Covid-19
Rok 2020 był dziwny z wirusem Covid-19. Technicy medyczni i naukowcy na całym świecie próbują znaleźć szczepionkę i ją powstrzymać. Jest to ważne nie tylko dla ludzkiego życia, ale także dla biznes i wpływ, jaki wywarł na całym świecie.
COVID-19
Według Coronavstats od 21 września 2020 r. w Wielkiej Brytanii było obecnie 398 625 wszystkich zakażeń, a liczba zgonów wynosi 41 788. Obecny wskaźnik śmiertelności wynoszący nieco ponad 10% wszystkich przypadków jest niepokojący. Ustalono, że rozprzestrzenianie się jest wykładnicze. Dlatego ochrona jest niezbędna, w świecie technologii sztuczna inteligencja jest wykorzystywana do pomocy w odkrywaniu i zabezpieczaniu szczepionek. Sztuczną inteligencję można wykorzystać do szybszego znalezienia odpowiednich szczepień, analizując poprzednie w oparciu o podobne struktury białkowe zakażenia i rozprzestrzeniania się.
Ośrodki zdrowia w coraz większym stopniu wykorzystują sztuczną inteligencję. Systemy skanowania promieniami rentgenowskimi klatki piersiowej mogą automatycznie wykrywać wirusa i korzystać z rozpoznawania obrazu przy użyciu funkcji sztucznej inteligencji. AI oferuje znacznie szybsze przetwarzanie. Następnie organy regulacyjne i agencje rządowe zbierają dane i udostępniają je wielu podmiotom. Badacze i mikrobiolodzy wykorzystują te dane i inne dane do tworzenia lepszych leków analizujących wpływ leków i identyfikujących wirusy i inne bakterie, takie jak Lekarze bez granic.
Médecins Sans Frontières i Tenserflow Lite
TensorFlow
Przykład wykorzystania potencjalnego wykorzystania sztucznej inteligencji w poszukiwaniu szczepionki można znaleźć w bieżących badaniach medycznych nad identyfikacją bakterii, jak widać w tym Wideo YouTube . Médecins Sans Frontières jest organizacją charytatywną zapewniającą opiekę medyczną na całym świecie, przepisującą szereg antybiotyków w ponad 70 krajach. Odkryli, że coraz więcej pacjentów jest zakażonych bakteriami wielolekoopornymi. Możliwe, że tę samą koncepcję można zastosować w przypadku Covid-19, wykorzystując sztuczną inteligencję, i Google TensorFlow. TensorFlow to bezpłatna i otwarta sztuczna inteligencja firmy Google oraz TensorFlow Lite (używany przez Médecins Sans Frontières), wersja mobilna jest dostępna do pobrania na iOS i Androida.
Médecins Sans Frontières odkryli, że pacjenci często otrzymują niewłaściwe antybiotyki z powodu niemożności dokładnego zidentyfikowania wirusa, którym może być zarażony pacjent. Korzystają z TensorFlow, aby pomóc zidentyfikować odpowiednie antybiotyki dla swoich pacjentów.
To rodzi kilka wyzwań. Aby zidentyfikować bakterie, potrzeba wielu testów, aby dowiedzieć się, z jakim typem bakterii mają do czynienia. Istnieje dodatkowy krok polegający na interpretacji wyników w wielu krajach, w których działają Lekarze bez granic. Niestety nie ma wystarczającej liczby doświadczonych mikrobiologów, aby wykonać te interpretacje. Sztuczna inteligencja może być potencjalnym rozwiązaniem tego problemu, ponieważ zamiast zastępować personel mikrobiologów, pomagają obecnemu personelowi w interpretacji testów diagnostycznych w krótszej perspektywie czasowej, korzystając z TensorFlow lite, który jest dostępny na różnych telefonach komórkowych, we wszystkich ich klinikach . Aplikacja nie musi być online, więc może być używana w obszarach o słabym sygnale.
