答え 1:

人工知能は未来のコロナウイルスと戦うことができる

コロナウイルスのような病気の発生は、科学者が治療法を見つけるのに早すぎることがしばしばあります。 しかし、将来、人工知能は研究者がより良い仕事をするのを助けることができるでしょう。

駆け出しの技術が現在の流行で主要な役割を果たすことはおそらく遅すぎるかもしれませんが、次の大流行の可能性があります。 AIは、大量のデータを調べて、どの種類の治療が有効か、次にどの実験を追求するかを簡単に判断できる接続を見つけるのに適しています。

質問は、昨年末に中国で最初に出現し、約2か月で75,000人以上の人を病気にしたCovid-19のような新たに出現した病気に関するわずかな情報しか得られない場合に、ビッグデータが何を思いつくかです。

研究者が最初に報告された症例の数週間以内に新しいウイルスの遺伝子配列を作成することができたという事実は有望です。

イギリスのオックスフォードに本拠を置く新興企業Exscientia Ltd.の最高経営責任者Andrew Hopkinsは、創薬のための人工知能の訓練を支援するために働いている人々の1人です。 彼は、AIのおかげで、次の10年以内に18か月から24か月で新しい治療法が構想から臨床検査に移行できると考えています。

Exscientiaは、強迫性障害を治療するための新しい化合物を設計しました。これは、最初の研究段階で1年も経たないうちに、実験室でテストする準備ができています。 同社によれば、これは平均よりも約5倍高速です。

ケンブリッジベースのHealxにも同様のアプローチがありますが、既存の薬物の新しい用途を見つけるために機械学習を使用しています。 両社はアルゴリズムに情報を与えます-ジャーナル、生物医学データベース、臨床試験などの情報源から収集した-病気の新しい治療法を提案するのに役立ちます。

人間の監督

2つの企業はそれぞれ、人間の研究者チームを使用してAIとともに作業し、プロセスをガイドします。 ケンタウルスケミストと呼ばれるExscientiaのアプローチでは、薬物設計者は化合物を検索するためのアルゴリズム戦略を教えるのに役立ちます。 Healxは、結果を分析し、何を追求するかを決定する研究者にAIの予測を適用します。

Healxの最高科学責任者であるNeil Thompson氏は、新しい病気に関する十分なデータがあれば、コロナウイルスのような大流行に対してこの技術を展開できると述べました。 Healxはコロナウイルスへの取り組みや、流行に備えたテクノロジーの調整には取り組んでいませんが、大したことではありません。

「私たちは非常に近い」とトンプソンはインタビューで語った。 「使用するAIアルゴリズムについてあまり変更する必要はありません。 薬物の特性と疾患の特徴を一致させることを検討しています。」

人工知能アルゴリズムは、私たちが知っている病気の薬をすでに大量生産し始めています。 マサチューセッツ工科大学の研究者たちは木曜日、この方法を使用して、現在他の治療に耐性のあるいくつかの厄介な細菌を殺すことができる強力な新しい抗生物質化合物を特定したと述べた。

これらすべてのテクノロジーのキャッチの1つは、臨床検査です。 ある病気を治すためにすでに安全に使用されている薬でさえ、別の病気に処方される前に再度テストする必要があります。 彼らが多くの人々に対して安全で効果的であることを示すプロセスは、審査のために規制当局に行くまでに何年もかかる可能性があります。

効果を上げるには、AIベースの医薬品開発者は事前に計画を立て、将来問題を引き起こす可能性のあるウイルスゲノムを選択し、インセンティブがほとんどないときにターゲットにする必要があります。

ありがとうございました。


答え 2:

ゲームはすでに始まっています!

コロナウイルス用でない場合、少なくともスーパーバグ用。 MITとハーバード大学の研究者はAIを使用して、多くの薬剤耐性菌を殺すことができる新しい抗生物質を特定しました。 彼らは、既存の薬物とは異なるメカニズムを使用して、感染と戦うことができる化合物を分析する機械学習アルゴリズムを訓練しました。

彼らは、患者から採取したバクテリアおよび実験室で増殖したバクテリアをテストするために、2,500分子の化合物(ハリシンと呼ばれる)を識別するモデルをトレーニングしました。 「ハリシン」は多くの薬剤耐性菌を殺すことができます

結核菌、クロストリジウム・ディフィシル

そして

アシネトバクターバウマンニ。

ハリシンはに感染した2匹のマウスを治した

A.baumannii。

ちなみに、イラクとアフガニスタンの多くの米兵は同じバグに感染しました。 報告によると、これら2匹のマウスの皮膚に塗布されたハリシンの軟膏は、わずか24時間以内にそれらを完全に治癒しました。

