महामारी येण्यापूर्वीच त्याचा अंदाज घ्या

कॅनेडियन ब्लूडॉट अल्गोरिदम नवीनतम कोरोनाव्हायरसचा धोका ओळखण्यात तज्ञांपेक्षा वेगवान होता. यूएस सेंटर फॉर डिसीज कंट्रोल अँड प्रिव्हेन्शन (CDC) आणि जागतिक आरोग्य संघटना (WHO) ने जगाला अधिकृत नोटीस पाठवण्यापूर्वी त्यांनी आपल्या क्लायंटला धोक्याच्या दिवसांबद्दल माहिती दिली.

कामरान खान (1), चिकित्सक, संसर्गजन्य रोग विशेषज्ञ, कार्यक्रमाचे संस्थापक आणि मुख्य कार्यकारी अधिकारी ब्लूडॉट, एका पत्रकार मुलाखतीत स्पष्ट केले की ही प्रारंभिक चेतावणी प्रणाली कृत्रिम बुद्धिमत्तेचा वापर करते, ज्यामध्ये नैसर्गिक भाषा प्रक्रिया आणि मशीन शिक्षण समाविष्ट आहे, अगदी ट्रॅक करण्यासाठी एकाच वेळी शंभर संसर्गजन्य रोग. 100 भाषांमधील सुमारे 65 लेखांचे दररोज विश्लेषण केले जाते.

1. कामरान खान आणि वुहान कोरोनाव्हायरसचा प्रसार दर्शविणारा नकाशा.

हा डेटा कंपन्यांना त्यांच्या ग्राहकांना संभाव्य उपस्थिती आणि संसर्गजन्य रोगाचा प्रसार केव्हा सूचित करायचा हे सूचित करतो. इतर डेटा, जसे की प्रवास कार्यक्रम आणि फ्लाइट बद्दल माहिती, उद्रेक होण्याच्या संभाव्यतेबद्दल अतिरिक्त माहिती प्रदान करण्यात मदत करू शकते.

ब्लूडॉट मॉडेलची कल्पना खालीलप्रमाणे आहे. शक्य तितक्या लवकर माहिती मिळवा आरोग्यसेवा कर्मचार्‍यांना या आशेने की ते धोक्याच्या सुरुवातीच्या टप्प्यावर संक्रमित आणि संभाव्य संसर्गजन्य लोकांचे निदान करू शकतील - आणि आवश्यक असल्यास, वेगळे करू शकतील. खान स्पष्ट करतात की अल्गोरिदम सोशल मीडिया डेटा वापरत नाही कारण ते "खूप गोंधळलेले" आहे. तथापि, "अधिकृत माहिती नेहमीच अद्ययावत नसते," त्याने रेकोडला सांगितले. आणि उद्रेक यशस्वीपणे रोखण्यासाठी प्रतिक्रिया वेळ महत्त्वाचा आहे.

2003 मध्ये जेव्हा हे घडले तेव्हा खान टोरंटोमध्ये संसर्गजन्य रोग विशेषज्ञ म्हणून काम करत होते. महामारी SARS. या प्रकारच्या रोगांचा मागोवा ठेवण्यासाठी त्याला एक नवीन मार्ग विकसित करायचा होता. अनेक भविष्यसूचक कार्यक्रमांची चाचणी घेतल्यानंतर, त्याने 2014 मध्ये BlueDot लाँच केले आणि त्याच्या प्रकल्पासाठी $9,4 दशलक्ष निधी उभारला. कंपनीत सध्या चाळीस कर्मचारी कार्यरत आहेत. डॉक्टर आणि प्रोग्रामरजे रोगांचा मागोवा घेण्यासाठी विश्लेषणात्मक साधन विकसित करत आहेत.

डेटा आणि त्यांची प्रारंभिक निवड गोळा केल्यानंतर, ते गेममध्ये प्रवेश करतात विश्लेषक. नंतर महामारीशास्त्रज्ञ ते वैज्ञानिक वैधतेसाठी निष्कर्ष तपासतात आणि नंतर सरकार, व्यवसाय आणि आरोग्यसेवा व्यावसायिकांना परत अहवाल देतात. ग्राहक.

खान यांनी जोडले की त्यांची प्रणाली इतर डेटाची श्रेणी देखील वापरू शकते, जसे की एखाद्या विशिष्ट क्षेत्राच्या हवामान, तापमान आणि स्थानिक पशुधनाबद्दलची माहिती, रोगाचा संसर्ग झालेल्या एखाद्याला उद्रेक होऊ शकतो की नाही हे सांगण्यासाठी. ते निदर्शनास आणतात की 2016 च्या सुरुवातीस, ब्लू-डॉट फ्लोरिडामध्ये झिका विषाणूच्या प्रादुर्भावाचा अंदाज लावू शकला होता, त्याची प्रत्यक्षात नोंदणी होण्याच्या सहा महिन्यांपूर्वी.

