Am 31.
Dezember machte BlueDot, ein in Toronto ansässiges Unternehmen, das künstliche Intelligenz einsetzt, um die Ausbreitung von Infektionskrankheiten zu verfolgen, seine Kunden auf eine Reihe ungewöhnlicher Lungenentzündungsfälle in Wuhan, China, aufmerksam.
Neun Tage später bestätigte die Weltgesundheitsorganisation in Wuhan die Entdeckung eines neuartigen Coronavirus namens COVID-19.
Heute ist COVID-19 eine Pandemie, die sich auf 180 Länder ausgeweitet hat, mehr als 83.000 Menschenleben forderte und eine nahezu globale Sperrung auslöste.
Und im Moment besteht die beste Lösung, um die Ausbreitung des Virus einzudämmen, darin, die persönliche Hygiene zu verbessern und soziale Distanzierung zu üben.
In der Zwischenzeit arbeiten Politiker, Wissenschaftler und Forscher zusammen, um systematische Wege zur Bekämpfung des Virus und zur Versorgung der Patienten zu finden.
Und sie bekommen dringend benötigte Hilfe von künstlicher Intelligenz.
Verfolgung der Ausbreitung des Virus
BlueDot verwendet eine Kombination aus künstlicher Intelligenz und menschlichem Fachwissen, um die Ausbreitung von Infektionskrankheiten auf der ganzen Welt zu verfolgen.
Seine Algorithmen konsolidieren und analysieren Daten aus Quellen, einschließlich Nachrichtenberichten, Aussagen von Gesundheitsorganisationen, kommerziellen Flügen und Berichten über die Tiergesundheit.
Mithilfe von maschinellem Lernen und Verarbeitung natürlicher Sprache durchsucht BlueDot das Datenmeer nach Mustern, die auf den Beginn eines infektiösen Ausbruchs hindeuten könnten.
Die Ergebnisse werden dann von einem Expertenteam überprüft, das sich aus Epidemiologen, Ärzten, Tierärzten und Datenwissenschaftlern zusammensetzt und entscheidet, welche der Signale weiter untersucht werden müssen.
Der Abschlussbericht wird an BlueDot-Kunden wie Regierungen und Unternehmen gesendet.
Zusätzlich zu Hotspots kann die KI anhand von Flugdaten und Bewegungsmustern die Ausbreitung von Infektions- und Ansteckungskrankheiten vorhersagen.
BlueDot prognostizierte erfolgreich mehrere Städte, in denen sich COVID-19 zum ersten Mal ausbreiten würde, nachdem es in Wuhan aufgetaucht war.
Unter normalen Umständen bietet BlueDot seine Plattform als kommerzielle Anwendung an.
Aber heutzutage hilft das Unternehmen den Regierungen, die Verbreitung von COVID-19 zu verfolgen.
In Zukunft können KI-Technologien wie die von BlueDot als Frühwarnsysteme dienen, um Regierungen dabei zu helfen, Pandemien im Keim zu ersticken.
„BlueDot ist demütig und dankbar für die Gelegenheit, unser Know-how in Bezug auf Infektionskrankheiten, Big Data-Analyse und digitale Technologien mit den Bemühungen der kanadischen Regierung zu kombinieren, Leben zu schützen und die Auswirkungen von COVID-19 hier zu Hause und auf der ganzen Welt zu mildern ", Sagte Dr.
Kamran Khan, Arzt für Infektionskrankheiten und CEO von BlueDot.
„Wir befinden uns auf unbekanntem Gebiet, da ein mikroskopisch kleines Virus jetzt unseren gesamten Planeten zerstört.
Die COVID-19-Pandemie hat die Notwendigkeit aufgezeigt, Systeme zu implementieren, die proaktiv das Risiko von Infektionskrankheiten steuern, die in unserer sich schnell verändernden Welt in Häufigkeit, Umfang und Auswirkungen zunehmen.
Und mit größerer Bereitschaft können wir diesen Bedrohungen einen Schritt voraus sein, um eine gesündere, sicherere und erfolgreichere Welt zu schaffen.
“
Erkennung einer COVID-19-Infektion in medizinischen Bildern
Virale Testkits sind Mangelware, und Wissenschaftler und Forscher haben nach alternativen Wegen gesucht, um COVID-19-Infektionen zu finden.
Eine mögliche Lösung ist die Untersuchung von Röntgen- und CT-Untersuchungen des Brustkorbs, die in Krankenhäusern leichter verfügbar sind und Infektionen zeigen können, die durch COVID-19 verursacht werden.
