COVID-19 Virüsünün Tedavisini Yapay Zeka Bulacak


Yapay zeka, popülasyon taraması, ne zaman tıbbi yardım alınacağına dair bildirimler ve enfeksiyonun nasıl yayıldığını izleme gibi uygulamalar yoluyla koronavirüsle savaşmaya yardımcı olabilir. COVID-19 salgını, bu tür uygulamalar üzerinde yoğun bir çalışmayı gerekli kılmıştır, ancak sonuçların görünmesi maalesef zaman alacaktır.

Koronavirüs karşısında, dijital önlem

Koronavirüs karşısında, dijital teknolojiler hem sosyal sağlık hem de ekonomik performans için hayati öneme sahiptir. COVID-19 pandemisine dijital bir yanıt, birden çok şekilde verilebilir.Hızlı gelişmelerin yaşandığı önemli böyle bir dönemde, nüfusun taranması ve enfeksiyon risklerinin değerlendirilmesi için yeni yapay zeka (AI) ve makine öğrenimi (ML) uygulamalarıdır.

Potansiyel olarak kimin hasta olduğunu belirlemek için bir çok testler yapılır. İlk hastalık görülen yer Çin’de,özellikle kızılötesi görüntüleme tarayıcıları ve el tipi termometreler çok sayıda halka açık yerde tanıtıldı. Çinli yapay zeka(AI) şampiyonu firmalar şimdi metro ve tren istasyonları da dahil olmak üzere daha gelişmiş yapay zeka(AI) destekli sıcaklık tarama sistemlerini tanıttı. Bu sistemlerin avantajı, insanları uzaktan tarayabilmeleri ve birkaç dakika içinde yüzlerce kişiyi test edebilmeleridir. 

Çin’de ve başka yerlerde , bireyin sağlığını izlemek ve virüsün coğrafi yayılımını izlemek için yapay zeka destekli yeni akıllı telefon uygulamaları geliştirilmektedir. Bu tür uygulamalar, hastaların tıbbi sağlayıcılarından gerçek zamanlı bekleme süresi bilgileri almasını sağlamak, insanlara tıbbi durumları hakkında tavsiye ve güncelleme sağlamak için hangi popülasyonların ve toplulukların bir koronavirüs salgınının olumsuz etkilerine en duyarlı olduğunu tahmin etmeyi amaçlamaktadır. Şahsen bir hastaneyi ziyaret etmeleri ve potansiyel enfeksiyon noktaları konusunda kişileri gerçek zamanlı olarak bilgilendirmeleri ve böylece bu alanlardan kaçınılabilmeleri gerekmektedir.

Koronavirüs karşısında,Veri erişimi

Bu teknolojilerin genellikle konum verileri de dahil olmak üzere cep telefonları tarafından iletilen verilere erişmesi gerekir. Araçlar geliştirilirken, uygulamada mümkün olduğunca etkili olabilmeleri için bir framework geliştirmek de önemlidir. Bunun için yetkililer, telekom operatörleri, yüksek teknoloji endüstrisi ve araştırma kurumları arasında yakın koordinasyon gereklidir. Yüksek teknoloji firmaları ve önde gelen üniversiteler , telekom şirketleri, bireylerin verilerine erişim sağlayabilir ve yetkililer veri paylaşımının gizlilik kurallarına uygun olmasını ve bireylerin verilerinin kötüye kullanılması riskini oluşturmamasını sağlamalıdır.

Örneğin, Belçika’da, telekom operatörlerinden alınan veri kümeleri, virüsün nasıl yayıldığını ve hangi alanların yüksek olduğunu değerlendirmek için kullanılabilecek toplu ve anonimleştirilmiş bölgesel düzey veri kümeleri oluşturmak amacıyla Belçika Veri Koruma Kurumu’nun gözetimi altında sağlık verileri ile birleştirilir. Benzer girişimler başka ülkelerde de sürüyor. Bu çabaların gerçek amacı, dijital teknolojilerin gerçek zamanlı izleme sunması ve yetkililerin daha proaktif olmalarını sağlamasıdır. 

Avusturya’da, en büyük telekom operatörü anonimleştirilmiş veri sağlamak için yetkililerle bir anlaşmaya varırken, İtalya’nın sert hit Lombardiya bölgesindeki nüfus hareketlerini izlemek ve analiz etmek için benzer bir anonimleştirilmiş müşteri veri paylaşım mekanizması uygulamaya konuldu.

