AI v Covid-19: AI, Covid-19 İzleme ve Araştırmaya nasıl yardımcı olabilir?

2020, Covid-19 virüsü ile garip bir yıl oldu. Dünyanın her yerindeki tıp teknisyenleri ve bilim adamları bir aşı bulmaya ve onu kontrol altına almaya çalışıyorlar. Bu sadece insan yaşamı için değil, işletmeler ve dünya çapında yarattığı etki için de önemli.

Coronavstats'a göre İngiltere'de 21 Eylül 2020 itibariyle şu anda 398.625 toplam enfeksiyon ve 41.788 ölüm sayısı vardı. Mevcut ölüm oranı toplam vakaların% 10'undan biraz fazlası endişe vericidir. Yayılmanın üstel olduğu tespit edilmiştir. Bu nedenle, kontrol altına alma hayati önem taşıyor, teknoloji dünyasında AI, aşı keşfine ve kontrol altına alınmasına yardımcı olmak için kullanılıyor. AI, enfeksiyon ve yayılmanın benzer protein yapılarına dayalı olarak önceki aşıları analiz ederek doğru aşıları daha hızlı bulmak için kullanılabilir.

Sağlık merkezleri giderek daha fazla Yapay Zeka kullanıyor. Göğüs röntgeni tarama sistemleri, virüsü otomatik olarak algılayabilir ve AI yeteneklerini kullanarak görüntü tanımadan yararlanabilir. AI, çok daha hızlı işlem sunar. Düzenleyiciler ve devlet kurumları daha sonra verileri toplar ve birden çok kuruluşta kullanılabilir hale getirir. Araştırmacılar ve Mikrobiyologlar bu verileri ve diğer verileri, ilaçların etkisini analiz etmek ve virüs ve Médecins Sans Frontières gibi diğer bakterileri tanımlamak için daha iyi ilaçlar oluşturmak için kullanır.

Médecins Sans Frontières ve Tenserflow Lite

Bir aşı bulmada AI potansiyel kullanımının bir örneği, bu YouTube Videosunda görüldüğü gibi, mevcut tıbbi araştırmalardan bakteri tanımlamasına kadar bulunabilir. Médecins Sans Frontières, 70'den fazla ülkede bir dizi anti-biyotik ilaç reçete eden, tüm dünyada tıbbi bakım sağlayan bir yardım kuruluşudur. Artan sayıda hastanın çoklu ilaca dirençli bakterilerle enfekte olduğunu keşfettiler. Yapay zeka kullanımlarında Covid-19 ve Googles TensorFlow için aynı konseptin kullanılması mümkündür. TensorFlow, Google'ın sunduğu ücretsiz ve açık kaynaklı yapay zeka ürünüdür ve TensorFlow Lite (Médecins Sans Frontières tarafından kullanılır), mobil sürüm iOS ve Android'de indirilebilir.

Médecins Sans Frontières'in keşfettiği şey, bir hastanın enfekte olabileceği virüsü tam olarak tanımlayamama nedeniyle hastalara genellikle yanlış antibiyotikler verildiğidir. Hastaları için doğru antibiyotikleri belirlemeye yardımcı olmak için TensorFlow kullanıyorlar.

Bu, birkaç zorluğu beraberinde getirir. Bakterileri tanımlamak için, hangi bakteri türüyle uğraştıklarını bilmek için birden fazla teste ihtiyaç vardır. Médecins Sans Frontières'in faaliyet gösterdiği birçok ülkede sonuçları yorumlamak için ek bir adım daha var. Ne yazık ki bu yorumları yapacak kadar deneyimli mikrobiyolog kadrosu yok. Yapay zeka bu soruna potansiyel bir çözüm olabilir, çünkü mikrobiyolog personelini değiştirmek yerine, mevcut personele tüm kliniklerinde çeşitli cep telefonlarında bulunan TensorFlow lite kullanarak tanı testlerini daha kısa sürede yorumlamada yardımcı olurlar. . Uygulamanın çevrimiçi olması gerekmez, bu nedenle zayıf sinyal alanı olan alanlarda kullanılabilir.

