Op 31 december waarschuwde BlueDot, een in Toronto gevestigd bedrijf dat kunstmatige intelligentie gebruikt om de verspreiding van infectieziekten te volgen, zijn klanten over een cluster van ongebruikelijke longontsteking in Wuhan, China.
Negen dagen later bevestigde de Wereldgezondheidsorganisatie de ontdekking van een nieuw coronavirus, later COVID-19 genoemd, in Wuhan.
Tegenwoordig is COVID-19 een pandemie die zich heeft verspreid naar 180 landen, meer dan 83.000 levens heeft geëist en een bijna wereldwijde lockdown heeft veroorzaakt.
En op dit moment is de beste oplossing om de verspreiding van het virus in te dammen het verbeteren van de persoonlijke hygiëne en het uitoefenen van sociale afstand.
Ondertussen werken politici, wetenschappers en onderzoekers samen om systematische manieren te vinden om het virus te bestrijden en voor patiënten te zorgen.
En ze krijgen de broodnodige hulp van kunstmatige intelligentie.
De verspreiding van het virus volgen
BlueDot gebruikt een combinatie van kunstmatige intelligentie en menselijke expertise om de verspreiding van infectieziekten over de hele wereld te volgen.
De algoritmen consolideren en analyseren gegevens uit bronnen, waaronder nieuwsberichten, verklaringen van gezondheidsorganisaties, commerciële vluchten en gezondheidsrapporten over vee.
Met behulp van machine learning en natuurlijke taalverwerking doorzoekt BlueDot de zee van gegevens om patronen te vinden die kunnen duiden op het begin van een besmettelijke uitbraak.
De resultaten worden vervolgens beoordeeld door een team van experts bestaande uit epidemiologen, artsen, dierenartsen en datawetenschappers, die beslissen welke van de signalen verder onderzoek behoeven.
Het eindrapport wordt verstuurd naar de klanten van BlueDot, zoals overheden en bedrijven.
Naast hotspots kan de AI ook de verspreiding van besmettelijke en besmettelijke ziekten voorspellen aan de hand van vluchtgegevens en bewegingspatronen.
BlueDot voorspelde met succes verschillende steden waar COVID-19 zich voor het eerst zou verspreiden, nadat het opdook in Wuhan.
BlueDot stelt haar platform onder normale omstandigheden ter beschikking als commerciële applicatie.
Maar tegenwoordig helpt het bedrijf regeringen de verspreiding van COVID-19 te volgen.
In de toekomst kunnen AI-technologieën zoals BlueDot's dienen als systemen voor vroegtijdige waarschuwing om regeringen te helpen pandemieën in de kiem te smoren.
“BlueDot is nederig en dankbaar voor de mogelijkheid om onze expertise op het gebied van infectieziekten, big data-analyse en digitale technologieën te combineren met de inspanningen van de Canadese regering om levens te beschermen en de gevolgen van COVID-19 hier thuis en over de hele wereld te verzachten.
, ”Zei Dr.
Kamran Khan, arts infectieziekten en CEO van BlueDot.
“We bevinden ons op onbekend terrein, aangezien een microscopisch virus nu onze hele planeet verstoort.
De COVID-19-pandemie heeft de noodzaak aangetoond om systemen te implementeren die proactief de risico's van infectieziekten beheersen, die in onze snel veranderende wereld toenemen in frequentie, omvang en impact.
En met verbeterde paraatheid kunnen we deze bedreigingen het hoofd bieden om een ??gezondere, veiligere en welvarender wereld te creëren.
"
Detectie van COVID-19-infectie in medische beelden
Virale testkits zijn schaars en wetenschappers en onderzoekers zijn op zoek naar alternatieve manieren om COVID-19-infecties op te sporen.
Een mogelijke oplossing is het onderzoek van röntgenfoto's van de borstkas en CT-scans, die gemakkelijker beschikbaar zijn in ziekenhuizen en infecties veroorzaakt door COVID-19 kunnen aantonen.