Gizliliği koruyan uygulamalar

Akademik araştırmalar, gizlilik risklerinden kaçınırken bilgi paylaşımının nasıl tasarlanabileceğini göstermede de yardımcı olabilir. Örneğin MIT Media Lab’daki İnsan Dinamikleri Grubu, yüksek gizlilik standartlarına saygı gösterirken bireylerin davranışlarını analiz etmek için akıllı telefon verileriyle kapsamlı bir şekilde çalıştı. 

MIT’in gizlilik dostu veri mekanizmaları, COVID-19’un yayılmasını sınırlamak için bir veri paylaşım modeli tasarlamak için harika bir temel olabilir.Mühendisler, veri bilimciler,siber güvenlikçiler, profesörler ve dünyanın farklı yerlerinden araştırmacılar, bir gözetim durumu oluşturmadan virüsün yayılmasını önlemek için açık kaynaklı bir akıllı telefon uygulaması üzerinde çalışıyorlar. Uygulama, şifreleme yöntemleri kullanılırken ve ham verilerin paylaşımı olmadığında (kişisel veriler cihazdan ayrılmaz), kullanıcıların GPS izlerinin enfekte olmuş tüm hastaların izleriyle (anonimleştirilmiş verileri sağlık yetkilileri tarafından sağlanan) üst üste binmelerini denetler. . Bu sistem, uygulamaya kaydolan kişilerin enfekte hastalarla daha erken temasa dayanarak kendi maruz kalma ve risklerini anlamalarını sağlayan erken uyarılar ve kişiselleştirilmiş bilgiler sağlar. Bu tür hizmetler ancak çok sayıda hasta ve diğer bireyler abone olursa etkili olabilir.

Bir girdi olarak bu tür bilgilerle , (sosyal) ağlar üzerinde yapılan araştırmalar, önceden belirlenmiş bir dizi parametre ve özellik göz önüne alındığında, virüsün nasıl ve ne ölçüde yayılacağını tahmin etmeye çalışır. Yetkililer bu senaryoları acil durum planlarını zamanında hazırlamak için kullanabilirler.  

Bireylerin belirli bir yerde geçirdiği zaman ve orada meydana gelen enfeksiyonların sayısı hakkında bilgi kullanarak, bilim adamları bulaşmanın nasıl geliştiğini yakalamak için enfekte insanlar arasındaki temasların evrimini tasvir eden uzamsal modeller oluştururlar. Bu tür çabaların ön bulgularından biri, COVID-19’un bulaşmasını tahmin etmenin önceki virüslerden daha zor olmasıdır, çünkü bireyler virüsü semptom göstermeden taşıyabilir ve bu nedenle enfeksiyonlarının tespit edilmesi zordur. Wuhan’daki çok sayıda enfeksiyonun bu gibi asemptomatik taşıyıcılar yoluyla bulaştığı görülüyor ( Stanford Lin Laboratuvarı enfekte bireylerin% 50’sinin asemptomatik olduğunu tahmin etmektedir). Bu nedenle, yoğun COVID-19 test programları (Güney Kore’de uygulananlar gibi) bu modellerin daha iyi performansı için veri sağlayarak yardımcı olabilir.

AI(yapay zeka), sosyal ağlarda yayınlanan virüsle ilgili yanlış bilgilerin otomatik olarak algılanması ve kaldırılmasına da uygulanabilir; virüs kaynaklı pnömoni tespiti için yüksek oranda doğru ve zamanında BT taramaları üretmek; Yoğun sağlık için gerekli araçları üretmek için 3D baskı; ilaçların ve potansiyel aşıların klinik çalışmalarının optimizasyonu; enfekte alanları dezenfekte etmek için robotik sistemlerin geliştirilmesi; ve bireylerin tıbbi muayenesi için çevrimiçi sistemler.

Zamanlama kritik öneme sahiptir ( 1918 influenza pandemisi üzerine yapılan bir araştırma , erken aşamada ilaç dışı önlemler alan ABD şehirlerinin, ölüm oranlarının% 50 daha düşük olduğunu göstermektedir. Hükümetler, koronavirüs durumunun ciddiyetini anlamadığı ve zaman içinde koordineli önlemler almadığı için eleştirilmiştir.

AI topluluğu, virüsün durdurulnasına yardımcı olabilecek uygulamalar sunmak için yoğun bir şekilde çalışırken, AI sistemleri hala başlangıç ​​aşamasındadır ve bu tür AI önlemlerinin sonuçlarının görünmesi zaman alacaktır. Hala bu trajik hikayenin sonundan çok uzaktayız.

By bruegel.org


Beğendin mi? Arkadaşlarınla paylaş!

0
Ahmet Kaptan

0 Yorum

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir