Μια νέα πανδημία θα μπορούσε να σκοτώσει 150 εκατομμύρια ανθρώπους και να προκαλέσει καταστροφή στον πλανήτη. ένας εμπειρογνώμονας της ΑΠ προτείνει ένα σχέδιο υπεράσπισης

Από τον Jabe Wilson, PhD 27 Μαρτίου 2019, Elsevier Connect
Επεξεργασία ετικέτας Elsevier
Έχει από καιρό θεωρηθεί ότι έχουμε καθυστερήσει για μια θανατηφόρα πανδημία, όμως, καθώς εισερχόμαστε το 2019, έχουμε ακόμα λίγη ιδέα για το πού θα μπορούσε να προέλθει. Μπορεί η “επόμενη μεγάλη” να είναι μια ζωονοσογόνος ασθένεια – όπως το SARS, η Έμπολα ή η Ζήκα – ή μια ασθένεια που συνθετικά δημιουργήθηκε και κατασκευάστηκε από τον άνθρωπο για να είναι όσο πιο θανατηφόρα;

Αυτό ήταν το θέμα όταν διπλωμάτες από όλο τον κόσμο συγκεντρώθηκαν στη Γενεύη για την ετήσια Σύμβαση για τα Βιολογικά Όπλα (BWC), ανανεώνοντας τη δέσμευση των εθνών τους να εμποδίσουν την ανάπτυξη, παραγωγή και αποθεματοποίηση βιολογικών όπλων. Προηγουμένως, η BWC έχει ασχοληθεί σε μεγάλο βαθμό με θέματα όπως ο άνθρακας – αλλά φέτος, η συζήτηση επικεντρώθηκε επίσης στη δυνατότητα πανδημίας.

Ανεξάρτητα από το πού προέρχεται η επόμενη πανδημία, ένα πράγμα που σχεδόν όλοι συμφωνούν είναι ότι δεν είμαστε σχεδόν τόσο προετοιμασμένοι όσο πρέπει να είμαστε. Ένα πρόσφατο “εύστοχο σενάριο” που διενεργήθηκε από το Johns Hopkins Center for Health Security (CHS) είδε έναν πιθανό παθογόνο να σκοτώνει 150 εκατομμύρια ανθρώπους παγκοσμίως προκαλώντας παράλληλα οικονομικό χάος, λιμό και ταραχές.

Όπως ο ίδιος ο ιδρυτής της Microsoft Μπιλ Γκέιτς προειδοποίησε πρόσφατα σε διάλεξη για την Ιατρική Εταιρεία της Μασαχουσέτης: “… υπάρχει ένας τομέας όπου ο κόσμος δεν σημειώνει μεγάλη πρόοδο και αυτή είναι η ετοιμότητα για πανδημία”

Αναφερόμενος στις ομιλίες του στη Διάσκεψη Ασφαλείας του Μονάχου του 2017, ο Γκέιτς δήλωσε:

Ζήτησα από τους ηγέτες του κόσμου να φανταστούν ότι κάπου στον κόσμο υπάρχει ή θα μπορούσε να αναδυθεί ένα νέο όπλο το οποίο θα μπορούσε να σκοτώσει εκατομμύρια ανθρώπους, να σταματήσει τις οικονομίες και να χτυπήσει τα έθνη σε χάος. Αν ήταν στρατιωτικό όπλο, η απάντηση θα ήταν να κάνουμε ό, τι ήταν δυνατό για την ανάπτυξη αντιμέτρων. Σε περίπτωση βιολογικών απειλών, αυτή η αίσθηση του επείγοντος λείπει. Αλλά ο κόσμος πρέπει να προετοιμαστεί για τις πανδημίες με τον ίδιο σοβαρό τρόπο που προετοιμάζεται για πόλεμο.

Τα τελευταία χρόνια ορισμένες πιθανές πανδημίες, όπως η Έμπολα, ήταν σχετικά μη μεταδοτικές. Ωστόσο, αυτό δεν συμβαίνει πάντα. Το περασμένο έτος σημάδεψε έναν αιώνα μετά την ισπανική γρίπη, μια ασθένεια τόσο επιθετική και θανατηφόρα, καταστράφηκε περισσότερο από το 3% του πλανήτη. Δεδομένου του αυξημένου επιπέδου παγκόσμιας κινητικότητας και ανάπτυξης του ανθρώπινου πληθυσμού από το 1918, αν μια παρόμοια ασθένεια έπληξε σήμερα, οι ειδικοί πιστεύουν ότι ο αριθμός των νεκρών θα είναι πάνω από το ένα τέταρτο του ενός δισεκατομμυρίου ανθρώπων.