TensorFlow, yalnızca petri kabının bir görüntüsünü kullanarak bakteriler ve antibiyotikler arasındaki etkileşimleri tespit etmek için Python kullanarak bilgisayarla görmeyi ve makine öğrenimini kullanır. Bu teknolojinin kullanımının bir sonucu olarak, Médecins Sans Frontières birkaç gün içinde bir test modeli eğitmeyi başardı. Aynı zamanda şaşırtıcı derecede hızlı ve kolay bir şekilde gerçekleştirildiğini de kanıtladı. Teşhis testlerini tüm dünyada kullanılabilir, kolay ve uygun maliyetli hale getirme amacıyla bir prototip geliştirdiler. Bu uygulama, dünyanın her yerindeki milyonlarca insana yardım etmede, özellikle de Covid-19 aşısı ve diğer birçok hastalığa adapte edilebilirse, bir oyun değiştirici olabilir. Ayrıca, en iyi yönetim uygulamaları hakkında tavsiyelerde bulunmaya da yardımcı olabilir.

Hastalık bakterilerinin önceden açıklamalı görüntülerini kullanarak ve bir petri kabının fotoğrafıyla karşılaştırmalar yaparak nesne tespiti yoluyla çalışır. Bir saniyeden daha kısa sürede tahminler yapabilir. TensorFlow'un sağladığı sistemin güzelliği, binlerce satır kod yazmak yerine, çok daha kısa sürede farklı mimarilerin oluşturulmasına izin veren bir işlevler kütüphanesi olmasıdır. Bu kırsal ağları bir mobil cihaza sığacak şekilde daraltabilir. İnsan girdisi, süreç için kritiktir. Yüz milyonlarca görüntüden çok hızlı bir şekilde geçebilir ve farklı sinir ağları türleri oluşturmak için uyarlanabilir.

Covid-19 için bir aşı arayışında, Médecins Sans Frontières tarafından kullanılan strateji, TenserFlow kullanılarak AI kullanımına başlamak için iyi bir yer olabilir.

Android Örneğinde TensorFlow Lite

TensorFlow, makine öğrenimi modellerini mobil cihazlarda düşük gecikmeyle hızlı bir şekilde çalıştırmanıza olanak tanır, böylece bir sunucuya tekrar tekrar ağ aramaları yapmaya gerek kalmadan sınıflandırmalar yapabilirsiniz. Android ve iOS'ta bir C ++ API aracılığıyla kullanılabilir. Android cihazlar için destekleyebilen bir Java sarıcı var. Yorumlayıcı, donanım hızlandırması için Android sinir ağları API'sini kullanır.

Uygulama, bir mobil ağ modeli kullanılarak oluşturulmuştur. Mobil ağlar küçüktür ve çok az güç kullanır. Modeller, çeşitli bitki veya ağaç türleri gibi nesne algılama gibi çeşitli kullanım durumlarını karşılayacak şekilde tasarlanabilir. İnce taneli sınıflandırma sağlar. Çalışmak için önceden eğitilmiş, kullanıma hazır birkaç model vardır.

TensorFlow lite ile ilk kez çalışırken, bu önceden oluşturulmuş modellerle çalışmanız önerilir. Ancak TensorFlow Lite, tam gelişmiş TensorFlow'un tüm özelliklerini henüz desteklemiyor.

TensorFlow'u mobil cihazda kullanmak için TensorFlow lite kitaplıklarını eklemeniz gerekir. Bu, onları dahil ettiğinizden emin olmak için derlemeler gradle dosyanızı düzenleyerek elde edilir. Bir sonraki adım, bir TensorFlow yorumlayıcısını içe aktarmaktır. Yorumlayıcı bir model yükler ve onu bir dizi girdi sağlayarak çalıştırmanıza izin verir. TensorFlow lite modeli çalıştırır ve çıktıları yazar. Arkasındaki teknoloji karmaşık olsa da basit bir süreçtir.

Model, uygulama varlıklarında saklanmalıdır. Kod daha sonra modeli doğrudan oradan okuyacaktır, ancak bir model herhangi bir yerden yüklenebilir. Model yüklendikten sonra bir yorumlayıcı başlatılabilir.

