Արհեստական բանականությունը Covid-19-ի դեմ պայքարում

Վիքիպեդիայից՝ ազատ հանրագիտարանից

Covid-19- ի դեմ պայքարող գիտնականներն ունեն տեխնոլոգիական գործիքներ, որոնք հասանելի չէին նախորդ համաճարակների ժամանակ, և ամենակարևորներից մեկը արհեստական բանականությունն է։ Սա օգտագործվել է, օրինակ, դեղամիջոցներ նախագծելու և հետազոտական նախագծերում կանխատեսելու համար, թե արդյոք հիվանդանոց ընդունված հիվանդը թթվածին կպահանջի,թե ոչ։ Այն ազդարարում է բժշկության մեջ ԱԲ-ի հավանական ավելի լայն ներդրումը, քանի որ տեխնոլոգիան դառնում է ավելի արժեքավոր հիվանդությունների ախտորոշման, հիվանդների համար կանխատեսումներ մշակելու և ավելի լավ բուժումներ ստեղծելու համար[1]։

Արհեստական բանականության ընդհանուր գաղափարը[խմբագրել | խմբագրել կոդը]

Արհեստական բանականությունը հրահանգների մի շարք է, որոնք համակարգչին ասում են, թե ինչ անել։ Մարդիկ հաճախ դրանց անվանում են ալգորիթմներ։ Տարօրինակ է թվում, բայց ալգորիթմը ոչ այլ ինչ է, քան կանոնների ստատիկ ցուցակ, որը համակարգչին ասում է. «Եթե սա, ապա այն»։

Մինչդեռ մեքենայական ուսուցման (ՄՈՒ) ալգորիթմը  արհեստական բանականության այն տեսակն է,որից մեզանից շատերը սիրում են վախենալ։ Դա արհեստական բանակնություն է, որը կարող է սովորել այն բանից, ինչ կարդում և վերլուծում է, և սովորեցնում է իրեն նոր բաներ անել։ Եվ մենք ՝ մարդիկ, հաճախ զգում ենք, որ չենք կարող վերահսկել կամ  նույնիսկ իմանալ, թե ինչ են սովորում մեքենայական ուսուցման ալգորիթմները։ Բայց իրականում մենք կարող ենք, քանի որ մենք  ենք գրում բնօրինակը[2][3]։

Ինչպես է արհեստական բանականությունը օգնում Covid-19-ի դեմ պայքարում[խմբագրել | խմբագրել կոդը]

Համաճարակի սկզբից ի վեր, ապատեղեկատվությունը և պատվաստանյութի վերաբերյալ տատանումները մարտահրավեր են նետել հանրային առողջության համարժեք արձագանքին։ Արհեստական ինտելեկտը կարող է օգնել դիմակայել COVID-19-ի մասին առասպելներին կամ պատվաստումների հետ կապված վախերին։ Մուտքագրեք չաթի բոտերը։

ԱԲ չաթի բոտերը մշակվել են աշխարհի մի քանի խմբերի կողմից՝ համատեղելով հոգեբանությունը վարակիչ հիվանդությունների փորձաքննության և հանրային առողջության մասին գիտելիքների հետ։ Նրանք նաև ինտեգրում են մշակութային համատեքստերը և տեղական լեզուները՝ զարգացնելու այնպիսի համակարգ, որով մարդիկ կցանկանան ներգրավվել։

Այս տարի Ֆրանսիայում կատարված ուսումնասիրությունը ցույց տվեց, որ զրուցող բոտի հետ փոխազդեցությունը կարող է զգալիորեն մեղմացնել պատվաստանյութի վարանումը և մարդկանց ավելի հակված դարձնել դրականորեն վերաբերվել պատվաստանյութերին և պատվաստվելուն։ Հետազոտողները ցույց են տվել, որ նախքան չաթ-բոտի հետ շփվելը, 338 մասնակիցներից 145-ը դրական վերաբերմունք են ունեցել COVID-19 պատվաստանյութերի նկատմամբ։ Չաթբոտի հետ խոսելուց հետո այս ցուցանիշն աճել է 37%-ով և կազմել 199 մարդ։ Նմանապես, մինչ chatbot- ի հետ շփվելը, 338 մասնակիցներից 123-ը ասել են, որ չեն ցանկանում COVID-19 պատվաստանյութը. նրանց զրույցից հետո այս ցուցանիշը նվազել է 20%-ով՝ հասնելով 99-ի։

