Πόσο μπορεί να βοηθήσει η τεχνητή νοημοσύνη στην επόμενη πανδημία

«Αναπτύξαμε ένα μοντέλο μηχανικής μάθησης για τον εντοπισμό και την κατηγοριοποίηση σημαντικών γεγονότων που μπορεί να είναι ενδεικτικά μιας επερχόμενης επιδημίας από ροές μέσων κοινωνικής δικτύωσης» αναφέρει ο καθηγητής Chen Li, επικεφαλής του έργου στο Τμήμα Επιστήμης Υπολογιστών του UCI

Κατά την επόμενη δεκαετία, σύμφωνα με ορισμένες προβλέψεις, υπάρχει μία στις τέσσερις πιθανότητες να ξεσπάσει άλλη μια επιδημία της κλίμακας του Covid-19.

Θα μπορούσε να είναι γρίπη ή κορονοϊός ή κάτι εντελώς νέο.

Ο ιός Covid-19, φυσικά, μόλυνε και σκότωσε εκατομμύρια ανθρώπους παγκοσμίως, οπότε είναι μια τρομακτική προοπτική.

Θα μπορούσε λοιπόν η τεχνητή νοημοσύνη να βοηθήσει στην ανακούφισή της;

Ερευνητές στην Καλιφόρνια αναπτύσσουν ένα σύστημα έγκαιρης προειδοποίησης βασισμένο στην τεχνητή νοημοσύνη, το οποίο θα εξετάζει τις αναρτήσεις στα μέσα κοινωνικής δικτύωσης για να βοηθήσει στην πρόβλεψη μελλοντικών πανδημιών.

Οι ερευνητές, από το Πανεπιστήμιο της Καλιφόρνιας στο Irvine (UCI) και το Πανεπιστήμιο της Καλιφόρνιας στο Λος Άντζελες (UCLA), συμμετέχουν στο πρόγραμμα επιχορήγησης Predictive Intelligence for Pandemic Prevention του Εθνικού Ιδρύματος Επιστημών των ΗΠΑ.

Αυτό χρηματοδοτεί μια έρευνα που «αποσκοπεί στον εντοπισμό, τη μοντελοποίηση, την πρόβλεψη, την παρακολούθηση και τον μετριασμό των επιπτώσεων μελλοντικών πανδημιών».

Το έργο βασίζεται σε προηγούμενες εργασίες ερευνητών του UCI και του UCLA, συμπεριλαμβανομένης μιας βάσης δεδομένων με δυνατότητα αναζήτησης σε 2,3 δισεκατομμύρια αναρτήσεις στο Twitter των ΗΠΑ που συλλέγονται από το 2015, για την παρακολούθηση των τάσεων της δημόσιας υγείας.

Ο καθηγητής Chen Li είναι επικεφαλής του έργου στο Τμήμα Επιστήμης Υπολογιστών του UCI. Λέει ότι έχουν συλλέξει δισεκατομμύρια tweets στο X, πρώην γνωστό ως Twitter, τα τελευταία χρόνια.

Το εργαλείο λειτουργεί υπολογίζοντας ποια tweets έχουν νόημα και εκπαιδεύοντας τον αλγόριθμο για να βοηθήσει στην ανίχνευση πρώιμων ενδείξεων μιας μελλοντικής πανδημίας, στην πρόβλεψη επερχόμενων επιδημιών και στην αξιολόγηση των πιθανών αποτελεσμάτων συγκεκριμένων πολιτικών δημόσιας υγείας, λέει ο καθηγητής Chen.

«Αναπτύξαμε ένα μοντέλο μηχανικής μάθησης για τον εντοπισμό και την κατηγοριοποίηση σημαντικών γεγονότων που μπορεί να είναι ενδεικτικά μιας επερχόμενης επιδημίας από ροές μέσων κοινωνικής δικτύωσης».

Το εργαλείο, το οποίο απευθύνεται σε υπηρεσίες δημόσιας υγείας και νοσοκομεία, μπορεί επίσης να «αξιολογήσει τα αποτελέσματα των θεραπειών στην εξάπλωση των ιών», λέει.

Ωστόσο, έχει και κάποια προβλήματα. Για παράδειγμα, εξαρτάται από το X, μια πλατφόρμα που δεν είναι προσβάσιμη σε ορισμένες χώρες.

«Η διαθεσιμότητα των δεδομένων εκτός των ΗΠΑ ήταν μικτή», παραδέχεται ο καθηγητής Chen.

«Μέχρι στιγμής η εστίασή μας ήταν εντός των ΗΠΑ. Εργαζόμαστε για να ξεπεράσουμε την έλλειψη δεδομένων και την πιθανή μεροληψία όταν επεκτείνουμε την κάλυψη σε άλλες περιοχές του κόσμου».

