كوفيد -19
كان عام 2020 عامًا غريبًا مع فيروس Covid-19. يقوم الفنيون الطبيون والعلماء في جميع أنحاء العالم بمحاولة إيجاد لقاح واحتوائه. هذا ليس مهمًا فقط لحياة الإنسان ، ولكن من أجل الأعمال والأثر العالمي.
كوفيد -19
بالنسبة الى كورونافستاتس اعتبارًا من 21 سبتمبر 2020 في المملكة المتحدة ، كان هناك حاليًا 398،625 إصابة إجمالية وعدد الوفيات 41،788. إن معدل الوفيات الحالي الذي يزيد قليلاً عن 10٪ من إجمالي الحالات ينذر بالخطر. لقد ثبت أن السبريد أسي. لذلك ، الاحتواء أمر حيوي ، في عالم التكنولوجيا ، يتم استخدام الذكاء الاصطناعي للمساعدة في اكتشاف اللقاح واحتوائه. يمكن استخدام الذكاء الاصطناعي للعثور على اللقاحات المناسبة بشكل أسرع من خلال تحليل اللقاحات السابقة بناءً على هياكل بروتينية مماثلة للعدوى وانتشارها.
تستخدم المراكز الصحية الذكاء الاصطناعي بشكل متزايد. يمكن لأنظمة فحص الصدر بالأشعة السينية اكتشاف الفيروس تلقائيًا والاستفادة من التعرف على الصور باستخدام قدرات الذكاء الاصطناعي. يوفر الذكاء الاصطناعي معالجة أسرع بكثير. ثم تقوم الهيئات التنظيمية والهيئات الحكومية بجمع البيانات وإتاحتها عبر كيانات متعددة. يستخدم الباحثون وعلماء الأحياء الدقيقة تلك البيانات ، وغيرها من البيانات لإنشاء عقاقير أفضل لتحليل تأثير الأدوية وتحديد الفيروس والبكتيريا الأخرى ، مثل منظمة أطباء بلا حدود.
Médecins Sans Frontières و Tenserflow Lite
TensorFlow
يمكن العثور على مثال لاستخدام الاستخدام المحتمل للذكاء الاصطناعي في العثور على لقاح من البحث الطبي الحالي في تحديد البكتيريا كما هو موضح في هذا فيديو يوتيوب . منظمة أطباء بلا حدود هي مؤسسة خيرية تقدم الرعاية الطبية في جميع أنحاء العالم ، وتصف مجموعة من المضادات الحيوية في أكثر من 70 دولة. لقد اكتشفوا أن عددًا متزايدًا من المرضى مصابين بالبكتيريا المقاومة للأدوية المتعددة. من الممكن استخدام نفس المفهوم لـ Covid-19 ، في استخدامهم للذكاء الاصطناعي ، و Googles TensorFlow. TensorFlow هو عرض مجاني ومفتوح المصدر للذكاء الاصطناعي من Google و TensorFlow Lite (مستخدمة من قبل منظمة أطباء بلا حدود) ، النسخة المحمولة متاحة للتنزيل على iOS و Android.
ما اكتشفته منظمة أطباء بلا حدود هو أن المرضى غالبًا ما يُعطون المضادات الحيوية الخاطئة ، بسبب عدم القدرة على تحديد الفيروس الدقيق الذي قد يصاب به المريض. يستخدمون TensorFlow للمساعدة في تحديد المضادات الحيوية الصحيحة لمرضاهم.
هذا يثير العديد من التحديات. لتحديد البكتيريا ، يلزم إجراء اختبارات متعددة لمعرفة نوع البكتيريا التي يتعاملون معها. هناك خطوة إضافية تتمثل في تفسير النتائج في العديد من البلدان التي تعمل فيها منظمة أطباء بلا حدود. لسوء الحظ ، لا يوجد عدد كافٍ من علماء الأحياء المجهرية ذوي الخبرة للقيام بهذه التفسيرات. قد يكون الذكاء الاصطناعي حلاً محتملاً لهذه المشكلة ، حيث إنه بدلاً من استبدال طاقم علماء الأحياء الدقيقة ، فهم يساعدون الموظفين الحاليين في تفسير اختبارات التشخيص في نطاق زمني أقصر ، باستخدام TensorFlow lite المتاح على مجموعة من الهواتف المحمولة ، في جميع عياداتهم . لا يلزم أن يكون التطبيق متصلاً بالإنترنت ، لذا يمكن استخدامه في مناطق ذات إشارة ضعيفة.