Չնայած առողջապահական ոլորտում արհեստական բանականությունը դեռ փորձնական է, բազմաթիվ ջանքեր են գործադրվում այն կիրառելու COVID-19-ի վրա հետաքրքիր ձևերով[4][5]։

Վաղ ախտորոշում[խմբագրել | խմբագրել կոդը]

ԱԲ-ն տեղակայվել է քաղաքներում՝ օգնելու մեղմացնել Covid-19 համաճարակի պատճառած վնասը։ Covid-19-ով հիվանդների ախտորոշումը առաջին հերթին վճռորոշ է եղել վիրուսի դեմ, և ԱԲ-ն առաջատար դեր է խաղացել։ Սկզբում այն օգնում էր վիրուսի հայտնաբերմանը խորը ուսուցման գործիքի միջոցով, որը կարող էր բացահայտել Covid-19-ի և թոքաբորբի միջև տարբերությունը՝ օգտագործելով CT սկանավորման 2D և 3D մոդելավորում։ Հիմնվելով այս մոդելների վրա՝ բժիշկները կարողացան ավելին իմանալ վիրուսի մասին և հետևել, թե ինչպես է այն ազդում առանձին հիվանդների վրա, և հետազոտողներին ավելի լավ պատկերացում տալ փոխանցման տեսակի և վիրուսի տարածման մասշտաբի մասին։ Վաղ հայտնաբերումն ու ախտորոշումն էական նշանակություն ունեն քաղաքները և այլ խիտ բնակեցված տարածքները վիրուսից գերծանրաբեռնվածությունը կանխելու համար։ Վաղ ախտորոշմամբ և ախտանշանները բացահայտելու ունակությամբ քաղաքները կարողացել են օգտագործել փոխկապակցված IoT ցանցերի հզորությունը՝ համագործակցելով այլ խելացի սարքերի հետ՝ սմարթ հեռախոսներից մինչև խելացի աղբամաններ՝ օգնելու հետևել, հետագծել և կանխատեսել վարակի հնարավոր տարածումը[6][7]։

Մեքենային ախտորոշում[խմբագրել | խմբագրել կոդը]

