COVID-19に対して配列されたデータ、AI、センサー
Covid-19のパンデミックに対処するために奮闘している政府、医療専門家、および業界は、公衆衛生と世界経済への被害を最小限に抑えるための戦いにいくつかの強力な同盟国を持っています：人工知能と武器と組み合わせたビッグデータと予測分析熱センサーの。
Covid-19は、重症急性呼吸器症候群（SARS）と一般的な風邪に関連するウイルスの同じファミリーに属しています。それは人間が事前に免疫を持っていなかった新しいウイルスであるため、その初期の影響は壊滅的でした。中国の湖北省から最初の報告が届いてから数か月後、ほとんどの国での検査はせいぜい散発的であり、世界中の人々が実際の症例数を把握できず、危険への対応方法やその範囲さえも不明なままでした。 AIとデータ分析技術の専門家が、AIテクノロジーとデータサイエンスが疫学者と政府の危機対応チームの仕事をサポートする可能性を認識するのはそう長くはありませんでした。
データ分析と数学は、物理学とともに、自然のプロセスを深く理解することを可能にします。データサイエンスのパイオニアはすでに公衆衛生に影響を与えており、データ収集と分析を展開して、以前の発生の拡大を遅らせるのに役立てています。データ分析の最初の歴史的応用の1つは、1852年にロンドンでコレラが発生したときでした。最初のデータ駆動型疫学者の1人であるジョンスノーは、ロンドンで発生した死亡を地理空間的に分析し、病気の原因を特定することができました。彼の分析に基づいて、当局は彼らの介入を標的とし、発生の広がりを迅速にチェックすることができました。
データを評価しましょう
データ分析システムを介してモデルを実行することにより、研究者は傾向がどのように進行するかを概算することができます。例として、SIRモデルがあります。これは、閉鎖された集団で伝染病に感染した人々の理論上の数を経時的に計算する疫学モデルです。モデルは、影響を受けやすい人々の数S（t）を分析する連立方程式を使用します。感染者数、I（t）;回復した人の数、R（t）。
最も単純なSIRモデルの1つは、他の多くのコンパートメントモデルの基礎となったカーマックマッケンドリックモデルです。この文脈で、私は分析を見つけました 1 3月上旬にパドヴァ大学の大学院研究員であるEttoreMariottiによって、非常に興味深いものとして公開されました。
人々が出入りできない島、つまり私たちのシステムを考えてみてください。島のすべての個人は、特定の時間に次のいずれかの状態になる可能性があります：「感受性」、「感染」、および「回復」（したがって、頭字語SIR）。一定の確率で、病気にかかったことがない人（S）は、回復する前に（R）一定期間病気になり感染する（I）可能性があります。 Covid-19の場合、ウイルスを持っているがまだ感染していない人を含めるために、「露出」という追加の状態でモデルを拡張することが適切です（SEIRモデル;図1）。
図1：SEIRモデル（画像：triplebyte.com）
このモデルは、ウイルスのダイナミクスと個人の相互作用という2つの要素を考慮しています。 （後者は非常に複雑で、ここで説明するツールの恩恵を受けます。）この情報があれば、感染者が感染する可能性のある人の数を表すR0パラメーターを定義できます。
たとえば、人物Aが病気で、システムのR0 =2であると仮定します。これは、Aが2人に感染することを意味します。これらの2人は、順番に4人に感染し、4人はそれぞれ別の2人に感染します（つまり、4×2 =8）。これは、病気の蔓延が相加的ではなく乗法的であるという事実を浮き彫りにします。 R0は、3つの基本的なシナリオをキャプチャできます（図2）。
図2：R0の基本シナリオ（画像：triplebyte.com）
学校、体育館、劇場、レストラン、その他の公共の場が閉鎖されると、社会的交流の数が減り、R0が低下します。ウイルスは公衆衛生資源を限界点まで圧迫しているため、R0パラメータを1未満に減らすことが重要です。 R0> 1の場合、病気は広がります。 R0 <1の場合、病気は消えます。したがって、政府は、コロナウイルスの発生時にR0を減らすために、人々の移動に厳しい制約を課しました。
R0は、病気が広がる速度ではなく、病気の潜在的な感染を測定することに注意することが重要です。 R0が約1.3しかないインフルエンザウイルスの遍在性を考えてみてください。高いR0は懸念の原因ですが、パニックの原因ではありません。
R0は平均であるため、特定の母集団の「スーパースプレッダー」の数などの要因の影響を受ける可能性があります。スーパースプレッダーとは、予想外に多くの人に感染する感染者です。スーパースプレッダーイベントは、SARSとMERSの流行、および現在のパンデミックの間に発生しました。ただし、このようなイベントは必ずしも悪い兆候ではありません。これは、流行を永続させている人が少ないことを示している可能性があるためです。スーパースプレッダーは、症状がより深刻になる可能性が高いため、識別と封じ込めが容易な場合もあります。
つまり、R0は動くターゲットです。それぞれの症例と病気の伝染を追跡することは非常に難しいので、R0の推定は複雑で困難です。見積もりは、新しいデータが利用できるようになると変わることがよくあります。
当局がR0を管理できるようにするために、AIを使用し、携帯電話のGPS追跡からのデータ収集により、分析モデルを作成して、どの地域で症例が発生する可能性が高く、緊急の介入が必要な地域を予測することができます。
ビッグデータ、AI、センサー
エピデミックの間、臨床データは品質と一貫性が大きく変動する可能性があります。この種の合併症には、偽陽性の患者の症例が含まれます。ビッグデータとAIを使用して検疫への準拠を確認できますが、機械学習は薬物研究に使用できます。