創薬に予測コンピューターモデルを使用することは新しいことではありませんが、これまでのところ最大の成功はHalicinで見られます。

研究者によると、彼らの予測モデルは、従来の実験的アプローチでは法外に高価なことを行うことができます。

ハリシンのこの成功は、人類の歴史の重要な段階にあります。 2050年までに、薬剤耐性菌による世界的な死亡者は1,000万人に達すると予測されています。

ハリシンを人間で使えるようにするためには、さらなる作業が必要です。 彼らのアルゴリズムはバクテリア用に設計されていますが、ウイルスと戦うために「アップグレード可能」かもしれません。


答え 3:

中国の病院に同様の症状のある症例が1000件あると想像してください。病院は何をしますか? 症状と診断に関するすべての情報は文書化され、電子的に利用可能ですが、保健部門は必要かつ適切な対策を講じることができます。

AIはパターンの検出に優れており、高速であるため、類似性が迅速に検出されます。 方法の一例

Google検索が可能

世界中で起こりうる病気を検出する。 単純な検索パターンだけで、AIは実際に世界中で大規模に爆発する可能性のある脅威と流行を検出できます。

コロナウイルスに戻って、中国が病気の症状を文書化して診断すると、この情報を他のすべての政府機関と共有し、これらの症状を持つ人をスキャンして感染またはキャリアの可能性があると分類できる熱探知器を迅速に配置できますまたは免疫。 ウイルスはすぐに変異するため、見た目が変わったり、症状が変わったり、診断が困難になったりする傾向があります。 しかし、AIを使用することで、中国は、特に武漢から中国に移住し、その後都市を越えて国際的に移動した人々を持つ政府を支援することができます。 これらの都市、病院からのニュースを検出してパズルのピースをまとめるために、この情報をAIで分析できます。

お役に立てれば!


答え 4:

最近の用語では、コロナ陽性患者のパターンを特定して見つけることができるよりも多くの患者のデータがある場合。 その後、新しい患者を確認して、その患者のパターンから見て、この患者が感染しているかどうかを予測できます。 これを分離するには、古典的な機械学習または深層学習の手法を使用できます。

より一般的な用語では、非常に慎重である必要があり、医療分野の人と対話してパターンを分析し、実際に何が起こっているのか、モデルをよりよく理解するために体内のウイルスによって引き起こされる変化とメカニズムは何であるかを一般化する必要があります。


答え 5:

コロナウイルスのような病気の発生は、科学者が治療法を見つけるのに早すぎることがしばしばあります。 しかし、将来、人工知能は研究者がより良い仕事をするのを助けることができるでしょう。

駆け出しの技術が現在の流行で主要な役割を果たすことはおそらく遅すぎるかもしれませんが、次の大流行の可能性があります。 AIは、大量のデータを調べて、どの種類の治療が有効か、次にどの実験を追求するかを簡単に判断できる接続を見つけるのに適しています。

質問は、昨年末に中国で最初に出現し、約2か月で75,000人以上の人を病気にしたCovid-19のような新たに出現した病気に関するわずかな情報しか得られない場合に、ビッグデータが何を思いつくかです。

研究者が最初に報告された症例の数週間以内に新しいウイルスの遺伝子配列を作成することができたという事実は有望です。

イギリスのオックスフォードに本拠を置く新興企業Exscientia Ltd.の最高経営責任者Andrew Hopkinsは、創薬のための人工知能の訓練を支援するために働いている人々の1人です。 彼は、AIのおかげで、次の10年以内に18か月から24か月で新しい治療法が構想から臨床検査に移行できると考えています。

Exscientiaは、強迫性障害を治療するための新しい化合物を設計しました。これは、最初の研究段階で1年も経たないうちに、実験室でテストする準備ができています。 同社によれば、これは平均よりも約5倍高速です。

ケンブリッジベースのHealxにも同様のアプローチがありますが、既存の薬物の新しい用途を見つけるために機械学習を使用しています。 両社はアルゴリズムに情報を与えます-ジャーナル、生物医学データベース、臨床試験などの情報源から収集した-病気の新しい治療法を提案するのに役立ちます。

人間の監督

2つの企業はそれぞれ、人間の研究者チームを使用してAIとともに作業し、プロセスをガイドします。 ケンタウルスケミストと呼ばれるExscientiaのアプローチでは、薬物設計者は化合物を検索するためのアルゴリズム戦略を教えるのに役立ちます。 Healxは、結果を分析し、何を追求するかを決定する研究者にAIの予測を適用します。

Healxの最高科学責任者であるNeil Thompson氏は、新しい病気に関する十分なデータがあれば、コロナウイルスのような大流行に対してこの技術を展開できると述べました。 Healxはコロナウイルスへの取り組みや、流行に備えたテクノロジーの調整には取り組んでいませんが、大したことではありません。