De uitdaging bij het gebruik van thoraxbeeldvorming bij diagnoses is dat het moeilijk is om het verschil te zien tussen COVID-19 en andere infecties zoals griep.
Het American College of Radiology (ACR) heeft in maart een verklaring afgelegd waarin het het gebruik van CT-scans op de borst en röntgenfoto's als eerstelijns test van COVID-19 afraadt.
"Virale testen blijven de enige specifieke diagnosemethode", schreef ACR in zijn advies.
Het standpunt wordt ook ondersteund door de CDC, die stelt: "Gezien de variabiliteit in de bevindingen van beeldvorming op de borst, wordt een thoraxfoto of CT alleen niet aanbevolen voor de diagnose van COVID-19."
Maar AI-onderzoekers hopen dat computervisie zal helpen waar het menselijk zicht faalt.
Verschillende bedrijven hebben AI-systemen ingezet om COVID-19-gevallen te detecteren in röntgen- en CT-scans.
Een recente poging is COVID-Net, een open-source deep-learning-systeem ontwikkeld door DarwinAI en de Universiteit van Waterloo.
Aanbevolen door onze redacteuren
Alex Wong, hoofdwetenschapper bij DarwinAI, zegt dat er subtiele verschillen zijn tussen COVID-19 en andere infecties die radiologen misschien niet opmerken bij het onderzoeken van röntgenfoto's op de borst.
“De hoop hier met COVID-Net is dat we AI (in het bijzonder deep learning) kunnen gebruiken om deze subtiele visuele indicatoren op te pikken om een ??beter onderscheid te maken tussen COVID-19 en andere vormen van infecties, en deze visuele indicatoren kunnen onthullen aan clinici om de specificiteit te vergroten.
," hij zegt.
Deep-learning-algoritmen zijn vooral goed in het vinden van kleine details in visuele gegevens die met het blote oog onopgemerkt kunnen blijven.
COVID-Net is getraind in COVIDx, een openbare database die bestaat uit 16.756 thoraxfoto's van 13.645 patiëntcasussen, niet alleen van COVID-19, maar ook van andere soorten longinfecties.
Door de diversiteit van de gegevens kan het deep learning-model de kenmerken onderscheiden die elk type ziekte definiëren en deze detecteren in nieuwe röntgenfoto's.
Wong zegt dat hoewel het model niet productieklaar is, de voorlopige resultaten veelbelovend zijn bij het onderscheiden van COVID-19 en andere infecties.
Het model wordt verbeterd naarmate er meer gegevens beschikbaar komen.
"We zijn ervan overtuigd dat een steekproef die groot genoeg is, een groot verschil zou maken bij het verbeteren van COVID-Net en bij het ontwikkelen van nieuwe diepgaande modellen voor het opsporen van COVID-19-infectie", zegt Wong.
Desalniettemin benadrukt Wong dat, zoals geadviseerd door CDC en ACR, röntgenfoto's van de borst en CT-scans nog steeds moeten worden beschouwd als aanvullende screeningstools.
Ze kunnen worden gebruikt in faciliteiten waar testkits schaars of niet beschikbaar zijn.
Er zijn ook situaties waarin röntgenfoto's van de borst of CT-scans moeten worden uitgevoerd, zelfs bij een positieve diagnose met virale tests om de omvang van de infectie te beoordelen voor behandeling en zorgplanning.
"De hoop is dat de AI radiologen kan helpen om sneller en nauwkeuriger onderscheid te maken tussen COVID-19-infecties en andere vormen van infecties (vooral belangrijk omdat griep nog steeds voorkomt in deze tijd van het jaar), en wat nog belangrijker is, de last voor radiologen te verminderen, maar andere eerstelijnsgezondheidswerkers met minder expertise in staat stellen om een ??betere diagnose te stellen ”, zegt Wong.
