Глобальна пандемія COVID-19 показала нам, наскільки руйнівними можуть бути ці спалахи – і все могло бути набагато гірше. Тепер вчені розробили додаток зі штучним інтелектом, який обіцяє попереджати нас про небезпечні варіанти майбутніх пандемій.
Він називається системою раннього виявлення аномалій (EWAD), і під час тестування на основі фактичних даних про поширення SARS-CoV-2 він точно передбачив, які нові варіанти, що викликають занепокоєння (VOC), з’являться в міру мутації вірусу.
Для створення EWAD вчені з Scripps Research та Північно-Західного університету в США використали метод машинного навчання. При машинному навчанні величезні обсяги навчальних даних аналізуються комп’ютерами, щоб виявити закономірності, розробити алгоритми, а потім зробити прогнози щодо того, як ці закономірності можуть проявитися в майбутніх, невідомих сценаріях.
ШІ зміг заздалегідь виявити варіанти, що викликають занепокоєння. (Scripps Research/BioRender.com)
У цьому випадку штучному інтелекту була надана інформація про генетичні послідовності варіантів SARS-CoV-2 у міру поширення інфекції, частоту цих варіантів, а також зареєстрований глобальний рівень смертності від COVID-19. Потім програмне забезпечення змогло виявити генетичні зрушення в міру адаптації вірусу, що зазвичай проявляється у зростанні рівня інфікування та падінні рівня смертності.
“Ми бачили, як з’являлися і ставали більш поширеними ключові варіанти генів, як змінювався рівень смертності, і все це відбувалося за кілька тижнів до того, як ЛОС, що містять ці варіанти, були офіційно визначені ВООЗ”, – розповідає Вільям Балч, мікробіолог з Scripps Research.
Конкретна методика, яку використовувала команда, називається просторовою коваріацією на основі гауссових процесів, яка, по суті, обчислює цифри на основі набору існуючих даних для прогнозування нових даних, використовуючи не тільки середні значення точок даних, але й взаємозв’язки між ними.
Протестувавши свою модель на тому, що вже сталося, і знайшовши тісні збіги між реальними і прогнозованими даними, вчені змогли довести ефективність EWAD у прогнозуванні того, як такі заходи, як вакцинація і носіння масок, можуть спричинити подальшу еволюцію вірусу.
“Один з важливих уроків цієї роботи полягає в тому, що важливо брати до уваги не лише кілька відомих варіантів, але й десятки тисяч інших невизначених варіантів, які ми називаємо “варіантною темною матерією”, – каже Балч.
Дослідники кажуть, що їхні алгоритми штучного інтелекту змогли виявити “правила” еволюції вірусу, які в іншому випадку залишилися б непоміченими, і які можуть виявитися життєво важливими в боротьбі з майбутніми пандеміями, коли вони з’являтимуться.
Крім того, розроблена тут система може також дозволити вченим краще зрозуміти самі основи біології вірусів. Це може бути використано для вдосконалення методів лікування та інших заходів у сфері охорони здоров’я.
“Ця система і технічні методи, що лежать в її основі, мають багато можливих застосувань у майбутньому”, – говорить математик Бен Калверлі з Scripps Research.