TensorFlow wykorzystuje wizję komputerową i uczenie maszynowe przy użyciu Pythona do wykrywania interakcji między bakteriami i antybiotykami, używając wyłącznie obrazu szalki Petriego. W wyniku zastosowania tej technologii firmie Médecins Sans Frontières udało się wytrenować model testowy w ciągu kilku dni. Okazało się również, że było to zaskakująco szybkie i łatwe do osiągnięcia. Opracowali prototyp, którego celem jest udostępnienie testów diagnostycznych, łatwych i przystępnych cenowo na całym świecie. Ta aplikacja może zmienić zasady gry, pomagając milionom ludzi na całym świecie, zwłaszcza jeśli można ją dostosować do poszukiwania szczepionki na Covid-19, a także na wiele innych chorób. Może również pomóc w udzielaniu porad dotyczących najlepszych praktyk zarządzania.
Działa poprzez wykrywanie obiektów, przy użyciu wcześniej opisanych obrazów bakterii chorobotwórczych i przeprowadzanie porównań ze zdjęciem szalki Petriego. Jest w stanie przewidzieć prognozy w mniej niż jedną sekundę. Piękno systemu, który zapewnia TensorFlow polega na tym, że zamiast pisać tysiące linii kodu, dostępna jest biblioteka funkcji, które pozwalają na tworzenie różnych architektur w znacznie krótszym czasie. Może zmniejszyć te wiejskie sieci, aby zmieścić się na urządzeniu mobilnym. Wkład człowieka ma kluczowe znaczenie dla procesu. Potrafi bardzo szybko przeglądać setki milionów obrazów i może być dostosowany do tworzenia różnych typów sieci neuronowych.
W poszukiwaniu szczepionki przeciwko Covid-19 strategia stosowana przez Médecins Sans Frontières może być dobrym miejscem do rozpoczęcia stosowania sztucznej inteligencji przy użyciu TenserFlow.
Przykład TensorFlow Lite na Androida
TensorFlow umożliwia szybkie uruchamianie modeli uczenia maszynowego na urządzeniach mobilnych z niewielkimi opóźnieniami, dzięki czemu można przeprowadzać klasyfikacje bez konieczności wykonywania powtarzających się połączeń sieciowych z serwerem. Jest dostępny na Androida i iOS za pośrednictwem interfejsu API C ++. Istnieje opakowanie Java dla urządzeń z systemem Android, które może to obsługiwać. Interpreter używa interfejsu API sieci neuronowych systemu Android do akceleracji sprzętowej.
Aplikacja jest zbudowana przy użyciu modelu sieci mobilnej. Siatki mobilne są małe i zużywają mało energii. Modele można zaprojektować tak, aby spełniały kilka przypadków użycia, takich jak wykrywanie obiektów, takich jak różne typy roślin lub drzew. Zapewnia drobnoziarnistą klasyfikację. Dostępnych jest kilka wstępnie przeszkolonych, gotowych modeli do pracy.
Podczas pierwszej pracy z TensorFlow lite zaleca się pracę z tymi gotowymi modelami. Jednak TensorFlow Lite nie obsługuje jeszcze wszystkich funkcji pełnej wersji TensorFlow.
Aby korzystać z TensorFlow na urządzeniach mobilnych, musisz dołączyć biblioteki lite TensorFlow. Osiąga się to poprzez edycję pliku ocen kompilacji, aby upewnić się, że je uwzględnisz. Następnym krokiem jest zaimportowanie interpretera TensorFlow. Interpreter ładuje model i umożliwia jego uruchomienie, udostępniając mu zestaw danych wejściowych. TensorFlow lite wykonuje model i zapisuje dane wyjściowe. Jest to prosty proces, mimo że technologia, która za nim stoi, jest złożona.
Model powinien być przechowywany w zasobach aplikacji. Następnie kod odczyta model bezpośrednio z tego miejsca, chociaż model można załadować z dowolnego miejsca. Po załadowaniu modelu można utworzyć instancję interpretera.