Όπως σε όλους σχεδόν τους άλλους τομείς της Ε & Α και της υγειονομικής περίθαλψης, οι οργανώσεις από κυβερνήσεις έως φαρμακευτικές εταιρείες σε νοσοκομεία διερευνούν πώς η τεχνολογία – δηλαδή η τεχνητή νοημοσύνη – μπορεί να βοηθήσει με μια σειρά από προκλήσεις στον τομέα της υγειονομικής περίθαλψης. Είναι φυσικό τότε, σε αυτή την εποχή της πληροφορίας, να στραφούμε στην ΑΙ όταν σκεφτόμαστε την προετοιμασία και την ανταπόκριση σε μια πανδημία. Το ενδεχόμενο να βοηθήσουμε το AI είναι τεράστιο, όχι μόνο για την εξεύρεση νέων θεραπειών αλλά για την επανεξέταση της υπάρχουσας έρευνας και δεδομένων για να δούμε ποιες απαντήσεις μπορεί να βρίσκονται εκεί που θα μπορούσαν να επαναπροστατευθούν. Ωστόσο, υπάρχουν εμπόδια που πρέπει να ξεπεραστούν αν πρέπει να εξετάσουμε την ΑΠ ως μέρος του οπλοστασίου για την αντιμετώπιση μιας μελλοντικής εστίας.

Χρησιμοποιώντας AI για την καταπολέμηση πανδημιών

Το AI προσφέρει την ευκαιρία να ανταποκριθεί αποτελεσματικά στην απειλή μιας πανδημίας επειδή είναι ικανό να εργάζεται πολύ πιο γρήγορα από ό, τι προσπαθεί να κάνει όλη την έρευνα με το χέρι. Ήδη, οι πλατφόρμες του AI μπορούν να αντλούν από δεκάδες εκατομμύρια επιστημονικών εφημερίδων, συνόλων δεδομένων και άρθρα περιοδικών ταυτόχρονα, σε σύγκριση με τα 200 με 300 που ο μέσος άνθρωπος ερευνητής διαβάζει κάθε χρόνο.

Ωστόσο, το AI δεν είναι μια μαγική σφαίρα. μπορεί να είναι πάντα τόσο καλό όσο τα δεδομένα που παρέχονται και πολλά από τα δεδομένα στη βιομηχανία φαρμακευτικών προϊόντων δεν είναι μέχρι το μηδέν. Η κλίμακα του προβλήματος αποδίδεται απότομα στην έρευνα, δείχνοντας ότι μόνο το 3% των δεδομένων των εταιρειών ικανοποιεί ακόμη και τα βασικά πρότυπα ποιότητας. Οι προκλήσεις που μπορεί να προκύψουν κατά την προσπάθεια ανάλυσης μεγάλων, διαφορετικών συνόλων δεδομένων περιλαμβάνουν:

Έλλειψη στοιχείων
Λανθασμένα δεδομένα
Δεδομένα με ράμματα
Θέματα μορφοποίησης
Γλωσσικά εμπόδια
Μη συμβατά εργαλεία
Matthew Clark, PhDMatthew Clark, PhDAll αυτά τα ζητήματα μπορούν να προκαλέσουν λανθασμένη ερμηνεία των δεδομένων από τους αλγορίθμους του AI, που εισάγει προκατάληψη σε όλους τους επόμενους υπολογισμούς, επειδή η AI υπόκειται στην αρχή “σκουπίδια” (GIGO). Όπως δήλωσε πρόσφατα ο Δρ Matthew Clark, Διευθυντής Επιστημονικών Υπηρεσιών για την Ε & Α Solutions της Elsevier,

Οι αλγόριθμοι μπορούν να παρεκκλίνουν μόνο από αυτό που είναι γνωστό. ακόμη και ο καλύτερος αλγόριθμος στον κόσμο θα εξακολουθήσει να αποδίδει φτωχά αποτελέσματα εάν του δοθούν μόνο τα μισά δεδομένα που χρειάζεται. Για την AI / βαθιά εκμάθηση, το επίπεδο των δεδομένων πρέπει να είναι πολύ υψηλότερο από ό, τι για τους ανθρώπινους ερευνητές, όχι μόνο όσον αφορά την ακρίβεια, αλλά και ως προς την απαλλαγή από τη μεροληψία.

Εξαιτίας αυτού, οι ερευνητές πρέπει να διασφαλίσουν ότι παρέχουν ολοκληρωμένα και ποιοτικά δεδομένα στην πλατφόρμα AI, παρόλο που αυτό μπορεί να είναι εξαιρετικά δύσκολο, δεδομένου ότι οι εταιρείες φαρμακευτικών εταιρειών έχουν ερευνητές που εργάζονται σε διαφορετικές χώρες και γλώσσες και χρησιμοποιούν διαφορετικά εργαλεία. Συχνά, τα δεδομένα είναι τυχαία τοποθετημένα σε βότσαλα