「私たちは非常に近い」とトンプソンはインタビューで語った。 「使用するAIアルゴリズムについてあまり変更する必要はありません。 薬物の特性と疾患の特徴を一致させることを検討しています。」

人工知能アルゴリズムは、私たちが知っている病気の薬をすでに大量生産し始めています。 マサチューセッツ工科大学の研究者たちは木曜日、この方法を使用して、現在他の治療に耐性のあるいくつかの厄介な細菌を殺すことができる強力な新しい抗生物質化合物を特定したと述べた。

これらすべてのテクノロジーのキャッチの1つは、臨床検査です。 ある病気を治すためにすでに安全に使用されている薬でさえ、別の病気に処方される前に再度テストする必要があります。 彼らが多くの人々に対して安全で効果的であることを示すプロセスは、審査のために規制当局に行くまでに何年もかかる可能性があります。

効果を上げるには、AIベースの医薬品開発者は事前に計画を立て、将来問題を引き起こす可能性のあるウイルスゲノムを選択し、インセンティブがほとんどないときにターゲットにする必要があります。

別の障害は、資格のあるスタッフを見つけることです。

「AIと生物学の交差点で働くことができる人を見つけるのは難しく、大企業がこのような技術について迅速な決定を下すことは困難です」と、ベンチャーキャピタル会社Atomicoのパートナーであり、かつての外科医Healxのボード。 「AIエンジニアであるだけでは十分ではありません。生物学の応用を理解し、理解する必要があります。」


答え 6:

謎の病気が最初に現れたとき、政府と公衆衛生当局が情報を迅速に収集し、対応を調整することは困難です。 しかし、新しい人工知能技術は、世界中のニュースレポートやオンラインコンテンツを通じて自動的にマイニングできるため、専門家が潜在的な流行や悪化につながる潜在的な障害を特定するのに役立ちます。 つまり、新しいAIボスは次のペストから抜け出すのに役立つかもしれません。

これらの新しい

AI

カナダの企業BlueDatによって特定された最近のコロナウイルスの発生により、機能が本格化しました。BlueDatは、データを使用して公衆衛生リスクを評価するいくつかの組織の1つです。 米国疾病管理予防センター(CDC)および世界保健機関(WHO)は、当局が「自動感染症サーベイランス」を実施していると主張する公式通知を発行しました。 現在、1月末には、中国の武漢市に関連する呼吸器ウイルスがすでに100人以上の命を失っています。 米国を含む他の多くの国で事件が発生しており、CDCはアメリカ人に中国への不必要な旅行を避けるよう警告しています。


答え 7:

奇妙な病気が最初に発生した時点で、政府や一般的な福祉当局がデータを迅速に蓄積し、反応を促進することは非常に困難です。 いずれにせよ、新しい人工的な推論の革新は、世界中のニュース報道やオンラインの資料を通じて自然に採掘でき、スペシャリストが潜在的なペストまたはより残念なパンデミックを引き起こす可能性のある矛盾を認識するのに役立ちます。 結局のところ、私たちの新しいAIの大君たちは、次の病気に耐えるのを本当に助けてくれるかもしれません。

これらの新しいAI能力は、一般的な健康上の危険を評価するために情報を活用するさまざまな組織の1つであるBlueDotと呼ばれるカナダの企業によって時間通りに区別された進行中のコロナウイルスのフレアアップで完全なショーケースにあります。 「ロボット化された抵抗できない病気の観察」を行うと言う組織は、12月の終わりに向けて新しいタイプのコロナウイルスについて、米国疾病管理予防センター(CDC)と世界保健機関(WHO)の両方の前に)Wiredが発表したように、公式の通知を伝えました。 現在、1月の終わりに近づいて、中国の武漢市に接続されている呼吸器感染症は、100人以上を殺しました。 同様に、米国を含むいくつかの異なる国で事件が発生しており、CDCは米国への不必要な中国旅行から戦略的な距離を保つよう警告しています。

抵抗できない病気の医師でありBlueDotの著者兼CEOであるKamran Khanは、会議で、組織の初期の警告フレームワークが、通常の言語処理やAIを含む人工の意識を活用して、約100,000件の記事を100一貫して65の方言。 その情報により、組織は、抵抗できない病気の潜在的な近さや広がりについて顧客にいつ伝えるべきかを実現できます。

探索者のスケジュールデータや飛行方法に類似したその他の情報は、組織に病気がどのように広がるかについての追加の指示を組織に与えるのに役立ちます。 たとえば、最近、BlueDotの専門家は、中国の領土にコロナウイルスが出現した後、コロナウイルスが出現するアジアのさまざまな都市コミュニティを予想しました。

BlueDotのモデル(最終的な結果はこのようにして人間の専門家によって検査されます)の背後にある考えは、可能な限り早く社会保険労働者にデータを取得することです。都合の良い時間に感染者と考えられます。