कंपनी सारख्याच पद्धतीने आणि तत्सम तंत्रज्ञान वापरून कार्य करते. मेटाबायोटSARS महामारीचे निरीक्षण. एका वेळी त्याच्या तज्ञांना असे आढळून आले की थायलंड, दक्षिण कोरिया, जपान आणि तैवानमध्ये या विषाणूचा उदय होण्याचा सर्वात मोठा धोका आहे आणि त्यांनी या देशांमध्ये प्रकरणे जाहीर होण्याच्या एक आठवड्यापेक्षा जास्त आधी हे केले. प्रवाशांच्या उड्डाण डेटाच्या विश्लेषणातून त्यांचे काही निष्कर्ष काढण्यात आले.

Metabiota, BlueDot प्रमाणे, संभाव्य रोग अहवालांचे मूल्यांकन करण्यासाठी नैसर्गिक भाषा प्रक्रियेचा वापर करते, परंतु सोशल मीडिया माहितीसाठी समान तंत्रज्ञान विकसित करण्यासाठी देखील काम करत आहे.

मार्क गॅलिव्हन, मेटाबायोटा डेटाचे वैज्ञानिक संचालक, मीडियाला समजावून सांगितले की ऑनलाइन प्लॅटफॉर्म आणि मंच उद्रेक होण्याचा धोका दर्शवू शकतात. कर्मचारी तज्ञ असेही म्हणतात की रोगाची लक्षणे, मृत्यू आणि उपचार उपलब्धता यासारख्या माहितीच्या आधारे ते सामाजिक आणि राजकीय उलथापालथ घडवून आणणाऱ्या आजाराच्या धोक्याचा अंदाज लावू शकतात.

इंटरनेटच्या युगात, प्रत्येकजण कोरोनाव्हायरस महामारीच्या प्रगतीबद्दल माहितीचे द्रुत, विश्वासार्ह आणि कदाचित सुवाच्य दृश्य सादरीकरणाची अपेक्षा करतो, उदाहरणार्थ, अद्यतनित नकाशाच्या रूपात.

2. जॉन्स हॉपकिन्स युनिव्हर्सिटी कोरोनाव्हायरस 2019-nCoV डॅशबोर्ड.

जॉन्स हॉपकिन्स युनिव्हर्सिटीच्या सेंटर फॉर सिस्टम सायन्स अँड इंजिनीअरिंगने जगातील सर्वात प्रसिद्ध कोरोनाव्हायरस डॅशबोर्ड विकसित केला आहे (2). याने Google शीट म्हणून डाउनलोड करण्यासाठी संपूर्ण डेटासेट देखील प्रदान केला आहे. नकाशा नवीन प्रकरणे, पुष्टी झालेले मृत्यू आणि पुनर्प्राप्ती दर्शविते. व्हिज्युअलायझेशनसाठी वापरला जाणारा डेटा विविध स्त्रोतांकडून येतो, ज्यामध्ये WHO, CDC, China CDC, NHC आणि DXY ही एक चीनी वेबसाइट आहे जी NHC अहवाल आणि रीअल-टाइम स्थानिक CCDC परिस्थिती अहवाल एकत्रित करते.

दिवसात नव्हे तर तासांमध्ये निदान

चीनच्या वुहानमध्ये प्रकट झालेल्या एका नवीन आजाराबद्दल जगाने पहिल्यांदा ऐकले. 31 декабря 2019 г. एका आठवड्यानंतर, चिनी शास्त्रज्ञांनी घोषित केले की त्यांनी गुन्हेगाराला ओळखले आहे. पुढील आठवड्यात, जर्मन तज्ञांनी पहिली निदान चाचणी विकसित केली (3). हे वेगवान आहे, SARS किंवा तत्सम महामारीच्या आधी आणि नंतरच्या दिवसांपेक्षा खूप वेगवान आहे.

गेल्या दशकाच्या सुरूवातीस, काही प्रकारचे धोकादायक विषाणू शोधत असलेल्या शास्त्रज्ञांना पेट्री डिशमधील प्राण्यांच्या पेशींमध्ये ते वाढवावे लागले. तुम्ही बनवण्यासाठी पुरेसे व्हायरस तयार केले असतील डीएनए वेगळे करा आणि म्हणून ओळखल्या जाणार्‍या प्रक्रियेद्वारे अनुवांशिक कोड वाचा अनुक्रम. तथापि, अलिकडच्या वर्षांत, हे तंत्र प्रचंड विकसित झाले आहे.