W przypadku badań medycznych aplikacja odczytuje klatki z aparatu i zamienia je na obrazy. Te obrazy (w przypadku Médecins Sans Frontières, szalki Petriego) są używane jako dane wejściowe do modelu, który generuje zwracane wartości. Te wartości są indeksem odpowiedniej etykiety (w tym przypadku identyfikacji bakterii), a tysiące wcześniej przygotowanych, opatrzonych adnotacjami obrazów pasowałoby do tej etykiety.
Możesz dowiedzieć się więcej o szkoleniu modeli TensorFlow w tym rozdziale wideo przewodnik po uruchamianiu modeli TensorFlow w systemie Android.
Wykrywanie Covid-19 przy użyciu UiPath Fabric
Rentgen klatki piersiowej
UiPath to firma specjalizująca się w rozwiązaniach AI do automatyzacji. Naukowcy z University of Waterloo i Darwin wykorzystali UiPath Fabric, która jest inicjatywą Open Source, do zaprojektowania modelu sieci neuronowej do wykrywania przypadków COVID-19 przy użyciu zdjęć rentgenowskich klatki piersiowej. Model został przeszkolony na publicznie dostępnym zestawie danych składającym się z 76 obrazów od pacjentów z COVID 19 jak pokazano w tym filmie na You Tube.
Przebieg pracy jest prosty, składa się z pliku i zdjęcia rentgenowskiego. Są one wysyłane do modelu uczenia maszynowego, który generuje wyniki. Aplikacja żąda obrazu. To wszystko, czego potrzebujesz, aby wytrenować model od osób bez choroby i odróżnić osoby z zapaleniem płuc od osób z COVID-19. Dane wyjściowe to wynik klasyfikacji uczenia maszynowego.
Tak więc, dla każdego obrazu RTG lub TK klatki piersiowej, oprogramowanie przewiduje, że obraz pochodzi od pacjenta z Covid-19. Na tym etapie badań nie jest to wersja produkcyjna, a eksperyment wstępny.
Sztuczna inteligencja jest wykorzystywana do pomocy w badaniach mających na celu powstrzymanie Covid-19 i prawdopodobnie odkrycie wirusa. Aplikacje mobilne, takie jak TensorFlow Lite, mogą sprawdzać, czy dana osoba jest zarażona wirusem, wprowadzając pewne dane wejściowe użytkownika, automatycznie uzyskując dane o swojej lokalizacji i oceniając stopień ryzyka. Możesz sobie wyobrazić sytuację, w której jeśli zawsze znana jest mobilna lokalizacja potwierdzonego pacjenta, rząd może ostrzegać osoby, które miały z nią kontakt. Nazywa się to „Track and Trace”.
Bert , kolejna inicjatywa Google AI, jest stosowana do tego ogromnego zbioru danych w celu wydobycia przydatnych informacji o wirusie przy użyciu przetwarzania języka naturalnego (NLP). NLP można wykorzystać do zrozumienia struktury białek i do szybszego opracowania potencjalnych szczepień, w tym do dostarczenia informacji o obszarach, w których ludzie są dotknięci.
Powinno to również pomóc mikrobiologom w zrozumieniu opcji leczenia, rozważeniu wszelkich działań niepożądanych i określeniu prawidłowego dawkowania. Bert patrzy na słowa i zdania z obu stron, od lewej do prawej i od prawej lub lewej, aby zrozumieć i zidentyfikować poszczególne słowa w pełnym kontekście. Tak więc, dzięki połączeniu modeli sztucznej inteligencji, takich jak TensorFlow i Bert do przetwarzania języka naturalnego, aby pomóc mikrobiologom, być może szczepionka przeciwko Covid-19 może nie być zbyt daleko, ale wciąż jest w toku. Sztuczna inteligencja okazuje się przydatna, jak pokazały te przykłady, w dostarczaniu rozwiązania dla potencjalnej szczepionki Covid-19 i możliwości śledzenia.
Tagi COVID-19 TensorFlow