يستخدم TensorFlow رؤية الكمبيوتر والتعلم الآلي باستخدام Python لاكتشاف التفاعلات بين البكتيريا والمضادات الحيوية ، باستخدام صورة طبق بتري فقط. نتيجة لاستخدام هذه التكنولوجيا ، تمكنت منظمة أطباء بلا حدود من تدريب نموذج اختبار في غضون أيام. كما ثبت أنها سريعة وسهلة التحقيق بشكل مدهش. لقد طوروا نموذجًا أوليًا ، بهدف جعل الاختبارات التشخيصية متاحة وسهلة وبأسعار معقولة في جميع أنحاء العالم. يمكن أن يغير هذا التطبيق قواعد اللعبة في مساعدة ملايين الأشخاص في جميع أنحاء العالم ، خاصة إذا كان من الممكن تكييفه في البحث عن لقاح لـ Covid-19 ، بالإضافة إلى العديد من الأمراض الأخرى. يمكن أن يساعد أيضًا في تقديم المشورة بشأن أفضل ممارسات الإدارة.
إنه يعمل من خلال اكتشاف الكائنات ، باستخدام الصور المشروحة مسبقًا ، لبكتيريا المرض وإجراء مقارنات مع صورة طبق بتري. يمكنه عمل تنبؤات في أقل من ثانية واحدة. يكمن جمال النظام الذي يوفره TensorFlow في أنه بدلاً من الاضطرار إلى كتابة آلاف سطور التعليمات البرمجية ، توجد مكتبة من الوظائف التي تسمح ببناء بنيات مختلفة ، في وقت أقل بكثير. يمكنه تقليص هذه الشبكات الريفية ، لتتمكن من تركيبها على جهاز محمول. المدخلات البشرية أمر بالغ الأهمية للعملية. يمكن أن تمر عبر مئات الملايين من الصور بسرعة كبيرة ويمكن تكييفها لإنشاء أنواع مختلفة من الشبكات العصبية.
في البحث عن لقاح لـ Covid-19 ، يمكن أن تكون الاستراتيجية التي تستخدمها منظمة أطباء بلا حدود مكانًا جيدًا للبدء في استخدام الذكاء الاصطناعي باستخدام TenserFlow.
مثال على TensorFlow Lite على Android
يتيح لك TensorFlow تشغيل نماذج التعلم الآلي على الأجهزة المحمولة بزمن انتقال منخفض بسرعة ، بحيث يمكنك إجراء التصنيفات دون الحاجة إلى إجراء مكالمات شبكة متكررة إلى الخادم. إنه متاح على Android و iOS عبر واجهة برمجة تطبيقات C ++. يوجد برنامج Java التفاف لأجهزة Android يمكنه دعمه. يستخدم المترجم واجهة برمجة تطبيقات شبكات Android العصبية لتسريع الأجهزة.
تم إنشاء التطبيق باستخدام نموذج شبكة الجوال. شبكات المحمول صغيرة ولا تستهلك سوى القليل من الطاقة. يمكن تصميم النماذج لتلبية العديد من حالات الاستخدام مثل اكتشاف الكائنات ، مثل الأنواع المختلفة من النباتات أو الأشجار. يوفر تصنيف دقيق الحبيبات. هناك العديد من النماذج الجاهزة للعمل مع المدربة مسبقًا.
عند العمل لأول مرة مع TensorFlow lite ، يوصى بالعمل مع هذه النماذج سابقة الصنع. ومع ذلك ، فإن TensorFlow Lite لا يدعم حتى الآن جميع ميزات TensorFlow الكاملة.
لاستخدام TensorFlow على الهاتف المحمول ، يلزمك تضمين مكتبات TensorFlow lite. يتم تحقيق ذلك عن طريق تحرير ملف gradle الخاص بالبنيات للتأكد من تضمينها. الخطوة التالية هي استيراد مترجم TensorFlow. يقوم المترجم بتحميل نموذج ويسمح لك بتشغيله من خلال تزويده بمجموعة من المدخلات. ينفذ TensorFlow lite النموذج ويكتب المخرجات. إنها عملية بسيطة ، على الرغم من أن التكنولوجيا الكامنة وراءها معقدة.
يجب تخزين النموذج في أصول التطبيق. سيقرأ الرمز بعد ذلك النموذج مباشرة من هناك ، على الرغم من أنه يمكن تحميل النموذج من أي مكان. بمجرد تحميل النموذج ، يمكن إنشاء مترجم فوري.