Ένα εργαλείο τεχνητής νοημοσύνης που αναπτύχθηκε από την Ιατρική Σχολή του Χάρβαρντ και το Πανεπιστήμιο της Οξφόρδης, το EVEScape, κάνει προβλέψεις για νέες παραλλαγές του κορονοϊού.

Οι ερευνητές δημοσιεύουν μια κατάταξη των νέων παραλλαγών κάθε δύο εβδομάδες και ισχυρίζονται ότι το εργαλείο έχει κάνει επίσης ακριβείς προβλέψεις για άλλους ιούς, όπως ο HIV και η γρίπη.

«Ένα από τα μοναδικά πλεονεκτήματα της προσέγγισής μας είναι ότι μπορεί να χρησιμοποιηθεί νωρίς σε μια πανδημία», λέει η Nikki Thadani, πρώην μεταδιδακτορική ερευνήτρια που συμμετείχε στην ανάπτυξη του EVEScape.

«Θα μπορούσε να είναι καλό για... τους κατασκευαστές εμβολίων, αλλά και για τους ανθρώπους που προσπαθούν να εντοπίσουν θεραπευτικά, ιδίως αντισώματα, ώστε να αποκτήσουν από νωρίς κάποια εικόνα για το ποιες μεταλλάξεις μπορεί να προκύψουν ακόμη και ένα χρόνο στο μέλλον».

Είναι ένα σημείο που υιοθετήθηκε από τον αντιπρόεδρο της AstraZeneca, Jim Wetherall, υπεύθυνος για την επιστήμη των δεδομένων και την τεχνητή νοημοσύνη στην έρευνα και ανάπτυξη.

Ο φαρμακευτικός γίγαντας χρησιμοποιεί την τεχνητή νοημοσύνη για να επιταχύνει την ανακάλυψη νέων αντισωμάτων. Τα αντισώματα είναι πρωτεΐνες που χρησιμοποιούνται από το ανοσοποιητικό σύστημα του σώματος για την καταπολέμηση επιβλαβών ουσιών. Μπορούν να χρησιμοποιηθούν για την παρασκευή νέων εμβολίων.

Ο κ. Wetherall λέει ότι η εταιρεία μπορεί «να δημιουργήσει και να ελέγξει μια βιβλιοθήκη αντισωμάτων και να φέρει στο εργαστήριο τις υψηλότερης ποιότητας προβλέψεις, μειώνοντας τον αριθμό των αντισωμάτων που πρέπει να δοκιμαστούν και μειώνοντας τον χρόνο για τον εντοπισμό των επικεφαλής αντισωμάτων-στόχων από τρεις μήνες σε τρεις ημέρες».

Αυτό είναι χρήσιμο για την ετοιμότητα για πανδημία, λέει, «διότι όπως είδαμε με το Covid-19, η πιθανή μεταβλητότητα των ιών σημαίνει ότι χρειαζόμαστε ταχύτερους τρόπους για τον εντοπισμό υποψηφίων για να συμβαδίσουμε με τους ταχέως μεταλλασσόμενους στόχους».

Ο Συνασπισμός για τις Καινοτομίες Προετοιμασίας για Επιδημίες (CEPI) με έδρα το Όσλο, ο οποίος χρηματοδότησε το EVEScape, θεωρεί την τεχνητή νοημοσύνη ως ένα εργαλείο που θα βοηθήσει στην επίτευξη του στόχου του για την προετοιμασία και την αντιμετώπιση επιδημιών και πανδημιών.

«Πρέπει απλώς να είμαστε όσο το δυνατόν ευρύτερα προετοιμασμένοι», λέει ο δρ In-Kyu Yoon, διευθυντής προγραμμάτων και καινοτόμων τεχνολογιών στο CEPI.

«Και αυτό που κάνει η τεχνητή νοημοσύνη είναι ότι επιταχύνει αυτή τη διαδικασία προετοιμασίας».

Ωστόσο, λέει ότι η τεχνητή νοημοσύνη πρέπει ακόμη να αναπτυχθεί και να ωριμάσει. «Η τεχνητή νοημοσύνη εξακολουθεί να εξαρτάται από τις πληροφορίες που εισάγονται, και δεν νομίζω ότι κάποιος θα έλεγε ότι στην πραγματικότητα έχουμε όλες τις πληροφορίες.

«Ακόμη και αν η τεχνητή νοημοσύνη μπορεί στη συνέχεια να προσπαθήσει να αξιολογήσει, να αναλύσει και να προβλέψει από αυτό, βασίζεται στις πληροφορίες που εισάγονται. Η τεχνητή νοημοσύνη είναι ένα εργαλείο και το εργαλείο μπορεί να εφαρμοστεί σε διάφορες δραστηριότητες που μπορούν να αυξήσουν την ποιότητα και την ταχύτητα της προετοιμασίας για την επόμενη πανδημία.

