Kuinka suuri data auttaa torjumaan pandemiaa

Kuinka Big Data -analyysi voi auttaa voittamaan koronaviruksen ja kuinka koneoppimisteknologiat mahdollistavat valtavan datamäärän analysoinnin? Näihin kysymyksiin etsii vastauksia Teollisuus 4.0 Youtube -kanavan juontaja Nikolai Dubinin.

Big data -analyysi on yksi tehokkaimmista tavoista seurata viruksen leviämistä ja voittaa pandemia. 160 vuotta sitten tapahtui tarina, joka osoitti selvästi, kuinka tärkeää on kerätä tietoa ja analysoida sitä nopeasti.

Kartta koronaviruksen leviämisestä Moskovassa ja Moskovan alueella.

Miten kaikki alkoi? 1854 Lontoon Sohon aluetta iskee koleraepidemia. 500 ihmistä kuolee kymmenessä päivässä. Kukaan ei ymmärrä taudin leviämisen lähdettä. Tuolloin uskottiin, että tauti tarttui epäterveellisen ilman hengityksestä. Kaikki muuttui lääkäri John Snow, josta tuli yksi modernin epidemiologian perustajista. Hän alkaa haastatella paikallisia asukkaita ja laittaa kaikki tunnistetut tautitapaukset kartalle. Tilastot osoittivat, että suurin osa kuolleista oli lähellä Broad Streetin pystyputkea. Ei ilma, vaan jäteveden myrkytetty vesi aiheutti epidemian.

Tectonixin palvelu näyttää Miamin rannan esimerkillä, kuinka väkijoukot voivat vaikuttaa epidemioiden leviämiseen. Kartta sisältää miljoonia älypuhelimista ja tableteista peräisin olevia anonyymejä tietoja maantieteellisellä sijainnilla.

Kuvittele nyt kuinka nopeasti koronavirus leviää maassamme Moskovan metron ruuhkan jälkeen 15. huhtikuuta. Sitten poliisi tarkasti jokaisen metroon menneen henkilön digitaalisen passin.

Miksi tarvitsemme digitaalisia passeja, jos järjestelmä ei selviä niiden todentamisesta? Siellä on myös valvontakameroita.

Yandexin teknologian levittämisestä vastaavan johtajan Grigory Bakunovin mukaan nykyään toimiva kasvojentunnistusjärjestelmä tunnistaa 20-30 fps yhdellä tietokoneella. Se maksaa noin 10 dollaria. Samaan aikaan Moskovassa on 200 kameraa. Jotta se kaikki toimisi reaalitilassa, sinun on asennettava noin 20 tuhatta tietokonetta. Kaupungilla ei ole sellaista rahaa.

Samaan aikaan 15. maaliskuuta Etelä-Koreassa pidettiin offline-parlamenttivaalit. Äänestysprosentti viimeisen kuudentoista vuoden aikana oli ennätys – 66 prosenttia. Miksi he eivät pelkää ruuhkaisia ​​paikkoja?

Etelä-Korea on onnistunut kääntämään epidemian kehityksen maan sisällä. Heillä oli jo samanlainen kokemus: vuosina 2015 ja 2018, jolloin maassa oli MERS-virusepidemia. Vuonna 2018 he ottivat huomioon kolmen vuoden takaiset virheensä. Tällä kertaa viranomaiset toimivat erityisen päättäväisesti ja liittivät big dataa.

Potilaiden liikkeitä seurattiin seuraavilla tavoilla:

  • valvontakameroiden tallennuksia

  • luottokorttitapahtumat

  • GPS-tiedot kansalaisten autoista

  • Matkapuhelimet

Karanteenissa olevien piti asentaa erityinen sovellus, joka hälytti viranomaisia ​​rikkojista. Kaikki liikkeet oli mahdollista nähdä jopa minuutin tarkkuudella ja myös saada selville, oliko ihmisillä maskeja.