في حالة البحث الطبي ، يقوم التطبيق بقراءة الإطارات من الكاميرا وتحويلها إلى صور. تُستخدم هذه الصور (في حالة منظمة أطباء بلا حدود ، طبق بتري) كمدخلات للنموذج ، الذي ينتج قيمًا مرتجعة. هذه القيم عبارة عن فهرس للتسمية المناسبة (في هذه الحالة تحديد البكتيريا) ، وبعد ذلك ستطابق آلاف الصور المشروحة المعدة مسبقًا تلك التسمية.
يمكنك معرفة المزيد عن تدريب نماذج TensorFlow في هذا فيديو دليل لتشغيل نماذج TensorFlow على Android.
الكشف عن Covid-19 باستخدام نسيج UiPath
الأشعة السينية الصدر
UiPath هي شركة متخصصة في حلول الذكاء الاصطناعي للأتمتة. استخدم الباحثون في جامعة واترلو وداروين UiPath Fabric وهي مبادرة مفتوحة المصدر ، لتصميم نموذج شبكة عصبية لاكتشاف حالات COVID-19 ، باستخدام صور الصدر بالأشعة السينية. تم تدريب النموذج على مجموعة بيانات متاحة للجمهور تتكون من 76 صورة من مرضى كوفيد 19 كما هو موضح في فيديو You Tube.
سير العمل بسيط ، ويتألف من ملف وصورة X-Ray. يتم إرسالها إلى نموذج التعلم الآلي الذي ينتج النتائج. يطلب التطبيق صورة. هذا كل ما تحتاجه لتدريب النموذج من الأشخاص غير المصابين بمرض ، وللتمييز بين الأشخاص المصابين بالالتهاب الرئوي والأشخاص المصابين بـ COVID-19. الإخراج هو نتيجة تصنيف التعلم الآلي.
لذلك ، بالنسبة لأي صورة بالأشعة السينية أو الأشعة المقطعية للصدر ، يوفر البرنامج تنبؤًا بأن الصورة تأتي من مريض مصاب بـ Covid-19. في هذه المرحلة من البحث ، ليست نسخة إنتاجية ، لكنها تجربة أولية.
يتم استخدام الذكاء الاصطناعي للمساعدة في البحث لاحتواء Covid-19 وربما لاكتشاف فيروس. يمكن لتطبيقات الأجهزة المحمولة ، مثل TensorFlow Lite التحقق مما إذا كان الفرد مصابًا بالفيروس عن طريق إدخال بعض مدخلات المستخدم والحصول على بعض البيانات تلقائيًا حول موقعه وتقييمها على درجة من المخاطر. يمكنك أن تتخيل موقفًا إذا كان موقع الهاتف المحمول لمريض مؤكد معروفًا دائمًا ، فيمكن للحكومة تنبيه الأشخاص الذين كانوا على اتصال بهذا الشخص. يُعرف هذا باسم 'التتبع والتتبع'.
بيرت ، وهي مبادرة أخرى من Google AI ، يتم تطبيقها على مجموعة البيانات الضخمة هذه لاستخراج معلومات مفيدة حول الفيروس ، باستخدام معالجة اللغة الطبيعية (NLP). يمكن استخدام البرمجة اللغوية العصبية (NLP) لفهم بنية البروتين ، ولتطوير اللقاحات المحتملة بشكل أسرع ، بما في ذلك توفير المعلومات حول المناطق التي يتأثر فيها الأشخاص.
يجب أن يساعد هذا أيضًا علماء الأحياء الدقيقة على فهم خيارات العلاج ، والنظر في أي آثار ضارة ، وتحديد الجرعة الصحيحة. ينظر بيرت إلى الكلمات والجمل من كلا الاتجاهين ، من اليسار إلى اليمين واليمين أو اليسار حتى يتمكنوا من فهم وتحديد كلمات معينة في سياق كامل. لذلك ، مع مزيج من نماذج الذكاء الاصطناعي ، مثل TensorFlow و Bert لمعالجة اللغة الطبيعية لمساعدة علماء الأحياء الدقيقة ، ربما لا يكون لقاح Covid-19 بعيدًا جدًا ، لكنه لا يزال قيد التنفيذ. أثبت الذكاء الاصطناعي أنه مفيد كما أظهرت هذه الأمثلة ، لتوفير حل لقاح محتمل لـ Covid-19 وقدرة على التتبع.
العلامات كوفيد -19 TensorFlow
