Sztuczna inteligencja kontra pandemia Covid-19

Może się powtarzamy w naszych artykułach pisząc, jak ogromny wpływ na dzisiejszy świat ma sztuczna inteligencja, jednak jest to niezaprzeczalny fakt, którego powinniśmy być świadomi. Na naszym blogu mogliście już poczytać (między innymi) o tym, jakie zastosowania AI są obecne w codziennym życiu każdego z nas lub o tym, jaką rolę sztuczna inteligencja odgrywa w wojnie na Ukrainie. Ten obszar ma jeszcze wiele innych zastosowań, a dzisiaj chcielibyśmy przedstawić wam, jak AI była (i pod wieloma względami nadal jest) używana do walki z pandemią Covid-19.

Ta pandemia dotknęła każdy zakątek naszego globu, a społeczeństwo na całym świecie stanęło przed wyjątkowymi wyzwaniami. Dyskusje skupiały się nie tylko na natychmiastowych zagrożeniach niesionych przez niewidzialnego wroga w postaci koronawirusa, ale również na innowacyjnych strategiach, które pomagały w opanowywaniu tej sytuacji. W tym kontekście, sztuczna inteligencja okazała się kluczowym sojusznikiem. Dzięki możliwości wykorzystania mocy danych, algorytmów uczenia maszynowego i innych zaawansowanych technologii wprowadzono innowacyjne rozwiązania w obszarach diagnostyki, prognozowania, zarządzania danymi oraz opracowywania leków.

Ten artykuł nie skupia się jedynie na teorii, ale zgłębia konkretne projekty i technologie, które zmieniły oblicze zarządzania kryzysowego w czasach globalnego zagrożenia. Jesteście ciekawi, w jaki konkretny sposób AI wspierała walkę z pandemią? Jeśli tak, to zapraszamy do przeczytania dalszej części!

Szybkie analizy i prognozy przy użyciu AI

Ponieważ pandemia koronawirusa rozwijała się bardzo dynamicznie, szybkość analizy ogromnych ilości danych i precyzyjne prognozy stały się kluczowymi elementami skutecznego zarządzania tą kryzysową sytuacją. Sztuczna inteligencja, z wyjątkową zdolnością do przetwarzania danych w czasie rzeczywistym, odegrała znaczącą rolę w tym obszarze.

Jednym z przykładów zastosowań AI jest tutaj analiza globalnych i lokalnych trendów epidemiologicznych. Systemy oparte na uczeniu maszynowym potrafią identyfikować wzorce występowania koronawirusa, co pozwoliło na skuteczne przewidywanie obszarów z potencjalnie wysokim ryzykiem wystąpienia tego patogenu. Przykładem projektu wykorzystywanego w tym celu jest IHME COVID-19 Forecasting Model. Jest to model opracowany przez Institute for Health Metrics and Evaluation wykorzystujący algorytmy uczenia maszynowego do prognozowania liczby zakażeń, hospitalizacji i zgonów związanych z COVID-19. Jego elastyczność pozwala dostosować się do zmieniającej się sytuacji na bieżąco. Ze względu na to, że pandemia wyhamowała, IHME zatrzymało prognozy w grudniu 2022, co nie zmienia faktu, że to narzędzie okazało się niezwykle przydatne w walce z koronawirusem.

Sztuczna inteligencja była również używana do prognozowania potrzeb medycznych, takich jak ilość respiratorów, leków czy personelu medycznego. Dzięki temu możliwe było efektywne przygotowanie i rozdzielenie zasobów w zależności od zapotrzebowania. Do prognozowania potrzeb używano m.in. Google COVID-19 Mobility Reports, czyli narzędzia analizującego dane lokalizacyjne z telefonów komórkowych. Pozwoliło to na monitorowanie ruchu społecznego, co było kluczowe dla prognozowania potrzeb medycznych w różnych regionach – dzięki temu narzędziu wiadomo było, na jakich obszarach było najwięcej potrzebujących ludzi, a tym samym, gdzie powinno być rozlokowanych najwięcej zasobów. Podobnie jak w przypadku IHME Covid-19 Forecasting Model, Google również nie publikuje swoich raportów od października 2022.

