AI mot Covid-19: Hur kan AI hjälpa till med Covid-19-spårning och forskning?

2020 har varit ett konstigt år med Covid-19-viruset. Medicintekniker och forskare över hela världen är i färd med att försöka hitta ett vaccin och att innehålla det. Detta är inte bara viktigt för människors liv utan för företag och påverkan har det haft globalt.

Enligt Coronavstats den 21 september 2020 i Storbritannien fanns för närvarande 398 625 infektioner totalt och ett dödstal på 41788. Den nuvarande dödligheten på drygt 10% av de totala fallen är alarmerande. Det har fastställts att spridningen är exponentiell. Därför är inneslutning avgörande, i teknikvärlden används AI för att hjälpa till med att upptäcka och innesluta vaccin. AI kan användas för att hitta rätt vaccinationer snabbare genom att analysera tidigare baserade på liknande proteinstrukturer av infektionen och spridningen.

Hälsocenter använder alltmer artificiell intelligens. Skanningssystem för röntgen i bröstet kan automatiskt upptäcka viruset och använda bildigenkänning med hjälp av AI-funktioner. AI erbjuder mycket snabbare bearbetning. Tillsynsmyndigheter och myndigheter samlar sedan in uppgifterna och gör dem tillgängliga i flera enheter. Forskare och mikrobiologer använder den informationen och andra uppgifter för att skapa bättre läkemedel som analyserar effekterna av läkemedel och identifierar viruset och andra bakterier, såsom Läkare utan gränser.

Läkare utan gränser och Tenserflow Lite

Ett exempel på användningen av AI-potentiell användning för att hitta ett vaccin kan hittas från aktuell medicinsk forskning om bakterieidentifiering, vilket ses i denna YouTube-video. Läkare utan gränser är en välgörenhetsorganisation som tillhandahåller medicinsk vård över hela världen och föreskriver en rad antibiotika i över 70 länder. De har upptäckt att ett ökande antal patienter är infekterade med multiresistenta bakterier. Det är möjligt att samma koncept kan användas för Covid-19, i deras användning av AI, och Googles TensorFlow. TensorFlow är det kostnadsfria AI-erbjudandet med öppen källkod från Google och, TensorFlow Lite (används av Läkare utan gränser), mobilversionen är tillgänglig för nedladdning på iOS och Android.

Vad Läkare Utan Gränser upptäckte är att patienter ofta får fel antibiotika på grund av oförmåga att exakt identifiera det exakta viruset en patient kan smittas med. De använder TensorFlow för att identifiera rätt antibiotika för sina patienter.

Detta ger upphov till flera utmaningar. För att identifiera bakterier behövs flera tester för att veta vilken typ av bakterier de har att göra med. Det finns ytterligare ett steg som är att tolka resultaten i många av de länder där Läkare Utan Gränser verkar. Tyvärr finns det inte tillräckligt med erfaren mikrobiologpersonal för att göra dessa tolkningar. AI kan vara en potentiell lösning på detta problem, i stället för att ersätta mikrobiologpersonal, hjälper de befintlig personal att tolka diagnosprov i en kortare tidsskala genom att använda TensorFlow lite som finns tillgängligt på en rad mobiltelefoner i alla deras kliniker. . Applikationen behöver inte vara online, så den kan användas i områden med dåligt signalområde.

TensorFlow använder datorsyn och maskininlärning med hjälp av Python för att upptäcka interaktioner mellan bakterier och antibiotika, med enbart en bild av petriskålen. Som ett resultat av användningen av denna teknik lyckades läkare utan gränser träna en testmodell inom några dagar. Det visade sig också vara förvånansvärt snabbt och enkelt att uppnå. De har utvecklat en prototyp, med syftet att göra diagnostiska tester tillgängliga, enkla och prisvärda över hela världen. Denna applikation kan vara en spelväxlare för att hjälpa miljontals människor över hela världen, särskilt om den kan anpassas i jakten på ett vaccin mot Covid-19, liksom många andra sjukdomar. Det kan också hjälpa till att ge råd om bästa hanteringsmetoder.

Det fungerar genom föremålsavkänning, med hjälp av förhandsnoterade bilder, av sjukdomsbakterier och jämförelser med ett fotografi av en petriskål. Det kan göra förutsägelser på mindre än en sekund. Det fina med systemet som TensorFlow tillhandahåller är att snarare än att behöva skriva tusentals rader kod finns det ett bibliotek med funktioner som gör det möjligt att bygga olika arkitekturer på mycket kortare tid. Det kan krympa dessa landsbygdens nätverk för att kunna passa på en mobil enhet. Mänsklig input är avgörande för processen. Det kan gå igenom hundratals miljoner bilder mycket snabbt och kan anpassas för att skapa olika typer av neurala nätverk.