शास्त्रज्ञांना आता पेशींमध्ये विषाणू वाढवण्याची गरज नाही. ते रुग्णाच्या फुफ्फुसात किंवा रक्ताच्या स्रावांमध्ये अत्यंत कमी प्रमाणात व्हायरल डीएनए थेट शोधू शकतात. आणि दिवस नाही तर तास लागतात.

आणखी जलद आणि अधिक सोयीस्कर व्हायरस शोधण्याचे साधन विकसित करण्यासाठी काम सुरू आहे. सिंगापूरस्थित वेरेडस लॅबोरेटरीज हे शोधण्यासाठी पोर्टेबल किटवर काम करत आहे, व्हेरेचिप (4) या वर्षी 1 फेब्रुवारीपासून विक्रीसाठी जाईल. कार्यक्षम आणि पोर्टेबल सोल्यूशन्स फील्डमध्ये वैद्यकीय पथके तैनात करताना, विशेषत: जेव्हा हॉस्पिटलमध्ये गर्दी असते तेव्हा योग्य वैद्यकीय सेवेसाठी संक्रमित लोकांना ओळखणे जलद बनवते.

अलीकडील तांत्रिक प्रगतीमुळे जवळपास रिअल टाइममध्ये निदान परिणाम एकत्रित करणे आणि सामायिक करणे शक्य झाले आहे. क्विडेल मधील प्लॅटफॉर्मचे उदाहरण सोफिया मी प्रणाली PCR10 FilmArray बायोफायर कंपन्या श्वसन रोगजनकांच्या जलद निदान चाचण्या पुरवतात ज्या क्लाउडमधील डेटाबेसशी वायरलेस कनेक्शनद्वारे त्वरित उपलब्ध आहेत.

2019-nCoV कोरोनाव्हायरस (COVID-19) चा जीनोम पहिल्या प्रकरणाचा शोध लागल्यानंतर एका महिन्यापेक्षा कमी कालावधीनंतर चीनी शास्त्रज्ञांनी पूर्णपणे क्रमबद्ध केला आहे. पहिल्या अनुक्रमानंतर जवळपास वीस पूर्ण झाले आहेत. त्या तुलनेत, SARS विषाणूचा महामारी 2002 च्या उत्तरार्धात सुरू झाला आणि त्याचा संपूर्ण जीनोम एप्रिल 2003 पर्यंत उपलब्ध नव्हता.

या रोगाविरूद्ध रोगनिदान आणि लसींच्या विकासासाठी जीनोम सिक्वेन्सिंग महत्त्वपूर्ण आहे.

हॉस्पिटल इनोव्हेशन

5. एव्हरेटमधील प्रोव्हिडन्स प्रादेशिक वैद्यकीय केंद्रातील वैद्यकीय रोबोट.

दुर्दैवाने, नवीन कोरोनाव्हायरस डॉक्टरांना देखील धोका देतो. CNN च्या मते, रुग्णालयाच्या आत आणि बाहेर कोरोनाव्हायरसचा प्रसार रोखा, एव्हरेट, वॉशिंग्टन येथील प्रोव्हिडन्स प्रादेशिक वैद्यकीय केंद्रातील कर्मचारी वापरतात रोबोट (5), जे एका वेगळ्या रूग्णातील महत्वाच्या लक्षणांचे मोजमाप करते आणि व्हिडिओ कॉन्फरन्सिंग प्लॅटफॉर्म म्हणून कार्य करते. मशीन अंगभूत स्क्रीनसह चाकांवर एक संप्रेषक आहे, परंतु ते मानवी श्रम पूर्णपणे काढून टाकत नाही.

परिचारिकांना अजूनही रुग्णासह खोलीत जावे लागते. ते एक रोबोट देखील नियंत्रित करतात जे कमीतकमी जैविक दृष्ट्या संसर्गास सामोरे जाणार नाहीत, म्हणून या प्रकारच्या उपकरणांचा संसर्गजन्य रोगांच्या उपचारांमध्ये वाढत्या प्रमाणात वापर केला जाईल.

अर्थात, खोल्या इन्सुलेट केल्या जाऊ शकतात, परंतु आपल्याला हवेशीर करणे देखील आवश्यक आहे जेणेकरून आपण श्वास घेऊ शकता. यासाठी नवीन आवश्यक आहे वायुवीजन प्रणालीसूक्ष्मजंतूंचा प्रसार रोखणे.

