Covid-19
El 2020 ha estat un any estrany amb el virus Covid-19. Tècnics mèdics i científics de tot el món estan en procés d’intentar trobar una vacuna i contenir-la. Això no només és important per a la vida humana, sinó per a empreses i l’impacte que ha tingut a nivell mundial.
COVID-19 [feminine
Segons Coronavstats al 21 de setembre de 2020, al Regne Unit hi havia actualment 398.625 infeccions totals i un nombre de morts de 41.788. La taxa de mortalitat actual de poc més del 10% del total dels casos és alarmant. S'ha establert que la propagació és exponencial. Per tant, la contenció és vital, en el món tecnològic, la IA s’utilitza per ajudar a descobrir i contenir vacunes. La IA es pot utilitzar per trobar les vacunes adequades més ràpidament analitzant les anteriors basades en estructures proteiques similars de la infecció i la propagació.
Els centres sanitaris utilitzen cada cop més la intel·ligència artificial. Els sistemes d’exploració de rajos X de tòrax poden detectar automàticament el virus i fer ús del reconeixement d’imatges mitjançant les capacitats d’intel·ligència artificial. La IA ofereix un processament molt més ràpid. Els reguladors i les agències governamentals recopilen les dades i les fan disponibles a diverses entitats. Investigadors i microbiòlegs utilitzen aquestes dades i altres dades per crear millors fàrmacs analitzant l’impacte dels medicaments i identificant el virus i altres bacteris, com ara Metges sense Fronteres.
Metges sense fronteres i Tenserflow Lite
TensorFlow
Un exemple de l’ús de l’ús potencial de la IA per trobar una vacuna es pot trobar a partir de la investigació mèdica actual sobre la identificació de bacteris tal com es veu en aquesta Vídeo de YouTube . Metges sense fronteres és una organització benèfica que ofereix atenció mèdica a tot el món i que prescriu una sèrie d’antibiòtics a més de 70 països. Han descobert un nombre creixent de pacients infectats amb bacteris multirresistents. És possible que el mateix concepte es pogués utilitzar per a Covid-19, en el seu ús de la IA, i per a Googles TensorFlow. TensorFlow és l'oferta gratuïta i de codi obert d'IA de Google i, TensorFlow Lite (utilitzada per Metges sense Fronteres), la versió mòbil està disponible per descarregar a iOS i Android.
El que va descobrir Metges sense Fronteres és que sovint es dóna als pacients antibiòtics equivocats, a causa de la incapacitat per identificar exactament el virus exacte amb què pot estar infectat un pacient. Utilitzen TensorFlow per ajudar a identificar els antibiòtics correctes per als seus pacients.
Això comporta diversos reptes. Per identificar els bacteris, es necessiten múltiples proves per saber quin tipus de bacteris tracten. Hi ha un pas addicional que consisteix a interpretar els resultats en molts dels països on operen Metges sense Fronteres. Malauradament, no hi ha prou personal experimentat de microbiòlegs per fer aquestes interpretacions. La IA podria ser una solució potencial a aquest problema, ja que en lloc de substituir el personal del microbiòleg, ajuden el personal existent a interpretar les proves de diagnòstic en un període de temps més curt, mitjançant l'ús de TensorFlow lite que està disponible en diversos telèfons mòbils a totes les seves clíniques . L’aplicació no necessita estar en línia, de manera que es pot utilitzar en zones amb poca senyal d’àrea.
TensorFlow utilitza la visió per computador i l’aprenentatge automàtic mitjançant Python per detectar les interaccions entre bacteris i antibiòtics, utilitzant únicament una imatge de la placa Petri. Com a resultat de l’ús d’aquesta tecnologia, Metges sense Fronteres va aconseguir formar un model de proves en qüestió de dies. També va resultar sorprenentment ràpid i fàcil d’aconseguir. Han desenvolupat un prototip, amb l'objectiu de fer disponibles, fàcils i assequibles les proves diagnòstiques a tot el món. Aquesta aplicació podria canviar el joc per ajudar a milions de persones de tot el món, especialment si es pot adaptar a la recerca d’una vacuna contra el Covid-19, així com de moltes altres malalties. També pot ajudar a proporcionar consells sobre les millors pràctiques de gestió.
Funciona a través de la detecció d’objectes, mitjançant imatges preanotades, de bacteris de la malaltia i realitzant comparacions amb una fotografia d’una placa de Petri. És capaç de fer prediccions en menys d’un segon. La bellesa del sistema que proporciona TensorFlow és que, en lloc d’haver d’escriure milers de línies de codi, hi ha una biblioteca de funcions que permeten construir diferents arquitectures, en molt menys temps. Pot reduir aquestes xarxes rurals per poder encabir-les en un dispositiu mòbil. L’aportació humana és fonamental per al procés. Pot passar per centenars de milions d’imatges molt ràpidament i es pot adaptar per crear diferents tipus de xarxes neuronals.
En la cerca d’una vacuna contra el Covid-19, l’estratègia utilitzada per Metges sense Fronteres podria ser un bon lloc per començar a utilitzar l’IA mitjançant TenserFlow.
