AI v Covid-19: hoe kan AI helpen bij het volgen en onderzoeken van Covid-19?

2020 is een vreemd jaar geweest met het Covid-19-virus. Medische technici en wetenschappers over de hele wereld proberen een vaccin te vinden en het in bedwang te houden. Dit is niet alleen belangrijk voor het menselijk leven, maar ook voor bedrijven en de impact die het wereldwijd heeft gehad.

AI v Covid-19: hoe kan AI helpen bij het volgen en onderzoeken van Covid-19?

Volgens Coronavstats waren er op 21 september 2020 in het VK momenteel 398.625 infecties en een sterftecijfer van 41.788. Het huidige sterftecijfer van iets meer dan 10% van de totale gevallen is alarmerend. Het is vastgesteld dat de spreiding exponentieel is. Daarom is insluiting van vitaal belang, in de technische wereld wordt AI gebruikt om te helpen bij het ontdekken en insluiten van vaccins. AI kan worden gebruikt om sneller de juiste vaccinaties te vinden door eerdere vaccinaties te analyseren op basis van vergelijkbare eiwitstructuren van de infectie en verspreiding.

Gezondheidscentra maken steeds meer gebruik van kunstmatige intelligentie. Scansystemen voor röntgenfoto's op de borst kunnen het virus automatisch detecteren en gebruikmaken van beeldherkenning met behulp van AI-mogelijkheden. AI biedt veel snellere verwerking. Regelgevers en overheidsinstanties verzamelen vervolgens de gegevens en maken deze beschikbaar voor meerdere entiteiten. Onderzoekers en microbiologen gebruiken die en andere gegevens om betere medicijnen te maken door de impact van medicijnen te analyseren en het virus en andere bacteriën te identificeren, zoals Artsen Zonder Grenzen.

Artsen Zonder Grenzen en Tenserflow Lite

AI v Covid-19: hoe kan AI helpen bij het volgen en onderzoeken van Covid-19?

Een voorbeeld van het mogelijke gebruik van AI bij het vinden van een vaccin is te vinden in huidig ​​medisch onderzoek naar de identificatie van bacteriën, zoals te zien is in deze YouTube-video. Artsen Zonder Grenzen is een liefdadigheidsinstelling die medische zorg biedt over de hele wereld en in meer dan 70 landen een reeks antibiotica voorschrijft. Ze hebben ontdekt dat steeds meer patiënten besmet zijn met multiresistente bacteriën. Het is mogelijk dat hetzelfde concept kan worden gebruikt voor Covid-19, bij het gebruik van AI, en Googles TensorFlow. TensorFlow is het gratis en open-source AI-aanbod van Google en, TensorFlow Lite (gebruikt door Artsen Zonder Grenzen), de mobiele versie kan worden gedownload op iOS en Android.

Wat Artsen Zonder Grenzen ontdekte, is dat patiënten vaak de verkeerde antibiotica krijgen, omdat ze niet precies kunnen achterhalen met welk virus een patiënt mogelijk besmet is. Ze gebruiken TensorFlow om de juiste antibiotica voor hun patiënten te identificeren.

Dit brengt verschillende uitdagingen met zich mee. Om bacteriën te identificeren, zijn meerdere tests nodig om te weten met welk type bacterie ze te maken hebben. Er is een extra stap, namelijk het interpreteren van de resultaten in veel van de landen waar Artsen zonder Grenzen actief zijn. Helaas zijn er niet genoeg ervaren medewerkers van microbiologen om deze interpretaties te doen. AI zou een mogelijke oplossing voor dit probleem kunnen zijn, in die zin dat ze in plaats van het personeel van microbiologen te vervangen, het bestaande personeel helpen bij het interpreteren van diagnosetests in een kortere tijdschaal, door TensorFlow lite te gebruiken dat beschikbaar is op een reeks mobiele telefoons, in al hun klinieken . De applicatie hoeft niet online te zijn, dus kan worden gebruikt in gebieden met een slecht signaal.

TensorFlow maakt gebruik van computervisie en machine learning met Python om interacties tussen bacteriën en antibiotica te detecteren, waarbij uitsluitend een afbeelding van de petrischaal wordt gebruikt. Door het gebruik van deze technologie slaagde Artsen Zonder Grenzen erin om binnen enkele dagen een testmodel te trainen. Het bleek ook verrassend snel en gemakkelijk te zijn. Ze hebben een prototype ontwikkeld met als doel diagnostische tests overal ter wereld beschikbaar, gemakkelijk en betaalbaar te maken. Deze applicatie zou een game-changer kunnen zijn bij het helpen van miljoenen mensen over de hele wereld, vooral als het kan worden aangepast in de jacht op een vaccin voor Covid-19, evenals tal van andere ziekten. Het kan ook helpen bij het geven van advies over de beste beheerpraktijken.

Het werkt door middel van objectdetectie, met behulp van vooraf geannoteerde afbeeldingen, van ziektebacteriën en vergelijkingen met een foto van een petrischaal. Het is in staat om in minder dan een seconde voorspellingen te doen. Het mooie van het systeem dat TensorFlow biedt, is dat in plaats van duizenden regels code te moeten schrijven, er een bibliotheek met functies is waarmee in veel minder tijd verschillende architecturen kunnen worden gebouwd. Het kan deze landelijke netwerken verkleinen, zodat ze op een mobiel apparaat passen. Menselijke inbreng is cruciaal voor het proces. Het kan heel snel door honderden miljoenen afbeeldingen gaan en kan worden aangepast om verschillende soorten neurale netwerken te creëren.

In de zoektocht naar een vaccin voor Covid-19, zou de strategie van Artsen Zonder Grenzen een goede start kunnen zijn met het gebruik van AI met behulp van TenserFlow.