COVID-19-ի ախտորոշումը կարող է բարդ լինել, քանի որ դրա ախտանշանները նման են այլ հիվանդությունների ախտանիշներին, սակայն այն պետք է արվի արագ և ճիշտ՝ համոզվելու համար, որ հիվանդներին տրվում է ճիշտ բուժում։ Նյու Յորք նահանգի Սինայ լեռան հետազոտողները ստեղծել են արհեստական բանականության համակարգ, որը կարող է օգնել ախտորոշել COVID-19-ով հիվանդներին՝ օգտագործելով չինացի հիվանդների թոքերի ավելի քան 900 համակարգչային տոմոգրաֆիայի (CT) սկանավորման վրա պատրաստված ալգորիթմ։ Միայն թոքերի սկանավորման հիման վրա հիվանդության ախտորոշումը պարտադիր չէ, որ ճշգրիտ լինի, քանի որ սկանավորումները կարող են նորմալ թվալ հիվանդության վաղ փուլերում, իսկ COVID-19-ով առաջացած թոքերի խնդիրները կարող են նմանվել այլ հիվանդությունների։ Իհարկե, սա է պատճառը, որ COVID-19 ախտորոշիչ թեստերը, ինչպիսիք են SARS-CoV-2 հակագենի արագ ախտորոշման թեստերը և PCR թեստերը, այդքան օգտակար են, և ինչու են կլինիկական բժիշկները հարցազրույցներ վարում հիվանդների հետ և անցկացնում ֆիզիկական հետազոտություններ՝ ախտորոշելու համար մի շարք տեղեկություններ հավաքելու համար։ Փորձելու համար կանխատեսել, թե ինչ ցույց կտա նման գնահատումը, արհեստական բանականության համակարգը օգտագործում է ալգորիթմ, որը խաչաձև հղումներ է կատարում հիվանդի թոքերի CT սկանավորմանը՝ տարիքի, արյան աշխատանքի, ախտանիշների և վիրուսի հետ հնարավոր շփման տվյալների հետ։ Համակարգն այնքան արդյունավետ դարձավ, որ 25 հիվանդներից 17-ի մոտ ախտորոշվեց որպես COVID-19 դրական, չնայած նրանց CT սկանավորումները նորմալ տեսք ուներ, ինչը նշանակում էր, որ ռադիոլոգները բոլոր այս հիվանդներին դասակարգել էին որպես բացասական։ Հաշվի առնելով հետագա բարելավումները և փորձարկումները՝ ժամանակի ընթացքում այս համակարգը կարող է օգտակար օգնություն դառնալ հիվանդներին բուժող բժիշկների համար։ MIT- ի հետազոտողների կողմից մշակված մեկ այլ արհեստական համակարգ պնդում է, որ կարող է հայտնաբերել COVID-19- ը ՝ ելնելով ինչ-որ մեկի հազի ձայնից։ Համաճարակի արագ տարածման պատճառներից մեկն այն է, որ COVID-19-ով շատ մարդիկ կարող են ասիմպտոմատիկ լինել։ Նրանց վարակը աննկատ է մնում, քանի որ նրանք ավելի քիչ հավանական է, որ փորձարկումներ կատարեն, և նրանք դա փոխանցում են ուրիշներին ՝ անգիտակցաբար։ Բայց MIT-ի թիմը մշակել է ծրագիր՝ օգտագործելով տասնյակ հազարավոր հազից ստացված ձայնային մուտքագրումը և հազով տառապող մարդկանց ամբոխից ստացված կլինիկական տեղեկատվությունը՝ փորձելով հայտնաբերել տարբերությունները, թե ինչպես է սիմպտոմատիկ COVID-19 հիվանդը հազում, համեմատած որևէ մեկի հետ։ ով չունի այդ հիվանդությունը, չնայած բժիշկներին այն նույնն է թվում։ Եթե հետազոտողները կարողանան ցույց տալ, որ արհեստական բանականության համակարգը լավ է տարբերակում COVID-19-ը այլ շնչառական վարակներից մի շարք հաստատված ախտորոշումներով անհատների ներկայացուցչական նմուշի մեջ, նման համակարգը կարող է ի վերջո լինել COVID-19 դեպքերը բացահայտելու էժան և արագ միջոց[4]։

Հարավային Կորեա․ Թեստավորում Covid-ի համար[խմբագրել | խմբագրել կոդը]

Ամենակարևոր բաներից մեկը, որի հետ մենք պետք է առնչվենք, պարզելն է, թե ով է վարակված ՝ արագ։ Դեռևս այն ժամանակ, երբ մնացած աշխարհը դեռ մտածում էր, թե արդյո՞ք ժամանակն է առաջին արգելափակման մեջ մտնելու, Սեուլում գտնվող ընկերությունն ընդամենը շաբաթների ընթացքում օգտագործեց ԱԲ- ն ՝ COVID-19 թեստ մշակելու համար։ Առանց ԱԲ- ի նրանցից ամիսներ կպահանջվեր այն ստանալու համար։ Seegene- ի գիտնականները հավաքածուների համար հումք պատվիրեցին հունվարի 24 -ին, և մինչև փետրվարի 5 -ը թեստի առաջին տարբերակը պատրաստ էր։ Սա արդեն երրորդ դեպքն էր, երբ ընկերությունն օգտագործում էր իր գերհամակարգիչը և Big Data- ի վերլուծությունը ՝ թեստ պատրաստելու համար։ Բայց նրանք, հավանաբար, ինչ-որ բան ճիշտ էին արել, քանի որ մինչև 2020 թվականի մարտի կեսերը միջազգային զեկույցները ենթադրում էին, որ Հարավային Կորեան փորձարկել է 230,000 մարդու։ Եվ, գոնե որոշ ժամանակ, երկիրը կարողացավ  համեմատաբար անփոփոխ պահել նոր վարակների թիվը[2]։

Ինչպե՞ս կարող է արհեստական բանակնությունը ճանաչել օգտակար դեղամիջոցները։[խմբագրել | խմբագրել կոդը]

ԱԲ- ի ներուժը ` ընդգծելու այն դեղերը, որոնք կարող են օգտագործվել Covid-19- ի դեմ, ցուցադրվեց այս տարի Քեմբրիջի համալսարանի և այլ հաստատությունների հետազոտողների կողմից հրապարակված ուսումնասիրությամբ։