Die Herausforderung bei der Verwendung der Brustbildgebung bei Diagnosen besteht darin, dass es schwierig ist, den Unterschied zwischen COVID-19 und anderen Infektionen wie Influenza zu erkennen.
Das American College of Radiology (ACR) gab im März eine Erklärung ab, in der von der Verwendung von Brust-CT-Scans und Röntgenaufnahmen als Erstlinientest von COVID-19 abgeraten wurde.
"Virustests bleiben die einzige spezifische Diagnosemethode", schrieb ACR in seinem Gutachten.
Die Position wird auch von der CDC unterstützt, in der es heißt: "Angesichts der Variabilität der Befunde bei der Brustbildgebung wird eine Röntgenaufnahme des Brustkorbs oder eine CT allein für die Diagnose von COVID-19 nicht empfohlen."
KI-Forscher hoffen jedoch, dass Computer Vision dort hilft, wo das menschliche Sehen versagt.
Mehrere Unternehmen haben KI-Systeme eingesetzt, um COVID-19-Fälle in Röntgen- und CT-Scans zu erkennen.
Eine der jüngsten Bemühungen ist COVID-Net, ein Open-Source-Deep-Learning-System, das von DarwinAI und der University of Waterloo entwickelt wurde.
Empfohlen von unseren Redakteuren
Alex Wong, Chefwissenschaftler bei DarwinAI, sagt, dass es subtile Unterschiede zwischen COVID-19 und anderen Infektionen gibt, die Radiologen bei der Untersuchung von Röntgenaufnahmen des Brustkorbs möglicherweise nicht bemerken.
„Die Hoffnung hier bei COVID-Net ist, dass wir die KI (insbesondere Deep Learning) nutzen können, um diese subtilen visuellen Indikatoren zu erfassen, um besser zwischen COVID-19 und anderen Formen von Infektionen zu unterscheiden, und diese visuellen Indikatoren den Klinikern zur Steigerung der Spezifität zu präsentieren ," er sagt.
Deep-Learning-Algorithmen sind besonders gut darin, kleine Details in visuellen Daten zu finden, die mit bloßem Auge unbemerkt bleiben können.
COVID-Net wurde auf COVIDx geschult, einer öffentlichen Datenbank, die aus 16.756 Röntgenaufnahmen des Brustkorbs in 13.645 Patientenfällen von nicht nur COVID-19, sondern auch anderen Arten von Lungeninfektionen besteht.
Die Vielfalt der Daten ermöglicht es dem Deep-Learning-Modell, die Merkmale, die jede Art von Krankheit definieren, herauszusuchen und in neuen Röntgenbildern zu erkennen.
Wong sagt, dass das Modell zwar nicht produktionsbereit ist, die vorläufigen Ergebnisse jedoch sehr vielversprechend sind, um zwischen COVID-19 und anderen Infektionen zu unterscheiden.
Das Modell wird verbessert, sobald mehr Daten verfügbar sind.
"Wir sind der festen Überzeugung, dass eine ausreichend große Stichprobengröße einen großen Unterschied bei der Verbesserung von COVID-Net bewirken und neue Deep-Learning-Modelle zur Erkennung von COVID-19-Infektionen entwickeln würde", sagt Wong.
Trotzdem betont Wong, dass, wie von CDC und ACR empfohlen, Röntgenaufnahmen des Brustkorbs und CT-Scans weiterhin als ergänzende Screening-Instrumente betrachtet werden sollten.
Sie können in Einrichtungen eingesetzt werden, in denen Testkits Mangelware oder nicht verfügbar sind.
Es gibt auch Situationen, in denen Röntgenaufnahmen des Brustkorbs oder CT-Scans auch bei einer positiven Diagnose mit Virustests durchgeführt werden müssen, um das Ausmaß der Infektion für die Behandlung und Pflegeplanung zu beurteilen.
„Die Hoffnung ist, dass die KI Radiologen helfen kann, schneller und genauer zwischen COVID-19-Infektionen und anderen Formen von Infektionen zu unterscheiden (besonders wichtig, da Flus noch zu dieser Jahreszeit weit verbreitet sind), und vor allem die Belastung für Radiologen zu verringern Damit können andere Gesundheitspersonal an vorderster Front mit weniger Fachwissen die Diagnose besser stellen “, sagt Wong.