アジアでのコロナウイルスの反応は、デジタル技術の使用を通じて実施された介入の多くの例を提供します。スマートスキャナーとカメラを搭載したドローンは、検疫措置に従わない人を検出し、人の体温をチェックする機能を提供します。中国と台湾はこの目的のためにインテリジェントカメラを採用しています。
香港を拠点とするAIテクノロジー企業のSenseTimeは、医療用マスクを着用している人の顔をスキャンすることで発熱を検出できるプラットフォームを開発しました。 SenseTimeの非接触温度検出ソフトウェアは、北京、上海、深センの地下鉄の駅、学校、公共センターに実装されています。
一方、Alibabaは、Covid-19診断用のAIベースのシステムを開発しました。これにより、コンピューター断層撮影スキャン（CTスキャン）を使用して、最大96％の精度で新しいコロナウイルス症例を検出できます。
ニューヨークを拠点とするグラフェンは、コロンビア大学の研究者と協力して、ウイルスの各遺伝子局在の標準形を定義し、正確な変異体を特定しています。研究者たちは、人間の脳の機能を模倣するグラフェンのArdi AIプラットフォームを使用して、突然変異データを保存し、視覚化しています。典型的な視覚化は、同じゲノム配列を持つ一連のウイルスに対してウイルスをマッピングします。対応するノードをクリックすると、影響を受ける人の場所、性別、年齢などのウイルス関連情報を確認できます。
一方、ビッグデータは、ウイルスの拡散をマッピングするための監視システムを改善するために広く使用されています。
ビッグデータの取得と処理には、収集と分析のための新しい方法論とテクノロジーが必要です。特に、ビッグデータ分析の4つの方法論を区別できます。
- 記述的分析、またはビジネスプロセスまたはビジネスプロジェクトの現在および過去の状況を説明するために使用される方法論とテクノロジー。アクティビティのパフォーマンス指標を総合的かつグラフィカルな方法で表します。
- 予測分析。回帰や予測モデルなどの数学的手法を使用して、将来何が起こる可能性があるかを理解するのに役立つデータ分析ツールで構成されます。
- 処方分析。効果的な戦略的および運用上のソリューションを特定するために使用されます。および
- 自動分析。これには、実行された分析の結果に応じて、自動化された方法で、目的のアクションを自律的に実装できるようにするツールが含まれます。
アリババはまた、中国の医療システムによって利用可能になったビッグデータを使用して、誰が公共スペースにアクセスできるか、またはアクセスできないかを示すアプリ、Alipay HealthCodeを開発しました。
トロントを拠点とするスタートアップで、人工知能を中心に構築されたプラットフォームを備えたBlueDotは、感染症の蔓延を自動監視および予測できるインテリジェントシステムを開発しました。 BlueDotプラットフォームが使用され、SARSの流行時にその有効性が裏付けられました。
特に、2019年12月に、BlueDotはコロナウイルスの潜在的な重症度についても警告を発し、そのモデルが正しいことが証明されました。 BlueDotで使用されるツールには、自然言語処理技術があります。
Insilico Medicine（メリーランド州ロックビル）は、人工知能による病気の予防に焦点を当てた別の会社です。同社は、次世代AIとディープラーニングのアプローチを開発し、創薬および医薬品開発プロセスのすべてのステップに適用しています。 Insilicoは最近、そのシステムを使用して、新しいコロナウイルスと戦うのに適している可能性のある分子を分析し、結果を共有することができます。この問題が報道されるにつれ、同社はワクチン開発で使用するための情報のデータベースを作成していました。
経済効果の調査
健康への影響は別として、Covid-19は世界経済に壊滅的な打撃を与えました。ここでも、ビッグデータとAIは、影響を分析し、適切な対応を策定するのに役立ちます。たとえば、衛星分析技術は、WeBankの研究者が鉄鋼など中国で最も影響を受けている産業を特定するのに役立ちました。分析によると、中国の製鉄所の生産量は、流行の初期には最低でも生産能力の29％に低下していましたが、2月9日までに生産能力の76％に回復しました（図3）。
図3：2019年12月30日（左）と2020年1月29日の衛星画像を並べたものは、流行の初期に中国で鉄鋼業界の活動が急激に落ち込んだことを示しています。 （画像：spectrum.ieee.org）
次に、研究者はAIを使用した他の種類の生産および商業活動を調べました。 1つのアプローチは、単に大きな駐車場の車を数えることでした。この分析によると、2月10日の時点で、上海でのテスラの自動車生産は完全に回復しましたが、上海ディズニーランドなどの観光地は閉鎖されたままでした。
GPS衛星データを分析することで、通勤している人を特定することができました。次に、ソフトウェアは各都市の通勤者数をカウントし、2019年の旧正月休暇の開始時と2020年の対応する日付の通勤者数を比較しました。どちらの年も、通勤者数は休暇の開始時に減少しました。 、しかし今年は、2019年のように、休暇後に通常のボリュームが再開されませんでした。
活動がゆっくりと回復するにつれて、WeBankの研究者は、2020年3月10日までに労働力の約75％が職場に復帰したと計算しました。これらの曲線から予測して、研究者たちは、武漢の労働者を除いて、ほとんどの中国人労働者が3月末までに仕事に復帰すると結論付けました。
コロナウイルスの挑戦に対応しようとする人々は、自由に使える強力なツールを持っており、危機の間に彼らの価値を証明する解決策は、それが解決された後、標準的な慣行になる可能性があります。
参照
1 Mariotti、E。（2020年3月6日）。イタリアでのCovid-19の発生のモデル化。
>>この記事もともとは姉妹サイトのEETimesEuropeで公開されていました。
センサー