AI okazała się niezwykle przydatna w dostosowywaniu strategii działania w sposób dynamiczny z uwzględnieniem szybko zmieniającej się sytuacji. Algorytmy adaptacyjne wspomagały podejmowanie decyzji w oparciu o jak najbardziej aktualne dane epidemiologiczne. Przykładowo, do opracowywania strategii medycznych wykorzystywano oprogramowanie kanadyjskiej firmy BlueDot. Ta firma specjalizuje się w szybkim wykrywaniu ognisk epidemiologicznych różnych chorób, nie tylko Covid-19. Model firmy BlueDot wykorzystuje algorytmy uczenia maszynowego do analizy danych z setek źródeł, dostarczając dynamiczne informacje na temat zmian w sytuacji epidemiologicznej i wspierając podejmowanie decyzji zdrowotnych. Ciekawostką jest fakt, że to właśnie ta firma jako pierwsza ogłosiła światu, że w Wuhan w Chinach odnotowano przypadki wystąpienia nieznanego dotąd wariantu koronawirusa – dopiero 9 dni po alercie BlueDot swoje oświadczenie opublikowała Światowa Organizacja Zdrowia (WHO). BlueDot ekspresowo też oszacowało, do jakich regionów dotrze wirus z Wuhan na podstawie danych pochodzących z komercyjnych linii lotniczych. Ich szacunki się potwierdziły – w 11 pierwszych miastach z ich listy potencjalnych kolejnych miejsc, w których pojawi się wirus, okazały się być pierwszymi lokalizacjami, do których rzeczywiście dotarł.

Sztuczna inteligencja nie tylko dostarczała istotnych informacji w szybki i skuteczny sposób, ale również stała się kluczowym narzędziem do zarządzania i prognozowania w czasie rzeczywistym, pomagając szybko reagować na zmieniającą się sytuację pandemii. W kolejnych sekcjach artykułu przyjrzymy się bliżej innym obszarom, gdzie sztuczna inteligencja odgrywała ważną rolę.

Diagnostyka medyczna

W trakcie pandemii Covid-19 sztuczna inteligencja stała się niezastąpiona również w dziedzinie diagnostyki medycznej. W tym obszarze, gdzie szybkość i precyzja są kluczowe, AI wspierała lekarzy w dokładnym rozpoznawaniu cech charakterystycznych zakażenia.

Rozpoznawanie cech typowych dla COVID-19 na obrazach medycznych było jednym z kluczowych zastosowań sztucznej inteligencji. AI była używana w analizie wyników badań  rentgenowskich, tomografii komputerowej i innych badań obrazowych. Przykładowo, projekt InnerEye (Microsoft) wykorzystujący algorytmy uczenia maszynowego wspomagał lekarzy w błyskawicznej identyfikacji objawów związanych z Covid-19 na podstawie badań obrazowych płuc.

Szybka ocena wyników testów diagnostycznych była kolejnym obszarem, w którym sztuczna inteligencja odegrała znaczącą rolę. AI umożliwiła szybką interpretację wyników testów wykrywających zakażenie koronawirusem, wspomagając skuteczniejsze podejmowanie decyzji dotyczących leczenia i izolacji pacjentów. Firma Tempus, wykorzystująca sztuczną inteligencję, pomagała w analizie wyników testów diagnostycznych. Ta firma prowadziła też szereg projektów, które miały za zadanie dostarczyć danych dotyczących pacjentów z innymi chorobami, np. onkologicznymi, dla których koronawirus był szczególnie groźny. Takie dane i ich analiza wspierały lekarzy w podejmowaniu decyzji dotyczących leczenia.

Monitorowanie przestrzegania zasad kwarantanny

W dobie pandemii, skuteczne monitorowanie przestrzegania zasad kwarantanny stało się kluczowym elementem kontroli rozprzestrzeniania się wirusa. Sztuczna inteligencja umożliwiła zastosowanie rozwiązań w zakresie monitorowania przemieszczania się i przestrzegania określonych wytycznych.

Wśród przykładów zastosowań sztucznej inteligencji w monitorowaniu kwarantanny wymienia się systemy wykorzystujące dane z telefonów komórkowych. Jedną z konkretnych technologii jest Bluetooth Contact Tracing, która umożliwia śledzenie bliskich kontaktów pomiędzy osobami za pomocą sygnałów Bluetooth. Dzięki temu systemowi, władze mogły skutecznie identyfikować osoby, które miały kontakt z potencjalnie zakażonymi jednostkami, co pozwalało na szybkie odizolowanie osób mających kontakt z wirusem.