TensorFlow Lite op Android-voorbeeld

Met TensorFlow kunt u snel machine learning-modellen uitvoeren op mobiele apparaten met een lage latentie, zodat u classificaties kunt uitvoeren zonder dat u herhaaldelijk netwerkoproepen naar een server hoeft te doen. Het is beschikbaar op Android en iOS via een C ++ API. Er is een Java-wrapper voor Android-apparaten die dit kan ondersteunen. De tolk gebruikt Android-API voor neurale netwerken voor hardwareversnelling.

De app is gebouwd met behulp van een mobiel netmodel. Mobiele netten zijn klein en verbruiken weinig stroom. Modellen kunnen worden ontworpen voor verschillende gebruiksscenario's, zoals objectdetectie, zoals verschillende soorten planten of bomen. Het biedt een fijnmazige classificatie. Er zijn verschillende vooraf opgeleide, standaardmodellen beschikbaar om mee te werken.

Wanneer u voor het eerst met TensorFlow lite werkt, is het raadzaam om met deze voorgebouwde modellen te werken. TensorFlow Lite ondersteunt echter nog niet alle functies van de volwaardige TensorFlow.

Om TensorFlow op mobiele apparaten te gebruiken, moet u de TensorFlow lite-bibliotheken opnemen. Dit wordt bereikt door uw builds gradle-bestand te bewerken om ervoor te zorgen dat u ze opneemt. De volgende stap is het importeren van een TensorFlow-interpreter. De tolk laadt een model en stelt u in staat het uit te voeren door het te voorzien van een reeks ingangen. TensorFlow lite voert het model uit en schrijft de outputs. Het is een eenvoudig proces, ook al is de technologie erachter complex.

Het model moet worden opgeslagen in de applicatie-assets. De code leest het model dan rechtstreeks van daaruit, hoewel een model vanaf elke locatie kan worden geladen. Zodra het model is geladen, kan een tolk worden geïnstantieerd.

In het geval van het medisch onderzoek leest de applicatie frames uit de camera en zet die om in beelden. Deze afbeeldingen (in het geval van Artsen Zonder Grenzen, een petrischaaltje) worden gebruikt als invoer voor het model, dat retourwaarden uitvoert. Deze waarden zijn een index voor het juiste label (in dit geval de identificatie van bacteriën), en de duizenden vooraf voorbereide, geannoteerde afbeeldingen komen dan overeen met dat label.

Meer informatie over het trainen van TensorFlow-modellen vindt u in deze videogids voor het uitvoeren van TensorFlow-modellen op Android.

Covid-19-detectie met behulp van UiPath Fabric

2020 is een vreemd jaar geweest met het Covid-19-virus. Medische technici en wetenschappers over de hele wereld proberen een

UiPath is een bedrijf dat gespecialiseerd is in AI-oplossingen voor automatisering. Onderzoekers van de Universiteit van Waterloo en Darwin hebben UiPath Fabric, een Open Source Initiative, gebruikt om een ​​neuraal netwerkmodel te ontwerpen om COVID-19-gevallen te detecteren met behulp van röntgenfoto's op de borst. Het model is getraind op een openbaar beschikbare dataset bestaande uit 76 afbeeldingen van patiënten met covid 19, zoals geïllustreerd in deze YouTube-video.

De workflow is eenvoudig en bestaat uit een bestand en een röntgenfoto. Deze worden naar het machine learning-model gestuurd, dat de resultaten weergeeft. De applicatie vraagt ​​om een ​​afbeelding. Dit alles wat je nodig hebt om het model te trainen van mensen zonder ziekte en om onderscheid te maken tussen mensen met longontsteking en mensen met COVID-19. De uitvoer is een classificatieresultaat van machine learning.

Dus voor elke röntgenfoto van de borstkas of CT-scan geeft de software een voorspelling dat het beeld afkomstig is van een patiënt met Covid-19. In deze fase van het onderzoek is het geen productieversie, maar een voorlopig experiment.

AI wordt gebruikt om te helpen bij onderzoek om Covid-19 in te dammen en mogelijk om een ​​virus te ontdekken. Mobiele apps, zoals TensorFlow Lite, kunnen controleren of een persoon het virus heeft door gebruikersinvoer in te voeren, automatisch gegevens over hun locatie op te halen en ze te beoordelen op basis van een bepaald risico. U kunt zich een situatie voorstellen waarin, als de mobiele locatie van een bevestigde patiënt altijd bekend is, de overheid mensen kan waarschuwen die in contact zijn geweest met die persoon. Dit staat bekend als "Track and Trace".

Bert, een ander Google AI-initiatief, wordt toegepast op deze enorme dataset om nuttige informatie over het virus te extraheren met behulp van Natural Language Processing (NLP). NLP kan worden gebruikt om de eiwitstructuur te begrijpen en om potentiële vaccinaties sneller te ontwikkelen, inclusief het verstrekken van informatie over de gebieden waar mensen worden getroffen.

Dit zou microbiologen ook moeten helpen de behandelingsopties te begrijpen, eventuele bijwerkingen in overweging te nemen en de juiste dosering te bepalen. Bert bekijkt woorden en zinnen vanuit beide richtingen, van links naar rechts en van rechts of links, zodat ze bepaalde woorden in een volledige context kunnen begrijpen en identificeren. Dus met een combinatie van AI-modellen, zoals TensorFlow en Bert voor natuurlijke taalverwerking om microbiologen te helpen, is een vaccin voor Covid-19 misschien niet al te ver weg, maar het is nog steeds een werk in uitvoering. AI is nuttig gebleken, zoals deze voorbeelden hebben laten zien, om een ​​oplossing te bieden voor een mogelijk Covid-19-vaccin en trackingcapaciteit.

Facebook Twitter Google Plus Pinterest