«[Αλλά] θα ήταν μάλλον λάθος να πούμε ότι η τεχνητή νοημοσύνη μπορεί να επιβραδύνει ή να αποτρέψει την επόμενη πανδημία. Εναπόκειται στους ανθρώπους να καθορίσουν πού θα την εφαρμόσουν».

Στον Παγκόσμιο Οργανισμό Υγείας (ΠΟΥ), ο δρ Philip AbdelMalik υπογραμμίζει επίσης τον ρόλο που παίζουν οι άνθρωποι στην αποτελεσματικότητα της τεχνητής νοημοσύνης.

Ως επικεφαλής της μονάδας νοημοσύνης, καινοτομίας και ολοκλήρωσης του ΠΟΥ, λέει ότι η τεχνητή νοημοσύνη έχει συγκεκριμένη αξία. Μπορεί να αντιληφθεί, για παράδειγμα, τις συζητήσεις γύρω από συγκεκριμένα συμπτώματα και να εντοπίσει πιθανές απειλές προτού οι κυβερνήσεις τις ανακοινώσουν επίσημα.

Επίσης, μπορεί να εντοπίσει αν οι άνθρωποι υποστηρίζουν δυνητικά επικίνδυνες θεραπείες στο διαδίκτυο, ώστε ο ΠΟΥ να μπορεί να παρέμβει.

Ωστόσο, ενώ ο ίδιος βλέπει τα οφέλη του, επισημαίνει γρήγορα τις προκλήσεις.

Λέει ότι είναι πάντα προσεκτικός να λέει ότι η τεχνητή νοημοσύνη δεν πρόκειται να παράγει αποφάσεις για εμάς. Επιπλέον, ο δρ AbdelMalik ανησυχεί για τα ζητήματα που αφορούν την ηθική χρήση της τεχνητής νοημοσύνης και τη δίκαιη εκπροσώπηση.

«Αν το τροφοδοτώ με πολλές πληροφορίες που δεν εξετάζω, και έτσι περιέχει πολλές παραπληροφορίες, ή είναι αντιπροσωπευτικό μόνο για ορισμένους υποπληθυσμούς, τότε αυτό που θα βγάλω θα είναι επίσης αντιπροσωπευτικό μόνο για ορισμένους υποπληθυσμούς ή θα περιέχει πολλές παραπληροφορίες.

Αλλά συνολικά, οι ειδικοί πιστεύουν ότι είμαστε σε καλύτερη θέση για την επόμενη πανδημία, εν μέρει λόγω της προόδου που έχει σημειωθεί στην τεχνητή νοημοσύνη.

«Νομίζω ότι αυτή η πανδημία ήταν ένα είδος αφύπνισης για πολλούς ανθρώπους που ασχολούνται με αυτόν τον τομέα», λέει η Nikki Thadani.

«Το μοντέλο μας [το εργαλείο τεχνητής νοημοσύνης EVEScape] και πολλές άλλες προσπάθειες για να βελτιώσουμε πραγματικά τον τρόπο με τον οποίο σκεφτόμαστε για την επιδημιολογία και τον τρόπο με τον οποίο σκεφτόμαστε για την αξιοποίηση του είδους των δεδομένων που μπορείτε να έχετε πριν από μια πανδημία και στη συνέχεια να τα ενσωματώσετε με τα δεδομένα που έρχονται μέσω μιας πανδημίας, αυτό με κάνει να αισθάνομαι καλύτερα για την ικανότητά μας να χειριστούμε πανδημίες στο μέλλον».

Όμως, λέει, υπάρχει πολύς δρόμος να διανυθεί τόσο για περισσότερη θεμελιώδη βιολογία και μοντελοποίηση στην οποία έχει εργαστεί, όσο και για την επιδημιολογία και τη δημόσια υγεία ευρύτερα, ώστε να μας βοηθήσει να είμαστε πιο προετοιμασμένοι για μελλοντικές πανδημίες.

«Είμαστε σε πολύ καλύτερη κατάσταση τώρα απ' ό,τι ήμασταν πριν από τρία χρόνια», λέει ο δρ AbdelMalik.

«Ωστόσο, υπάρχει κάτι πιο σημαντικό από την τεχνολογία για να μας βοηθήσει όταν χτυπήσει η επόμενη πανδημία, και αυτό είναι η εμπιστοσύνη

«Η τεχνολογία για μένα δεν είναι ο περιοριστικός μας παράγοντας. Νομίζω ότι πρέπει πραγματικά να δουλέψουμε πάνω στις σχέσεις, στην ανταλλαγή πληροφοριών και στην οικοδόμηση εμπιστοσύνης. Το λέμε συνεχώς αυτό, όλοι το λένε, αλλά το κάνουμε στην πραγματικότητα;»

Πηγή: BBC