Dodatkowo, technologia geolokalizacji w telefonach komórkowych pozwala na dokładne śledzenie ruchu ludzi. Przykładowo, aplikacje mobilne wykorzystujące tę technologię mogły informować władze o tym, czy ludzie, którzy powinni być na kwarantannie, przemieszczają się poza określone obszary.

W kontekście wykorzystania technologii w systemach monitoringu publicznego warto wspomnieć o kamerach termowizyjnych z funkcją rozpoznawania twarzy. Te zaawansowane kamery potrafiły sprawdzić, czy ludzie noszą maseczki ochronne oraz czy zachowują odpowiedni dystans społeczny. 

Powyższe technologie z pewnością wspomagały kontrolę nad rozprzestrzenianiem się wirusa i podnosiły skuteczność działań władz w tym zakresie. Jednak warto wspomnieć, że takie rozwiązania stosowane przez władze zazwyczaj budzą sporo kontrowersji ze względu na obawy dotyczące prywatności i swobód obywatelskich. Jednak w przypadku niektórych technologii, np. Bluetooth Contact Tracing, potrzebna jest zgoda użytkownika na jej stosowanie.

Badania nad lekami i opracowywanie szczepionek

W kontekście pandemii Covid-19, sztuczna inteligencja znacznie przyspieszyła proces badawczy nad lekami oraz opracowywanie skutecznych szczepionek. Działała (i nadal działa) jako potężne narzędzie wspierające naukowców w identyfikacji potencjalnych substancji aktywnych zwalczających koronawirusa. Algorytmy oparte na uczeniu maszynowym, analizując ogromne ilości danych chemicznych i biologicznych, przyspieszyły proces identyfikacji związków o potencjalnych właściwościach terapeutycznych. Przykładem może być firma Atomwise, która wykorzystuje sztuczną inteligencję do przewidywania, jakie związki chemiczne mogą być skuteczne w zwalczaniu konkretnych chorób, w tym również Covid-19.

W zakresie opracowywania szczepionek, symulacje molekularne wspierające projektowanie szczepionek stały się niezwykle istotnym narzędziem. Sztuczna inteligencja przyspiesza proces modelowania struktury molekularnej i oddziaływań antygenów, co pozwala na szybsze opracowanie potencjalnych szczepionek. Przykładem może być projekt DeepMind AlphaFold, który, oprócz predykcji struktury białek, może wspomagać identyfikację skutecznych antygenów do szczepionek przeciwwirusowych. Odchodząc na chwilę od tematu koronawirusa – projekt AlphaFold jest uznawany za przełomowy ze względu na zdolność tego systemu do precyzyjnego przewidywania trójwymiarowej struktury białek, które było jednym z największych wyzwań w biologii strukturalnej. Dzięki temu projektowi naukowcy mogą szybciej i taniej opracowywać nowe leki (a to tylko jedna z zalet używania tego otwartego dla badaczy systemu).

Jak widać na podstawie powyższych przykładów (a jest ich znacznie więcej, ale nie zdołamy opisać wszystkich w jednym artykule), sztuczna inteligencja miała znaczący wkład nie tylko w rozpoznawaniu zakażeń, ale także w leczeniu Covid-19.

Zarządzanie danymi i logistyka

W trakcie pandemii Covid-19, efektywne zarządzanie danymi epidemiologicznymi oraz sprawne planowanie i monitorowanie dostępności sprzętu medycznego stały się kluczowymi elementami skutecznej reakcji na kryzys zdrowotny. Dzięki sztucznej inteligencji możliwe było dynamiczne dostosowywanie się do zmieniającej się sytuacji.

Systemy zarządzania danymi epidemiologicznymi, wspierane przez sztuczną inteligencję, umożliwiały gromadzenie, analizę i raportowanie danych związanych z rozprzestrzenianiem się wirusa. Przykładem może być platforma Johns Hopkins University Coronavirus Resource Center, która wykorzystuje zaawansowane algorytmy do prezentacji rzetelnych i aktualnych informacji dotyczących zakażeń, zgonów i wielu innych ważnych wskaźników.