फिन्निश कंपनी जेनानो (6), ज्याने या प्रकारची तंत्रे विकसित केली, त्यांना चीनमधील वैद्यकीय संस्थांसाठी एक्सप्रेस ऑर्डर प्राप्त झाली. कंपनीच्या अधिकृत निवेदनात म्हटले आहे की कंपनीला निर्जंतुकीकरण आणि वेगळ्या रुग्णालयाच्या खोल्यांमध्ये संसर्गजन्य रोगांचा प्रसार रोखण्यासाठी उपकरणे पुरविण्याचा व्यापक अनुभव आहे. मागील वर्षांमध्ये, तिने इतर गोष्टींबरोबरच, MERS विषाणूच्या साथीच्या काळात सौदी अरेबियातील वैद्यकीय संस्थांमध्ये प्रसूती केल्या. वुहानमधील 2019-nCoV कोरोनाव्हायरसची लागण झालेल्या लोकांसाठी सुरक्षित वेंटिलेशनसाठी फिन्निश उपकरणे देखील वितरीत करण्यात आली आहेत, जी दहा दिवसांत आधीच तयार केली गेली आहेत.

6. इन्सुलेटरमध्ये जेनानो प्रणालीचे आकृती

प्युरिफायरमध्ये वापरलेले पेटंट तंत्रज्ञान "विषाणू आणि बॅक्टेरिया यांसारख्या सर्व हवेतील सूक्ष्मजंतूंना काढून टाकते आणि नष्ट करते," जेनानोच्या म्हणण्यानुसार. 3 नॅनोमीटर इतके लहान सूक्ष्म कण कॅप्चर करण्यास सक्षम, एअर प्युरिफायरमध्ये राखण्यासाठी यांत्रिक फिल्टर नसतो आणि हवा मजबूत विद्युत क्षेत्राद्वारे फिल्टर केली जाते.

कोरोनाव्हायरसच्या उद्रेकादरम्यान उद्भवलेली आणखी एक तांत्रिक उत्सुकता होती थर्मल स्कॅनर, इतर गोष्टींबरोबरच, ताप असलेल्या लोकांना भारतीय विमानतळांवर उचलले जाते.

इंटरनेट - दुखापत किंवा मदत?

प्रतिकृती आणि प्रसारासाठी टीकेची प्रचंड लाट असूनही, चुकीची माहिती आणि दहशत पसरवणे, चीनमध्ये उद्रेक झाल्यापासून सोशल मीडिया साधनांनी देखील सकारात्मक भूमिका बजावली आहे.

नोंदवल्याप्रमाणे, उदाहरणार्थ, चीनी तंत्रज्ञान साइट TMT पोस्ट, मिनी-व्हिडिओसाठी एक सामाजिक व्यासपीठ. डोयिन, जे जगप्रसिद्ध TikTok (7) च्या चिनी समतुल्य आहे, ने कोरोनाव्हायरसच्या प्रसाराविषयी माहितीवर प्रक्रिया करण्यासाठी एक विशेष विभाग सुरू केला आहे. हॅशटॅग अंतर्गत #FightPneumonia, केवळ वापरकर्त्यांकडील माहितीच प्रकाशित करत नाही तर तज्ञांचे अहवाल आणि सल्ला देखील प्रकाशित करते.

जागरूकता वाढवणे आणि महत्वाची माहिती पसरवण्यासोबतच, व्हायरसशी लढा देणारे डॉक्टर आणि वैद्यकीय कर्मचारी तसेच संक्रमित रूग्णांसाठी सहाय्यक साधन म्हणून काम करण्याचे देखील Douyin चे उद्दिष्ट आहे. विश्लेषक डॅनियल अहमद ट्विट केले की अॅपने "Jiayou व्हिडिओ प्रभाव" (म्हणजे प्रोत्साहन) लाँच केले आहे जे वापरकर्त्यांनी डॉक्टर, आरोग्यसेवा व्यावसायिक आणि रुग्णांच्या समर्थनार्थ सकारात्मक संदेश पाठवण्यासाठी वापरावे. या प्रकारची सामग्री प्रसिद्ध लोक, सेलिब्रिटी आणि तथाकथित प्रभावशाली लोकांद्वारे देखील प्रकाशित केली जाते.

आज, असे मानले जाते की आरोग्य-संबंधित सोशल मीडिया ट्रेंडचा काळजीपूर्वक अभ्यास केल्याने शास्त्रज्ञ आणि सार्वजनिक आरोग्य अधिकाऱ्यांना लोकांमधील रोग प्रसाराची यंत्रणा अधिक चांगल्या प्रकारे ओळखण्यास आणि समजून घेण्यास मदत होऊ शकते.