Rikkomuksesta määrätty sakko oli jopa 2,5 tuhatta dollaria. Sama sovellus ilmoittaa käyttäjälle, jos lähellä on tartunnan saaneita ihmisiä tai joukko ihmisiä. Kaikki tämä tapahtuu rinnakkain massatestauksen kanssa. Jopa 20 testiä tehtiin maassa päivittäin. Vain koronavirustestaukseen omistettua keskusta on perustettu 633. Parkkipaikoilla oli myös 50 asemaa, joissa voit suorittaa kokeen poistumatta autosta.

Mutta kuten tiedetoimittaja ja N + 1 -tiedeportaalin luoja Andrey Konyaev oikein huomauttaa, Pandemia menee ohi, mutta henkilötiedot säilyvät. Valtio ja yritykset voivat seurata käyttäjien käyttäytymistä.

Muuten, uusimpien tietojen mukaan koronavirus osoittautui tarttuvammaksi kuin luulimme. Tämä on kiinalaisten tutkijoiden virallinen tutkimus. Tuli tiedoksi, että COVID-19 voi tarttua yhdestä ihmisestä viiteen tai kuuteen, ei kahteen tai kolmeen, kuten aiemmin luultiin.

Influenssatartuntaprosentti on 1.3. Tämä tarkoittaa, että yksi sairas tartuttaa yhden tai kaksi ihmistä. Alkuperäinen koronavirustartuntakerroin on 5.7. Kuolleisuus influenssaan on 0.1 %, koronavirukseen 1-3 %.

Tiedot esitetään huhtikuun alusta. Monet tapaukset jäävät diagnosoimatta, koska henkilölle ei tehdä koronavirustestiä tai sairaus on oireeton. Siksi tällä hetkellä on mahdotonta tehdä johtopäätöksiä numeroista.

Koneoppimisteknologiat ovat parhaita valtavan datamäärän analysoinnissa ja auttavat paitsi seuraamaan liikkeitä, kontakteja, myös:

  • diagnosoida koronavirus

  • etsiä lääkettä

  • etsi rokote

Monet yritykset julkistavat tekoälyyn perustuvia valmiita ratkaisuja, jotka tunnistavat koronaviruksen automaattisesti ei analyysin, vaan esimerkiksi keuhkojen röntgen- tai CT-kuvauksen avulla. Siten lääkäri alkaa välittömästi työskennellä vakavimpien tapausten kanssa.

Mutta kaikilla tekoälyillä ei ole tarpeeksi älyä. Maaliskuun lopussa mediassa levisi uutinen, että uusi algoritmi, jonka tarkkuus on jopa 97 %, voisi määrittää koronaviruksen keuhkojen röntgenkuvauksella. Kävi kuitenkin ilmi, että hermoverkkoa harjoitettiin vain 50 valokuvalla. Se on noin 79 kuvaa vähemmän kuin tarvitset taudin tunnistamiseen.

Googlen emoyhtiön Alphabetin osasto DeepMind haluaa luoda viruksen proteiinirakenteen kokonaan uudelleen tekoälyn avulla. Maaliskuun alussa DeepMind sanoi, että sen tutkijat olivat ymmärtäneet COVID-19:ään liittyvien proteiinien rakenteen. Tämä auttaa ymmärtämään, miten virus toimii, ja nopeuttaa lääkkeen etsintää.

Mitä muuta luettavaa aiheesta:

  • Kuinka tekniikka ennustaa pandemioita
  • Toinen koronaviruskartta Moskovassa
  • Kuinka neuroverkot seuraavat meitä?
  • Koronaviruksen jälkeinen maailma: kohtaammeko ahdistuksen ja masennuksen epidemian?

Tilaa ja seuraa meitä Yandex.Zenissä – tekniikka, innovaatio, talous, koulutus ja jakaminen yhdessä kanavassa.

Jätä vastaus