I sökandet efter ett vaccin för Covid-19 kan den strategi som används av Läkare utan gränser vara ett bra ställe att börja med att använda AI med hjälp av TenserFlow.

TensorFlow Lite på Android Exempel

TensorFlow låter dig snabbt köra maskininlärningsmodeller på mobila enheter med låg latens, så att du kan utföra klassificeringar utan att behöva ringa upprepade nätverkssamtal till en server. Den är tillgänglig på Android och iOS via ett C ++ API. Det finns ett Java-omslag för Android-enheter som kan stödja det. Tolken använder Android Neural Network API för hårdvaruacceleration.

Appen är byggd med en mobil nätmodell. Mobilnät är små och använder lite kraft. Modeller kan utformas för att möta flera användningsfall som objektdetektering, såsom olika typer av växter eller träd. Det ger finkornig klassificering. Det finns flera förutbildade, hyllmodeller tillgängliga att arbeta med.

När du först arbetar med TensorFlow lite rekommenderas att du arbetar med dessa förbyggda modeller. TensorFlow Lite stöder dock ännu inte alla funktioner i den fullblåsta TensorFlow.

För att använda TensorFlow på mobilen måste du inkludera TensorFlow lite-biblioteken. Detta uppnås genom att redigera din builds gradle-fil så att du inkluderar dem. Nästa steg är att importera en TensorFlow-tolk. Tolken laddar en modell och låter dig köra den genom att förse den med en uppsättning ingångar. TensorFlow lite kör modellen och skriver utgångarna. Det är en enkel process, även om tekniken bakom den är komplex.

Modellen ska lagras i applikationstillgångarna. Koden läser sedan modellen direkt därifrån, även om en modell kan laddas var som helst. När modellen är laddad kan en tolk instansieras.

När det gäller medicinsk forskning läser applikationen ramar från kameran och förvandlar dem till bilder. Dessa bilder (i fallet Läkare utan gränser, en petriskål) används som ingångar till modellen, som matar ut returvärden. Dessa värden är ett index till lämplig etikett (i detta fall bakterieidentifiering), och de tusentals förberedda, antecknade bilderna skulle sedan matcha den etiketten.

Du kan läsa mer om att träna TensorFlow-modeller i den här videoguiden för att köra TensorFlow-modeller på Android.

Covid-19-detektion med UiPath-tyg

UiPath är ett företag som specialiserar sig på AI-lösningar för automatisering. Forskare vid University of Waterloo och Darwin har använt UiPath Fabric, som är ett open source-initiativ, för att designa en neural nätverksmodell för att upptäcka COVID-19-fall med röntgenbilder från bröstet. Modellen utbildades på en offentligt tillgänglig datamängd bestående av 76 bilder från patienter med covid 19 som illustreras i denna You Tube-video.

Arbetsflödet är enkelt och består av en fil och en röntgenbild. Dessa skickas till maskininlärningsmodellen som ger resultat. Applikationen begär en bild. Allt detta behöver du för att träna modellen från personer utan sjukdom och för att skilja mellan personer med lunginflammation och personer med COVID-19. Resultatet är ett resultat för klassificering av maskininlärning.

Så för alla röntgen- eller CT-skanningsbilder ger programvaran en förutsägelse om att bilden kommer från en patient med Covid-19. I detta skede av forskningen är det inte en produktionsversion utan ett preliminärt experiment.

AI används för att hjälpa till med forskning för att innehålla Covid-19 och eventuellt för att upptäcka ett virus. Mobilappar, som TensorFlow Lite, kan kontrollera om en person har viruset genom att mata in någon användarinmatning, få lite data automatiskt om sin plats och betygsätta dem på en viss risk. Du kan föreställa dig en situation där om en bekräftad patients mobila plats alltid är känd, kan regeringen varna människor som har varit i kontakt med personen. Detta är känt som "Track and Trace".

Bert, ett annat Google AI-initiativ, tillämpas på denna stora datamängd för att extrahera användbar information om viruset med hjälp av Natural Language Processing (NLP). NLP kan användas för att förstå proteinstrukturen och för att utveckla potentiella vaccinationer snabbare, inklusive information om de områden där människor drabbas.

Detta bör också hjälpa mikrobiologer att förstå behandlingsalternativ, med tanke på eventuella biverkningar och bestämma rätt dos. Bert tittar på ord och meningar från båda riktningarna, från vänster till höger och höger eller vänster så att de kan förstå och identifiera specifika ord i ett fullständigt sammanhang. Så med en kombination av AI-modeller, som TensorFlow och Bert för naturlig språkbehandling för att hjälpa mikrobiologer, kanske ett vaccin för Covid-19 kanske inte är för långt borta, men det är fortfarande ett pågående arbete. AI visar sig vara användbart som dessa exempel har visat för att ge en lösning på ett potentiellt Covid-19-vaccin och spårningsförmåga.