अंशतः कारण सोशल मीडिया "अत्यंत संदर्भित आणि वाढत्या प्रमाणात हायपरलोकल आहे," त्याने 2016 मध्ये अटलांटिकला सांगितले. मार्सिले कोशिंबीर, स्वित्झर्लंडमधील लॉसने येथील फेडरल पॉलिटेक्निक स्कूलमधील संशोधक आणि शास्त्रज्ञ म्हणतात अशा वाढत्या क्षेत्रातील तज्ञ "डिजिटल एपिडेमियोलॉजी". तथापि, आत्तापर्यंत, ते पुढे म्हणाले, संशोधक अजूनही हे समजून घेण्याचा प्रयत्न करीत आहेत की सोशल मीडिया आरोग्याच्या समस्यांबद्दल बोलत आहे जे प्रत्यक्षात महामारीविज्ञानविषयक घटना प्रतिबिंबित करतात की नाही (8).

8. चिनी मास्क लावून सेल्फी घेतात.

या संदर्भात पहिल्या प्रयोगांचे परिणाम अस्पष्ट आहेत. आधीच 2008 मध्ये, Google अभियंत्यांनी एक रोग अंदाज साधन लाँच केले - Google Flu Trends (GFT). कंपनीने लक्षणे आणि सिग्नल शब्दांसाठी Google शोध इंजिन डेटाचे विश्लेषण करण्यासाठी ते वापरण्याची योजना आखली. त्या वेळी, तिला आशा होती की परिणामांचा उपयोग इन्फ्लूएंझा आणि डेंग्यूच्या उद्रेकाची "रूपरेषा" अचूकपणे आणि त्वरित ओळखण्यासाठी केला जाईल - यूएस सेंटर फॉर डिसीज कंट्रोल अँड प्रिव्हेंशनच्या दोन आठवड्यांपूर्वी. (CDC), ज्यांचे संशोधन क्षेत्रातील सर्वोत्तम मानक मानले जाते. तथापि, यूएस मधील इन्फ्लूएंझा आणि नंतर थायलंडमधील मलेरियाचे इंटरनेट सिग्नल-आधारित निदानावरील Google चे निकाल खूप चुकीचे मानले गेले.

विविध घटनांचा “अंदाज” करणारी तंत्रे आणि प्रणाली, समावेश. दंगली किंवा महामारीचा स्फोट यासारख्या, मायक्रोसॉफ्टने देखील काम केले आहे, ज्याने 2013 मध्ये, इस्रायली टेक्निअन इन्स्टिट्यूटसह, मीडिया सामग्रीच्या विश्लेषणावर आधारित आपत्ती भविष्यवाणी कार्यक्रम सुरू केला. बहुभाषिक मथळ्यांच्या व्हिव्हिसेक्शनच्या मदतीने, "संगणक बुद्धिमत्ता" ला सामाजिक धोके ओळखावे लागले.

शास्त्रज्ञांनी घटनांच्या काही क्रमांचे परीक्षण केले, जसे की अंगोलातील दुष्काळाविषयी माहिती, ज्यामुळे कॉलराच्या संभाव्य महामारीबद्दल अंदाज वर्तविणाऱ्या प्रणालींमध्ये अंदाज आला, कारण त्यांना दुष्काळ आणि रोगाच्या घटनांमध्ये वाढ यांच्यातील संबंध आढळला. 1986 पासून सुरू झालेल्या न्यूयॉर्क टाइम्सच्या अभिलेखीय प्रकाशनांच्या विश्लेषणाच्या आधारे सिस्टमची चौकट तयार केली गेली. पुढील विकास आणि मशीन शिक्षण प्रक्रियेत नवीन इंटरनेट संसाधनांचा वापर समाविष्ट आहे.

आतापर्यंत, महामारीशास्त्रीय अंदाजामध्ये ब्लूडॉट आणि मेटाबायोटाच्या यशावर आधारित, एखाद्याला असा निष्कर्ष काढण्याचा मोह होऊ शकतो की एक अचूक भविष्यवाणी प्रामुख्याने "पात्र" डेटाच्या आधारे शक्य आहे, उदा. व्यावसायिक, विश्वासार्ह, विशेष स्त्रोत, इंटरनेट आणि पोर्टल समुदायांची अनागोंदी नाही.

परंतु कदाचित हे सर्व स्मार्ट अल्गोरिदम आणि चांगले मशीन लर्निंग बद्दल आहे?