Tıbbi araştırma durumunda, uygulama kameradan kareleri okur ve bunları görüntülere dönüştürür. Bu görüntüler (bir petri kabı olan Médecins Sans Frontières durumunda) modele girdi olarak kullanılır ve bu da dönüş değerlerini verir. Bu değerler, uygun etiketin bir indeksidir (bu durumda bakteri tanımlama) ve daha sonra önceden hazırlanmış, açıklamalı binlerce görüntü bu etiketle eşleşecektir.

Android'de TensorFlow Modellerini çalıştırmaya yönelik bu video kılavuzunda TensorFlow modellerini eğitme hakkında daha fazla bilgi edinebilirsiniz.

UiPath Fabric kullanarak Covid-19 Algılama

UiPath, otomasyon için yapay zeka çözümlerinde uzmanlaşmış bir şirkettir. Waterloo ve Darwin Üniversitesi'ndeki araştırmacılar, göğüs röntgeni görüntülerini kullanarak COVID-19 vakalarını tespit etmek için bir sinir ağı modeli tasarlamak için bir Açık Kaynak Girişimi olan UiPath Fabric'i kullandılar. Model, bu You Tube videosunda gösterildiği gibi covid 19 hastalarından alınan 76 görüntüden oluşan halka açık bir veri seti üzerinde eğitildi.

Bir dosya ve bir X-Ray görüntüsünden oluşan iş akışı basittir. Bunlar, sonuçları çıkaran makine öğrenimi modeline gönderilir. Uygulama bir görüntü ister. Modeli hastalığı olmayan insanlardan eğitmek ve zatürreye sahip kişiler ile COVID-19'u olan kişiler arasında ayrım yapmak için ihtiyacınız olan tek şey bu. Çıktı, bir makine öğrenimi sınıflandırma sonucudur.

Bu nedenle, herhangi bir göğüs röntgeni veya CT tarama görüntüsü için, yazılım görüntünün Covid-19 hastasından geldiğine dair bir tahmin sağlar. Araştırmanın bu aşamasında, bir üretim versiyonu değil, bir ön deneydir.

AI, Covid-19'u içerecek araştırmaya yardımcı olmak ve muhtemelen bir virüsü keşfetmek için kullanılıyor. TensorFlow Lite gibi mobil uygulamalar, bazı kullanıcı girdilerini besleyerek, konumları hakkında otomatik olarak bazı veriler alarak ve onları belirli bir risk derecesine göre derecelendirerek bir kişinin virüse sahip olup olmadığını kontrol edebilir. Onaylanmış bir hastanın mobil konumunun her zaman bilinmesi durumunda, hükümetin söz konusu kişiyle temas halinde olan kişileri uyarabileceği bir durum hayal edebilirsiniz. Bu, "İzleme ve İzleme" olarak bilinir.

Başka bir Google AI girişimi olan Bert, Natural Language Processing (NLP) kullanarak virüs hakkında faydalı bilgiler çıkarmak için bu geniş veri kümesine uygulanıyor. NLP, protein yapısını anlamak ve insanların etkilendiği alanlar hakkında bilgi sağlamak da dahil olmak üzere potansiyel aşıları daha hızlı geliştirmek için kullanılabilir.

Bu aynı zamanda mikrobiyologların herhangi bir yan etkiyi göz önünde bulundurarak tedavi seçeneklerini anlamasına ve doğru dozu belirlemesine yardımcı olmalıdır. Bert, belirli kelimeleri tam bir bağlamda anlayabilmeleri ve tanımlayabilmeleri için, soldan sağa ve sağa veya sola her iki yönden kelimelere ve cümlelere bakar. Bu nedenle, Mikrobiyologlara yardımcı olmak için TensorFlow ve Bert for Natural dil işleme gibi AI modellerinin bir kombinasyonu ile, Covid-19 için bir aşı çok uzakta olmayabilir, ancak hala devam eden bir çalışmadır. AI, bu örneklerin gösterdiği gibi, potansiyel bir Covid-19 aşısına ve izleme yeteneğine bir çözüm sağlamak için yararlı olduğunu kanıtlıyor.