ITanalyze

درحالی‌که سازمان‌هایی همچون WHO (سازمان بهداشت جهانی) و UN (سازمان ملل) منابعی برای تسهیل پژوهش درباره بیماری کوید ۱۹ اختصاص داده‌اند، نگاه‌های بسیاری به هوش مصنوعی دوخته شده است تا مگر بتواند از شدت بحران بکاهد. جوامع علمی دنیا به تکاپو افتاده‌اند تا راه‌حلی قرن بیستمی برای مشکلی قرن بیستمی بیابند.

درحالی‌که سازمان‌هایی همچون WHO (سازمان بهداشت جهانی) و UN (سازمان ملل) منابعی برای تسهیل پژوهش درباره بیماری کوید ۱۹ اختصاص داده‌اند، نگاه‌های بسیاری به هوش مصنوعی دوخته شده است تا مگر بتواند از شدت بحران بکاهد. جوامع علمی دنیا به تکاپو افتاده‌اند تا راه‌حلی قرن بیستمی برای مشکلی قرن بیستمی بیابند.
در ادامه خواهیم دید چگونه از هوش مصنوعی برای کنترل شیوع ویروس کرونا استفاده شده است:

• استفاده شرکت دیپ‌مایند[1] از سیستم آلفافولد[2] خود

شرکت دیپ‌مایند اعلام کرد که در حال آزادسازی ساختار پیش‌بینی پروتئین‌های گوناگونی است که می‌تواند تحقیقات در باب ویروس کوید19 را ارتقاء دهد. این شرکت از آخرین نسخه سیستم آلفافولد [یک سیستم هوش مصنوعی] برای یافتن این ساختارها استفاده کرده است.

• دقت ۹۶ درصدی تشخیص هوش مصنوعی علی‌بابا

علی‌بابا اخیرا ادعا کرده است که سیستم هوش مصنوعی جدیدش می‌تواند موارد مبتلا به ویروس کرونا را در سی‌تی اسکن‌های قفسه سینه بیماران با دقت 96 درصد از موارد مبتلا به سینه‌پهلوی ویروسی[3] بازشناسد. همچنین، مؤسس آن، جک ما[4]، اعلام کرده است که مؤسسه وی 2.15 میلیون دلار برای توسعه واکسن این بیماری وقف خواهد کرد.
طبق گفته علی‌بابا، الگوریتم جدید آنها فرآیند کامل تشخیص را به 20 ثانیه کاهش می‌دهد. با توجه به اینکه در روش‌های سنتی تقریبا 15 دقیقه برای تحلیل یک سی‌تی اسکن نیاز است، این امر پیشرفت بزرگی محسوب می‌شود.

• ابزار لاینیرفولد[5] تیم هوش مصنوعی بایدو

تیم هوش مصنوعی بایدو ابزاری را منتشر کرده است که زمان پیش‌بینی ویروس کوید19 را از 55 دقیقه به 27 ثانیه کاهش می‌دهد. این کاهش زمان، امری مهم برای فهم ویروس و کشف داروهای کاتالیز است.

• استفاده از یادگیری ماشین برای رصد رسانه‌های اجتماعی

جان براون‌اشتاین[6] از مدرسه پزشکی هاروارد، عضوی از یک تیم بین‌المللی است که از یادگیری ماشین[7] برای مرور رسانه‌های اجتماعی و دیگر اشکال داده به‌دست‌آمده از کانال‌های رسمی سلامت عمومی و تأمین‌کنندگان مراقبت‌های بهداشتی استفاده می‌کنند تا تحلیل‌های بهداشتیِ فوری درباره شیوع بیماری به دست دهند.

• نظارت بلودات[8]

بلودات، یک شرکت نظارت بر سلامتی واقع در تورنتو است که در سال 2014 افتتاح شده است؛ این شرکت با جمع‌آوری داده‌های بیماری از هزاران منبع آنلاین در این مسئله مسامهت داشته است. آنها با استفاده از اطلاعات پروازی شرکت‌های هواپیمایی پیش‌بینی‌هایی درباره اینکه بیماری‌های واگیردار دفعه بعد احتمالا در کجا ظاهر خواهند شد، به دست می‌دهند.

• استفاده شرکت اینسیلیکو[9] از شبکه‌های مولد تخاصمی (GAN)[10]

شرکت طب اینسیلیکو، شرکتی که از هوش مصنوعی برای کشف دارو استفاده می‌کند، از شبکه‌های مولد تخاصمی (GAN) به منظور پالایش طراحی‌های مولکول استفاده می‌کند. این مسئله را افرادی می‌پسندند که نمره بالایی به ویژگی‌های شبه‌دارویی[11] و نیز فعال بودن شیمیایی می‌دهند و درضمن، مولکول‌هایی را که به دلیل ویژگی‌هایشان نمی‌توانند کارکرد دارو داشته باشند مانند ترکیبات فلزی[12] کنار می‌گذارند.
ترکیب و آزمایشِ مولکولی فرآیندی کند است. اینجا جایی است که هوش مصنوعی با فراهم آوردنِ زمان برای ترکیب[13] و ایجاد گزینه‌های بیشتر برای طراحیِ ساختارهای مولکولیِ متنوع به صحنه می‌آید. با وجود این، ممکن است ترکیب و اعتبارسنجی زمان‌بر باشد و به منابع قوی‌تری نیاز داشته باشد. بنابراین، شرکت اینسیلیکو تا 100 مولکول را به منظور ترکیب و تست انتخاب کرده است.