「公式データはすべての場合に縁起の良いものではありません」とカーンはリコードに語った。 「探検家の1つのケースとフレアアップの区別は、特定の病気があると認識している最前線のヒューマンサービススペシャリストに依存しています。これは、フレアアップが実際に発生しないようにするための区別かもしれません。」

カーンは、彼のフレームワークが同様にさまざまな他の情報、たとえば、領土の大気、温度、または近くの家畜に関するデータを利用して、病気に汚染された誰かがおそらく周囲の爆発を引き起こすかどうかを予測できることを含めましたそこ。 彼は、2016年、BlueDotがフロリダでジカ感染が実際に発生する半年前にその存在を予測するオプションを持っていたことを挙げています。

また、惨劇チェック組織のメタビオタは、タイ、韓国、日本、台湾が、フライト情報を期待して、それらの国の症例が実際に明らかにされる前に、感染が現れる7日以上の危険性が最も高いことを確認しました。 Metabiotaは、BlueDotとして、共通言語処理を使用して、潜在的な病気に関するオンラインレポートを評価し、さらにWebベースの生活情報の同様の革新を構築することで欠けています。

メタビオタの情報科学部門の幹部であるImprint Gallivanは、オンラインのステージとディスカッションが同様にパンデミックの危険がある兆候を示していることを明らかにしています。 同様に、メタビオタは、病気の適応、死亡率、治療のしやすさなどのデータを考慮して、病気の広がりが社会的および政治的な中断を引き起こす危険性を評価できると主張しています。 たとえば、この記事の配信の時点で、Metabiotaは、米国と中国で開かれた不安を引き起こす新規コロナウイルスの危険性を「高」と評価しましたが、コンゴ民主共和国のサルpo感染のこの危険性を評価しました(その感染の事例が「中」として説明されている場合。

この評価フレームワークまたはステージ自体がどれほど正確であるかを正確に認識することは困難ですが、ガリバン氏は、組織はコロナウイルスで特定された問題について米国知識ネットワークおよび国防総省と協力していると言います。 これは、中央情報局と関係のある非営利の冒険会社であるIn-Q-TelとのMetabiotaの取り組みの一部です。 ただし、これらのフレームワークの主な潜在顧客は官公庁ではありません。 Metabiotaはさらに、その基盤を再保険組織に公表します。再保険は基本的に保険代理店の保護です。病気の潜在能力の広がりに関連する金銭的な危険に対処する必要があります。

それはともかく、感染症の発生に伴い、伝染病の専門家や当局を単に教育することよりも、コンピュータ化された推論のほうが間違いなく価値があります。 専門家は、ジカ感染のエピソードを徐々に予測できるAIベースのモデルを作成しました。これにより、専門家が潜在的な緊急事態にどのように対応するかを教育できます。 同様に、人間の意識は、一般的な福祉当局が緊急時に資産を分散させる方法を管理するために利用できます。 その結果、AIは病気に対するもう1つの防御線となります。

さらに包括的には、AIは現在、新しい薬の検査、珍しい感染症の処理、胸部の悪性増殖の特定を支援しています。 人工知能は、シャーガスを広める不気味なrawを識別するためにも使用されました。シャーガスは、メキシコと中南米で予想される800万人を汚染する深刻で恐らく致命的な病気です。 福祉政策立案者や投薬機関が福祉緊急事態の広さを理解するのを支援するために、ウェブベースの生活情報のような非福祉情報を利用することに対する熱意がさらに拡大しています。 たとえば、オンラインライフをマイニングできるAIは、標的となる違法な麻薬取引について提示し、一般的な福祉当局にこれらの規制薬物の広がりについて教育し続けます。

MetabiotaやBlueDotを含むこれらのフレームワークは、評価している情報と同等です。 さらに、AI(ほとんどの部分)には傾斜に関する問題があり、フレームワークのアーキテクトとそれが準備する情報の両方を反映する可能性があります。 また、医療サービス内で利用されるAIは、その問題に対して決して安全ではありません。

すべてのことを考慮した場合、これらの進歩は、AIができることについて、漸進的に理想主義的な視点を示しています。 通常、膨大な情報をフィルタリングするAIロボットの更新はあまりうまくいきません。 ウェブ上から採掘された写真に基づいて、顔認証データベースを利用する法律要件を検討してください。 または、インターネットベースのライフポストに照らして、AIを活用してどのようにすりつぶすかを予測できるようになるディレクターを募集します。 AIが野avな病気と戦う可能性は、快活でなくても、やや不快感を感じるかもしれません。 おそらく、このイノベーションは、適切に作成され、活用されるたびに、実際に数人の命を救うのに役立つでしょう。