A inteligência artificial já desempenhou um papel importante na luta contra o surto desde o primeiro dia, lembrando-nos pela primeira vez que pode ser uma ferramenta para o bem.
Salve esta história
Salve esta história
Banco de dados de inteligência artificial →
Processamento de linguagem natural
A inteligência artificial teve uma má reputação nos últimos anos, mas a pandemia de Covid-19 demonstra claramente como a IA pode trazer muitos benefícios na corrida por uma vacina. A IA desempenha dois importantes papéis de apoio nesta busca: sugerir componentes de vacinas através da compreensão da estrutura das proteínas virais e ajudar os investigadores médicos a analisar dezenas de milhares de artigos científicos relevantes a uma velocidade sem precedentes. Nas últimas semanas, equipes do Instituto Allen de Inteligência Artificial, do Google DeepMind e de outras organizações criaram ferramentas de IA, compartilharam conjuntos de dados e resultados de pesquisas e os disponibilizaram gratuitamente para a comunidade científica global.
OPINIÃO COM FIO
SOBRE O SITE
Oren Etzioni é CEO da organização sem fins lucrativos Allen Institute for AI e professor de ciência da computação na Universidade de Washington. Nicole DeCario é Diretora Associada Sênior de Inteligência Artificial do Allen Institute.
As vacinas imitam a infecção, fazendo com que o corpo produza glóbulos brancos e antígenos protetores. Existem três tipos principais de vacinas: as vacinas contra agentes patogénicos completos, como a gripe ou MMR, utilizam agentes patogénicos mortos ou enfraquecidos para desencadear uma resposta imunitária; vacinas de subunidades (por exemplo, contra tosse convulsa, herpes zoster) usam apenas parte do micróbio, por exemplo, uma proteína; e as vacinas de ácido nucleico introduzem material genético de patógenos nas células humanas para estimular uma resposta imunológica. Esta última é um tipo de vacina contra o vírus Covid-19 que começou a ser testada nos EUA esta semana. A IA é útil para acelerar o desenvolvimento de vacinas de subunidades e de ácidos nucleicos.
As proteínas, que são parte integrante dos vírus, são compostas por uma sequência de aminoácidos que determinam sua forma tridimensional única. Compreender a estrutura de uma proteína é essencial para entender como ela funciona. Uma vez compreendida a forma, os cientistas podem desenvolver medicamentos que tenham como alvo a forma única da proteína. Mas estudar todas as formas possíveis de uma proteína antes de encontrar a sua estrutura 3D única levaria mais tempo do que a idade do universo conhecido. A inteligência artificial vem em socorro.
Leia toda a nossa cobertura sobre o coronavírus aqui.
Em janeiro, o Google DeepMind introduziu o Alphafold, um sistema avançado que prevê uma estrutura de proteína 3D baseada em sua sequência genética. No início de março, o sistema foi testado no Covid-19. O DeepMind divulgou as previsões da estrutura de proteínas de várias proteínas mal estudadas associadas ao vírus SARS-CoV-2, que chama o Covid-19 para ajudar a comunidade de pesquisa a entender melhor esse vírus.
Ao mesmo tempo, pesquisadores da Universidade do Texas em Austin e do Instituto Nacional de Saúde usaram um método de biologia popular para criar o primeiro mapa atômico tridimensional daquela parte do vírus que é ligado às células humanas e as infecta, pico proteína. A equipe responsável por esse avanço mais importante passou anos para trabalhar com outros coronavírus, incluindo Sars-Cov e Mers-Cov. Uma das previsões emitidas pela Alphafold deu uma previsão precisa da estrutura desse pico.
No Instituto de Cintos da Universidade de Washington, modelos de computador também foram usados para criar modelos atômicos tridimensionais de SARS-CoV-2 proteína-Cap, que são completamente coincidentes com aqueles que foram encontrados no Laboratório de Ut Austin. Agora eles estão desenvolvendo esse trabalho, criando novas proteínas para neutralizar o coronavírus. Teoricamente, essas proteínas aderem ao chip de proteína, não permitindo que partículas virais infectem células saudáveis.
