이러스(COVID-19)의 게놈은 첫 번째 사례가 발견된 지 한 달도 채 안 되어 중국 과학자들에 의해 완전히 시퀀싱되었습니다. 첫 번째 시퀀싱 이후 거의 2002개가 더 완료되었습니다. 이에 비해 SARS 바이러스 전염병은 2003년 말에 시작되었고 완전한 게놈은 XNUMX년 XNUMX월까지 사용할 수 없었습니다.

게놈 시퀀싱은 이 질병에 대한 진단 및 백신 개발에 매우 ​​중요합니다.

병원 혁신

5. 에버렛에 있는 프로비던스 지역 의료 센터의 의료 로봇.

불행히도 새로운 코로나 바이러스는 의사도 위협합니다. CNN에 따르면, 병원 안팎에서 코로나바이러스 확산 방지, 워싱턴 주 에버렛에 있는 프로비던스 지역 의료 센터의 직원은 다음을 사용합니다. 일하다 (5) 격리된 환자의 생체 신호를 측정하고 화상 회의 플랫폼 역할을 합니다. 기계는 화면이 내장된 바퀴 달린 통신기 이상이지만 인간 노동을 완전히 제거하지는 않습니다.

간호사는 여전히 환자와 함께 병실에 들어가야 합니다. 그들은 또한 적어도 생물학적으로는 감염에 노출되지 않는 로봇을 제어하므로 이러한 유형의 장치는 전염병 치료에 점점 더 많이 사용될 것입니다.

물론 방을 단열할 수는 있지만 숨을 쉴 수 있도록 환기도 필요합니다. 이것은 새로운 환기 시스템미생물의 확산을 방지합니다.

이러한 유형의 기술을 개발한 핀란드 회사인 Genano(6)는 중국의 의료 기관에 대한 특급 주문을 받았습니다. 회사의 공식 성명서는 회사가 무균 및 격리된 병실에서 전염병의 확산을 방지하기 위한 장비를 제공한 광범위한 경험을 가지고 있다고 말합니다. 지난 몇 년 동안 그녀는 MERS 바이러스 전염병 동안 사우디 아라비아의 의료 기관에 배달을 수행했습니다. 2019-nCoV 코로나 바이러스에 감염된 사람들을 위해 이미 열흘 만에 건설된 우한의 유명한 임시 병원에도 안전한 환기를 위한 핀란드 장치가 전달되었습니다.

6. 절연체의 Genano 시스템 다이어그램

Genano에 따르면 정화기에 사용된 특허 기술은 "바이러스 및 박테리아와 같은 모든 공기 중 미생물을 제거하고 죽입니다." 공기청정기는 3나노미터 크기의 미세한 입자까지 포집할 수 있어 기계적 필터를 유지하지 않고 강한 전기장으로 공기를 걸러낸다.

코로나 바이러스 발생 중에 나타난 또 다른 기술적 호기심은 열 스캐너, 무엇보다도 열이있는 사람들은 인도 공항에서 데리러옵니다.

인터넷 - 상처를 줄까, 도움을 줄까?

복제 및 유포, 허위 정보 확산 및 공황에 대한 엄청난 비판의 물결에도 불구하고 소셜 미디어 도구도 중국에서 발생한 이후 긍정적인 역할을 했습니다.

예를 들어, 미니 비디오를 위한 소셜 플랫폼인 중국 기술 사이트 TMT Post에서 보고한 바와 같습니다. 두인세계적으로 유명한 TikTok(7)에 해당하는 중국판인 는 코로나 바이러스 확산에 대한 정보를 처리하기 위한 특별 세그먼트를 시작했습니다. 해시태그 아래 #FightPneumonia, 사용자의 정보뿐만 아니라 전문가 보고서 및 조언도 게시합니다.

Douyin은 인식을 높이고 중요한 정보를 전파하는 것 외에도 바이러스와 싸우는 의사와 의료진 및 감염된 환자를 지원하는 도구 역할을 하는 것을 목표로 합니다. 분석자 다니엘 아마드 앱이 의사, 의료 전문가 및 환자를 지원하는 긍정적인 메시지를 보내는 데 사용해야 하는 "Jiayou 비디오 효과"(격려를 의미함)를 시작했다고 트윗했습니다. 이러한 유형의 콘텐츠는 유명인, 유명인 및 소위 인플루언서에 의해 게시되기도 합니다.

오늘날 건강 관련 소셜 미디어의 경향에 대한 신중한 연구는 과학자와 공중 보건 당국이 사람들 간의 질병 전파 메커니즘을 더 잘 인식하고 이해하는 데 크게 도움이 될 수 있다고 믿어집니다.

2016년 The Atlantic에 그는 부분적으로 소셜 미디어가 "매우 문맥적이고 점점 더 지역화되는" 경향이 있기 때문이라고 말했습니다. 마르세유 샐러드, 스위스 로잔에 있는 Federal Polytechnic School의 연구원이자 과학자들이 부르는 성장 분야의 전문가 "디지털 역학". 그러나 현재 연구자들은 여전히 ​​소셜 미디어가 실제로 역학 현상을 반영하는 건강 문제에 대해 이야기하고 있는지 여부를 이해하려고 노력하고 있다고 그는 덧붙였습니다(8).

8. 중국인들은 마스크를 쓰고 셀카를 찍는다.

이와 관련하여 첫 번째 실험의 결과는 불분명합니다. 이미 2008년에 Google 엔지니어는 질병 예측 도구를 출시했습니다. Google 독감 트렌드 (GFT). 회사는 이를 구글 검색 엔진 데이터에서 증상과 신호어를 분석하는 데 사용할 계획이었다. 당시 그녀는 미국 질병 통제 예방 센터보다 XNUMX주 빠른 인플루엔자 및 뎅기열 발생의 "개요"를 정확하고 즉시 인식하는 데 결과가 사용되기를 희망했습니다. (CDC), 그의 연구는 해당 분야에서 최고의 표준으로 간주됩니다. 그러나 미국의 인플루엔자 및 이후 태국의 말라리아에 대한 초기 인터넷 신호 기반 진단에 대한 Google의 결과는 너무 부정확한 것으로 간주되었습니다.

다음을 포함하여 다양한 이벤트를 "예측"하는 기술 및 시스템. 폭동이나 전염병의 폭발과 같은 Microsoft도 2013년 이스라엘 Technion Institute와 함께 미디어 콘텐츠 분석을 기반으로 하는 재난 예측 프로그램을 시작했습니다. 다국어 헤드라인의 생체 해부 덕분에 "컴퓨터 인텔리전스"는 사회적 위협을 인식해야 했습니다.

과학자들은 앙골라의 가뭄에 대한 정보와 같은 일련의 사건을 조사했는데, 이는 가뭄과 질병 발병률 증가 사이의 연관성을 발견했기 때문에 가능한 콜레라 전염병에 대한 예측 시스템의 예측을 야기했습니다. 1986년부터 시작된 뉴욕타임즈의 기록물 분석을 바탕으로 시스템의 틀이 만들어졌다. 기계 학습의 추가 개발 및 프로세스에는 새로운 인터넷 자원의 사용이 포함되었습니다.

지금까지 BlueDot과 Metabiota의 역학예측 성공을 바탕으로 정확한 예측이 주로 "적격한" 데이터, 즉 인터넷과 포털 커뮤니티의 혼돈이 아닌 전문적이고 검증된 전문 소스.

하지만 더 스마트한 알고리즘과 더 나은 머신 러닝이 전부일까요?