W obszarze logistyki, algorytmy optymalizujące dostawy leków i sprzętu medycznego stały się nieocenionym narzędziem. Dzięki sztucznej inteligencji możliwe było precyzyjne planowanie tras dostaw, uwzględniające zmienną sytuację epidemiologiczną. Przykładem jest Zipline, firma specjalizująca się w dronach medycznych (i nie tylko), które dostarczają leki i krew w trudno dostępne regiony. Ich algorytmy uwzględniają dane dotyczące zapotrzebowania, lokalizacji placówek medycznych oraz ewentualnych utrudnień w transporcie. Przykładem jest również firma UPS, która wdrożyła systemy sztucznej inteligencji do optymalizacji tras dostaw, zmniejszając czas transportu i minimalizując ryzyko opóźnień w dostawach niezbędnych materiałów medycznych.

Powyższe przykłady systemów bez wątpienia przyczyniły się do efektywnej organizacji działań w walce z pandemią.

Wyzwania i etyczne aspekty

W czasie pandemii Covid-19, rozwój technologii opartych na sztucznej inteligencji wniósł wiele korzyści w zwalczanie koronawirusa, jednak pojawiły się także ważne kwestie związane z prywatnością danych i etyką.

Jak już wspomnieliśmy, monitorowanie społeczeństwa przy użyciu technologii sztucznej inteligencji, takich jak analiza lokalizacji przy użyciu telefonów komórkowych czy stosowanie kamer monitorujących przestrzeń publiczną, stworzyło wyjątkowe możliwości śledzenia rozprzestrzeniania się wirusa. Według specjalistów takie technologie powinny być używane z poszanowaniem prywatności obywateli. Dane powinny być ściśle kontrolowane oraz powinno się stosować odpowiednie mechanizmy anonimizacji.

Pod względem etycznym, wykorzystanie sztucznej inteligencji w medycynie stawia przed nami pytania dotyczące transparentności, uczciwości, a także sprawiedliwości w dostępie do nowoczesnych technologii. Przy projektowaniu i wdrażaniu systemów opartych na sztucznej inteligencji w obszarze medycznym, konieczne jest uwzględnienie etycznych ram prawnych, aby zapewnić uczciwość i równość. Odpowiedzialne praktyki obejmują również edukację społeczeństwa na temat korzyści, ryzyka i celowości stosowania tych technologii, z jednoczesnym szacunkiem dla praw pacjentów i ich prywatności. Jest to niezwykle ważny aspekt stosowania rozwiązań AI.

 Perspektywy na przyszłość

W kontekście zwalczania pandemii, sztuczna inteligencja wykazała się niezastąpioną siłą. W tym artykule opisaliśmy kluczowe aspekty, które czynią technologię AI wartościowym partnerem w dziedzinie zdrowia publicznego. Sztuczna inteligencja odegrała niezwykle istotną rolę w zwalczaniu pandemii, przyspieszając procesy decyzyjne i dostarczając istotnych informacji. Jednak działa to też w drugą stronę – to pandemia niejako wymusiła szybszy rozwój technologii, które mogą być używane w medycynie. 

Sztuczna inteligencja, pełniąc kluczową rolę w walce z pandemią, pozostawiła trwały ślad na przyszłości dziedziny zdrowia publicznego. W tym artykule używamy czasu przeszłego mówiąc o zastosowaniach AI w walce z Covid-19 tylko dlatego, że pandemia jest już szczęśliwie za nami. Należy jednak mieć na uwadze, że rozwiązania stosowane w tej walce nadal są i będą używane w medycynie. Eksperci w dziedzinie sztucznej inteligencji skupią się na eksplorowaniu nowych kierunków rozwoju. To może obejmować zaawansowane algorytmy przewidujące pojawienie się nowych chorób, umożliwiając bardziej efektywną prewencję i reakcję na zagrożenia zdrowotne.

W kontekście zdrowia publicznego, innowacje technologiczne z pewnością będą kluczowe. Nowe modele uczenia maszynowego pozwolą na bardziej precyzyjne prognozowanie, a nowoczesne narzędzia wspierające szybką reakcję na lokalne ogniska chorób mogą wpłynąć na skuteczność działań.

Kluczowym elementem dalszego rozwoju technologii opartych na sztucznej inteligencji będzie również współpraca. Współdziałanie między sektorem publicznym, prywatnym a akademickim stanie się fundamentem skutecznego wdrożenia innowacji w praktyce.

Jednego możemy być pewni – sztuczna inteligencja będzie dalej ewoluować, wspierając długoterminowe cele zdrowia publicznego.