Exemple de TensorFlow Lite a Android
TensorFlow us permet executar models d'aprenentatge automàtic en dispositius mòbils amb una latència baixa ràpidament, de manera que podeu realitzar classificacions sense necessitat de fer trucades de xarxa repetides a un servidor. Està disponible a Android i iOS mitjançant una API C ++. Hi ha un embolcall de Java per a dispositius Android que el pot suportar. L'intèrpret utilitza l'API de xarxes neuronals d'Android per accelerar el maquinari.
L'aplicació es crea mitjançant un model de xarxa mòbil. Les xarxes mòbils són petites i consumeixen poca energia. Els models es poden dissenyar per satisfer diversos casos d’ús, com ara la detecció d’objectes, com ara diversos tipus de plantes o arbres. Proporciona una classificació de gra fi. Hi ha diversos models de prestatgeries fora de la plataforma disponibles per treballar.
Quan es treballa per primera vegada amb TensorFlow lite, es recomana treballar amb aquests models prefabricats. TensorFlow Lite, però, encara no admet totes les funcions del TensorFlow complet.
Per utilitzar TensorFlow al mòbil, heu d’incloure les biblioteques TensorFlow lite. Això s'aconsegueix editant el fitxer gradle de les vostres versions per assegurar-vos que els inclogueu. El següent pas és importar un intèrpret TensorFlow. L'intèrpret carrega un model i us permet executar-lo proporcionant-li un conjunt d'entrades. TensorFlow lite executa el model i escriu les sortides. És un procés senzill, tot i que la tecnologia que hi ha darrere és complexa.
El model s’ha d’emmagatzemar als recursos de l’aplicació. El codi llegirà el model directament des d’allà, tot i que es pot carregar un model des de qualsevol lloc. Un cop carregat el model, es pot crear una intèrpret.
En el cas de la investigació mèdica, l'aplicació llegeix els marcs de la càmera i els converteix en imatges. Aquestes imatges (en el cas de Metges sense Fronteres, una placa Petri) s’utilitzen com a entrades al model, que genera valors de retorn. Aquests valors són un índex de l’etiqueta adequada (en aquest cas identificació de bacteris) i els milers d’imatges anotades i preparades haurien de coincidir amb aquesta etiqueta.
Podeu obtenir més informació sobre la formació dels models TensorFlow en aquest sentit vídeo guia per executar models TensorFlow a Android.
Detecció Covid-19 mitjançant teixit UiPath
Radiografia de tòrax
UiPath és una empresa especialitzada en solucions d’automatització d’IA. Investigadors de la Universitat de Waterloo i Darwin han utilitzat UiPath Fabric, que és una iniciativa de codi obert, per dissenyar un model de xarxa neuronal per detectar casos de COVID-19, mitjançant imatges de raigs X de tòrax. El model es va formar sobre un conjunt de dades disponibles públicament 76 imatges de pacients amb covid 19 tal com s’il·lustra en aquest vídeo de You Tube.
El flux de treball és senzill, consisteix en un fitxer i una imatge de raigs X. S’envien al model d’aprenentatge automàtic que genera els resultats. L'aplicació sol·licita una imatge. Això és tot el que necessiteu per formar el model de persones sense malalties i per distingir entre persones amb pneumònia i persones amb COVID-19. El resultat és un resultat de classificació d’aprenentatge automàtic.
Per tant, per a qualsevol imatge de radiografia de tòrax o TC, el programari proporciona una predicció que la imatge prové d’un pacient amb Covid-19. En aquesta etapa de la investigació, no es tracta d’una versió de producció, sinó d’un experiment preliminar.
La IA s’utilitza per ajudar a investigar el contingut de Covid-19 i, possiblement, per descobrir un virus. Les aplicacions mòbils, com TensorFlow Lite, poden comprovar si una persona té el virus alimentant algunes dades de l’usuari, obtenint algunes dades automàticament sobre la seva ubicació i classificant-les amb un cert grau de risc. Us podeu imaginar una situació en què si sempre es coneix la ubicació mòbil d’un pacient confirmat, el govern pot alertar les persones que han estat en contacte amb aquesta persona. Això es coneix com a 'Track and Trace'.
Bert , una altra iniciativa de Google AI, s’està aplicant a aquest vast conjunt de dades per extreure informació útil sobre el virus, mitjançant el processament del llenguatge natural (PNL). El PNL es pot utilitzar per entendre l'estructura de les proteïnes i desenvolupar vacunes potencials més ràpidament, inclosa la informació sobre les zones on es veuen afectades les persones.
Això també hauria d’ajudar els microbiòlegs a entendre les opcions de tractament, tenint en compte els efectes adversos i determinar la dosi correcta. Bert observa paraules i frases des de les dues direccions, d’esquerra a dreta i dreta o esquerra, de manera que puguin comprendre i identificar paraules concretes en un context complet. Per tant, amb una combinació de models d’IA, com TensorFlow i Bert per al processament del llenguatge natural per ajudar els microbiòlegs, potser una vacuna contra Covid-19 potser no estigui massa lluny, però encara és un treball en curs. La IA es demostra útil, com han demostrat aquests exemples, per proporcionar una solució a una potencial vacuna Covid-19 i capacitat de seguiment.
Etiquetes COVID-19 [feminine TensorFlow