Նրանք արհեստական ինտելեկտի միջոցով օգտագործեցին սպիտակուցներն ու կենսաքիմիական գործընթացները, որոնք ներգրավված էին SARS-CoV-2 վարակի մեջ, ինչը ընդգծեց թիրախները, որոնց վրա դեղերը կարող են գործել։

Օգտագործելով արհեստական բանականությունը ՝ հետազոտողները զննել են գրեթե 2000 դեղամիջոց, որոնք օգտագործվում են այլ պայմանների համար և պարզել են, որ մոտ 10 տոկոսը պոտենցիալ ունի COVID-19-ի դեմ օգտագործելու համար։

Դրանցից 40-ն արդեն փորձարկվում էին կլինիկական փորձարկումներում Covid-19- ի դեմ արդյունավետության համար, ինչը, ինչպես ասում էին հետազոտողները, ցույց տվեց, որ իրենց մոտեցումը արդյունավետ էր օգտակար դեղամիջոցներ գտնելու հարցում[1][8]։

Եզրակացություններ[խմբագրել | խմբագրել կոդը]

Ներառված ուսումնասիրությունները ցույց են տվել, որ ԱԲ-ն ունի COVID-19-ի դեմ պայքարելու ներուժ։ Չնայած, առաջարկվող մեթոդներից շատերը դեռևս կլինիկորեն ընդունված չեն,այնուամենայնիվ տեխնոլոգիան գնալով ավելի արժեքավոր է դառնում հիվանդությունների ախտորոշման մեջ, հիվանդների համար կանխատեսումներ մշակելու և ավելի լավ բուժում ապահովելու համար[9]։

Ծանոթագրություններ[խմբագրել | խմբագրել կոդը]

  1. 1,0 1,1 «How artificial intelligence is boosting the fight against Covid-19». The National. Վերցված է 2021 թ․ հոկտեմբերի 25-ին.
  2. 2,0 2,1 Welle (www.dw.com), Deutsche. «COVID: Artificial intelligence in the pandemic | DW | 30.08.2021». DW.COM (բրիտանական անգլերեն). Վերցված է 2021 թ․ հոկտեմբերի 25-ին.
  3. Henry., Winston, Patrick (1999). Artificial intelligence. Addison-Wesley. ISBN 0-201-85504-6. OCLC 61430713.{{cite book}}: CS1 սպաս․ բազմաթիվ անուններ: authors list (link)
  4. 4,0 4,1 «How artificial intelligence could help the fight against COVID-19». www.gavi.org (անգլերեն). Վերցված է 2021 թ․ հոկտեմբերի 25-ին.
  5. «Artificial Intelligence in the Fight Against COVID-19 in the Banking Sector». Advances in Machine Learning & Artificial Intelligence. 1 (1). 2020 թ․ հոկտեմբերի 3. doi:10.33140/amlai.01.01.02. ISSN 2769-545X.
  6. «The role of artificial intelligence in the fight against Covid-19». Smart Cities World (անգլերեն). Վերցված է 2021 թ․ հոկտեմբերի 25-ին.
  7. Majumder, Soumi; Biswas, Debasish (2020 թ․ դեկտեմբերի 12). COVID-19 Impacts Construction Industry: Now, then and Future. Singapore: Springer Singapore. էջեր 115–125.
  8. Raza, Khalid; Maryam; Qazi, Sahar (2020 թ․ հոկտեմբերի 17). An Introduction to Computational Intelligence in COVID-19: Surveillance, Prevention, Prediction, and Diagnosis. Singapore: Springer Singapore. էջեր 3–18.
  9. Abd-Alrazaq, Alaa; Alajlani, Mohannad; Alhuwail, Dari; Schneider, Jens; Al-Kuwari, Saif; Shah, Zubair; Hamdi, Mounir; Househ, Mowafa (2020 թ․ դեկտեմբերի 15). «Artificial Intelligence in the Fight Against COVID-19: Scoping Review». Journal of Medical Internet Research. 22 (12): e20756. doi:10.2196/20756. ISSN 1439-4456. PMC 7744141. PMID 33284779.{{cite journal}}: CS1 սպաս․ չպիտակված ազատ DOI (link)