• استفاده از نرم‌افزار اینفرویژن[14] برای اسکن بیماران در چین

پزشک‌ها در چین ابزار قدرتمند جدیدی ارائه کرده‌اند که برای تشخیص سریع مبتلایان احتمالی به کرونا به ایشان کمک می‌کند. این نرم‌افزار مبتنی بر هوش مصنوعی که اینفرویژن نامیده شده است، می‌تواند موارد مشکل‌دار بالقوه را به سرعت تشخیص دهد.
این نرم‌افزار به شدت به کیت‌های توسعه نرم‌افزار کلارا[15] متکی است؛ کلارا یک قالب اپلیکیشن هوش مصنوعی برای مراقبت از سلامتی است که شرکت ان.وی.دی.آ[16] برای تصویربرداری پزشکی به کمک هوش مصنوعی[17] ایجاد کرده است.
اینفرویژن می‌تواند علائم معمول یا علائم جزئی کوید 19 را در بیماران مشکوک شناسایی کند. بدین منظور، نرم‌افزار به دنبال علائم سینه‌پهلویی که می‌تواند ناشی از ویروس باشد، می‌‌گردد.

• کشف داروی احتمالی توسط هوش مصنوعی بنوولنت[18]

مثال دیگر الگوریتم هوش مصنوعی بنوولنت است که داده‌های ساختار مولکولی را به اطلاعات زیست‌پزشکی[19] درباره گیرنده‌ها و بیماری‌ها مرتبط می‌کند تا اهداف دارویی بالقوه[20] را بیابد. نرم‌افزار آنها پروتئین کیناز 1 (AAK1[21]) را که مرتبط با وفق‌دهنده آنزیم است، یک هدف محتمل بیماری می‌داند. AAK1 درون‌بری[22] (یعنی فرایند آوردن مواد به درون سلول‌ها) را تنظیم می‌کند و ازاین‌رو شیوه‌ای رایج برای گسترش عفونت‌های ویروسی است. محققان با کمک نرم‌افزار هوش مصنوعی بنوولنت داروی محتملی با نام «باریسیتینیب»[23] را شناسایی کرده‌اند.

• تشخیص چهره توسط شرکت سنس‌تایم[24]

تشخیص چهره ایمن‌تر از اثرانگشت است چراکه احتمال انتقال ویروس از طریق لمس سطوح توسط انسان را کاهش می‌دهد. ازاین‌رو، شرکت سنس‌تایم از هوش مصنوعی در اسکن چهره‌های افرادی که ماسک بر صورت دارند استفاده می‌کند. آنها در حال ارتقاء تشخیص بدون تماس[25] مبتلایان از طریق نرم‌افزار اندازه‌گیری دما در ایستگاه‌های مترو، مدارس و سایر مکان‌های گردهم‌آیی در پکن، شانگهای و شنژن هستند.

• پهپادهایی برای نجات

شرکت‌های چینی به منظور تقویت رصد بدون تماس شیوع بیماری کرونا از پهپادها استفاده می‌کنند. بر اساس اخبار واصله، شرکت پودو تکنولوژی[26] در شنژن ماشین‌هایش را در بیش از 40 بیمارستان کشور چین برای کمک به پرسنل درمانی به کار انداخته است.
شرکت میکرومالتی‌کوپتر[27] شرکت دیگری در شنژن است که از پهپادها به منظور انتقال نمونه‌های پزشکی و انجام تصویربرداری حرارتی[28] استفاده می‌کند.

• ربات‌های یو.وی.دی[29]

شرکت ربات‌های یو.وی.دی که در دانمارک قرار دارد از ربات‌های خود برای ضدعفونی کردن اتاق‌های بیماران بدون مداخله انسانی استفاده می‌کند. بیماری‌های همه‌گیر، امداد انسانی را سخت و خطرناک کرده است. ریسک مبتلا شدن پرسنل درمانی به بیماری بالاست. غلاف ربات‌های سیار یو.وی.دی با تابش اشعه ماوراءبنفش بر روی منطقه‌ای که قرار است ضدعفونی شود به حیات هر گونه ویروس خاتمه می‌دهد.

در حال حاضر، در مرحله بحرانی شیوع این ویروس قرار گرفته‌ایم. درجایی‌که متخصصان و سیاست‌گذاران در دنیا بر ویروس کوید19 تمرکز کرده‌اند، نظارت، کشف بیماری و تشخیص بیماری اهمیت به‌سزایی یافته است. با کمک هوش مصنوعی می‌توان مقدار زیادی در زمان صرفه‌جویی کرد و زندگی‌های بسیاری را نجات داد.

نگارندگان: امیرحسین زادیوسفی؛ سیدجمال قریشی
تهیه شده در گروه مطالعات بنیادین پژوهشگاه فضای مجازی

[1] DeepMind
[2] AlphaFold System
[3] viral pneumonia cases
[4] Jack Ma
[5] LinearFold
[6] John Brownstein
[7] machine learning
[8] BlueDot Surveillance
[9] Insilico
[10] generative adversarial networks GANs
[11] drug-like properties
[12] metal compounds
[13] by bringing the synthesis time
[14] inferVISION
[15] Clara SDKs
[16] NVIDIA
[17] AI-powered Medical Imaging
[18] BenevolentAI’s Potential Drug Discovery
[19] biomedical
[20] potential drug targets
[21] enzyme adaptor-associated protein kinase 1 (AAK1)
[22] Endocytosis
[23] Baricitinib
[24] SenseTime
[25] contactless identification
[26] Pudu Technology
[27] MicroMultiCopter
[28] conduct thermal imaging
[29] UltraViolet Disinfection (ضدعفونی ماوراءبنفش)