Em um sentido mais amplo, a pesquisa científica Covid-19 requer esforços incríveis para acompanhar os resultados obtidos em outros laboratórios. Tendo aprendido sobre o trabalho de outro laboratório, você pode economizar meses ou até anos de trabalho, tendo passado por um beco sem saída sem inventar uma bicicleta ou oferecer um caminho curto. Relatórios de laboratório sobre seus trabalhos por meio de artigos publicados e cada vez mais frequentemente por meio de serviços de pr é-impressão, como Biorxiv e Medrxiv.
Mais popular
A ciência
Uma bomba demográfica de uma ação lenta está prestes a atingir a indústria de carne bovina
Matt Reynolds
Negócios
Dentro do complexo supe r-secreto Mark Zuckerberg no Havaí
Gatrine Skrimjor
Engrenagem
Primeira olhada em Matic, um aspirador de robô processado
Adrienne co
Negócios
Novas declarações de Elon Mask sobre a morte de um macaco estimulam novos requisitos para a investigação da SEC
Dhruv Mehrotra
Nos primeiros três meses de 2020, vários milhares de obras pareciam relacionados ao Covid-19, e a literatura científica está crescendo rapidamente. Como resultado, é difícil para os cientistas encontrar trabalhos relacionados à sua pesquisa específica, analisar a ampla gama dos resultados mais recentes e encontrar novas idéias. A primeira tarefa é coletar toda a literatura necessária e coloc á-la em um único local acessível. Em resposta a isso, nós, funcionários do Allen Institute for Artificial Intelligence, em parceria com várias organizações de pesquisa, criamos o CoVID-19 Open Research DataSet (CORD-19)-um recurso exclusivo que inclui mais de 44. 000 artigos científicos sobre Covid-19 , SARS-Cov-2 e coronavírus relacionados. É atualizado diariamente à medida que novas pesquisas são publicadas. Esse conjunto de dados, que está disponível gratuitamente, é orientável para a máquina, para que os pesquisadores possam criar e usar algoritmos para processar uma linguagem natural e, como esperamos, acelerar a abertura da vacina.
A coalizão, incluindo a Casa Branca, a iniciativa de Chan Tsuckerberg, o Centro de Segurança e novas tecnologias da Universidade de Georgetown, Microsoft Research e a National Medicine Library of the National Institute of Health, uni u-se a prestar esse serviço. Além disso, o Estudo do Desafio de Pesquisa CoVID-19 é realizado sobre o treinamento e a análise de máquinas dos dados de Kaggle dos dados de Kaggle, cujo objetivo é obter uma ampla gama de conhecimentos sobre pandemia, incluindo história natural, transmissão e diagnóstico de O vírus, lições de estudos epidemiológicos anteriores e muito mais. A tarefa do estudo foi publicada em 16 de março. Cinco dias depois, ela coletou mais de 500. 000 visualizações e foi carregada mais de 18. 000 vezes. Os resultados mais recentes da pesquisa são coletados em uma página da web para conhecer rapidamente.
A perspectiva mais tentadora de uma análise automatizada da literatura científica é que a IA conectará pontos entre estudos, identificando hipóteses e oferecendo experimentos e até tratamento que, de outra forma, perderiam. A análise da literatura é uma classe de métodos de análise inventados pelo pesquisador Don R. Sunson em 1988. Seu sistema automatizado descobriu um novo remédio para o tratamento da enxaqueca – magnésio. O trabalho sobre a abertura com base na literatura continua, e sua influência potencial aumentou com o aparecimento de ferramentas de PNL com base no aprendizado profundo, como o Scibert.
Além de apoiar a comunidade científica nos seus esforços para estudar o vírus e desenvolver tratamentos, a inteligência artificial desempenhou um papel importante no surto de Covid-19 desde o primeiro dia. A startup de IA Bluedot descobriu um conjunto de casos incomuns de pneumonia em Wuhan no final de dezembro e previu com precisão onde o vírus poderia se espalhar. Os robôs reduzem a interação humana ao desinfetar quartos de hospitais, movimentar alimentos e cargas e realizar consultas de telemedicina. A IA está sendo usada para rastrear e mapear a propagação de infecções em tempo real, diagnosticar infecções, prever o risco de mortalidade e muito mais. O potencial para inovação futura não pode passar despercebido.
