Пандемия коронавирусной инфекции, настигшая человечество в конце 2019 года и унесшая жизни более 6 млн человек, вскрыла множество проблем мирового здравоохранения. Среди них: повсеместная неготовность инфраструктуры к массовым инфекционным заболеваниям, нехватка медперсонала и больниц. Учиться многому чиновникам, эпидемиологам, инфекционистам и вирусологам пришлось не загодя, а пребывая внутри чрезвычайной ситуации.

За эти два года было усвоено множество уроков. Например, появилось понимание того, что принимать организационные решения, будь то введение локдауна, разворачивание ковидного госпиталя или разработка вакцины, невозможно без оцифрованных глобальных данных о распространении инфекции.

Пандемическая аналитика

COVID-19 действительно спровоцировал стремительное увеличение объема доступных оцифрованных глобальных данных, на основе которых правительства государств принимают эпидемиологические решения.

Так, еще до эпохи ковида эпидемиологи хорошо представляли, как инфекционные заболевания могут распространяться по всему миру из-за межконтинентальных авиаперевозок. SARS, H1N1, MERS, Эбола, вирус Зика, а затем коронавирусная инфекция 2019 года быстро обнаружили Ахиллесову пяту глобализированного общества – слишком быстрые перемещения по миру и слишком частые социальные контакты.

Учитывая столь высокую скорость распространения вируса и значительную летальность во время циркуляции первых штаммов, почти сразу стало ясно, что выстоять удастся только совместными усилиями. В том числе – с помощью активного и прозрачного обмена информацией об инфекции. На первых этапах это были сведения о передвижениях зараженных, затем – о больных, умерших, протестированных и, наконец, вакцинированных [1].

Пожалуй, уникальным среди других инфекций, настигших человечество в XXI веке, COVID-19 сделал именно объем и скорость доступных данных, поступающих из разных стран. Генерируемая в ежедневном режиме информация быстро превратилась в big data или большие данные, качество которых ученые определяют с помощью критериев 5V: объем, скорость, разнообразие, достоверность и ценность.

Однако big data, как отмечают исследователи, не имеют смысла, если к ним не добавить технологию и не начать применять ее в практической деятельности [2]. Важна лишь структурированная информация, которая аккумулируется на конкретной платформе или другом ИИ-инструменте и используется в принятии решений чиновниками, учеными и врачами. Например, помогает эпидемиологам анализировать характер волн заражений и делать прогнозы на ближайший месяц – иными словами, заниматься пандемической аналитикой.

В свою очередь, интеллектуальный анализ такого беспрецедентного количества данных данных вряд ли был бы возможен без развития высокопроизводительных вычислительных ресурсов (таких как облачные вычисления), продвинутых алгоритмов машинного обучения и нейронных сетей.

Контроль за трафиком в Китае

Страны, которые столкнулись с коронавирусной инфекцией первыми, были вынуждены стать пионерами в разработке аналитических инструментов для контроля за ситуацией.

Так как ни один врач не имел ни малейшего понятия, как лечить новое заболевание, ориентир взяли на сдерживание инфекции: поиск «нулевых» пациентов и ликвидацию очагов заражения. На родине COVID-19 в Китае упор поначалу сделали именно на отслеживание перемещений людей с помощью big data и технологий искусственного интеллекта.

Так, ИТ-разработчик GeTui создал тепловую карту вспышек инфекции в стране, чтобы следить за движением пассажиров из наиболее пострадавшего города Ухань [3]. Доходило до того, что в китайских соцсетях распространялась информация о том, в каком автобусе ехал зараженный человек перед тем, как оказался в больнице, и с кем он мог контактировать. Затем была запущена платформа Big data analytics, объединившая данные Национальной комиссии здравоохранения, Министерства транспорта, Китайской железной дороги и управления гражданской авиации Китая, чтобы помочь властям зафиксировать тесные контакты пациентов или людей с подозрением на COVID-19 [4].

Еще одна ИТ-компания Baidu разработала карту, на которой в режиме реального времени обновлялась информация о перекрытии дорог и местах скопления людей, чтобы люди могли заранее продумать свой маршрут и сократить количество контактов [5].

Соблюдение локдауна в ЕС

Когда коронавирусная инфекция все же расползлась по миру, эпидемиологи сделали ставку на максимальное снижение социальных контактов и ограничительные меры: самоизоляция, соблюдение дистанции, ношение масок и массовый перевод людей на «удаленку». Контролировать соблюдение локдауна также было невозможно без ИИ-технологий, которые взяли на вооружение в Европе.

Аналитику больших данных такого рода для своих нужд использовало Министерство инноваций Италии, объединив усилия с Университетом Павии [6]. Анонимные сведения о передвижении пользователей правительство получало от Facebook* и итальянских ИТ-компаний. Затем энергокомпания Enel X совместно с разработчиком картографического контента Here Technologies создали карту мобильности населения City Analytics, которая помогала итальянским транспортникам оценивать мобильность пассажиров [7].

Французское правительство пошло еще дальше, объявив войну безмасочникам: вооружилось инструментом видеоаналитики DatakaLab на основе искусственного интеллекта, который уведомлял местные транспортные власти о пассажирах без масок [8].А для мониторинга социального дистанцирования технологическая компания AI Hub Singapore разработала приложение SafeDistancer на основе ИИ и компьютерного зрения. Достаточно навести камеру телефона на длинную очередь, как изображение обрабатывалось и выдавало сигнал тревоги при сокращении дистанции между людьми [9].

Волны заболевания и пустые койки

Было бы странно, если бы ИИ-решения во времена пандемии ограничились только инструментами для слежки и различных рестрикций. По мере развития пандемии в странах стали появляться инструменты, позволяющие оптимизировать нагрузку на медицинские учреждения, которые буквально захлебывались от госпитализаций.

Так, национальная служба здравоохранения Великобритании (NHS) в партнерстве с Microsoft, Amazon Web Services, Google, Faculty и Palantir внедрила цифровую платформу, основанную на больших данных, искусственном интеллекте и технологиях облачных вычислений. Платформа аккумулировала информацию, связанную с COVID-19 от NHS и Public Health England – о заполняемости инфекционных стационаров и длительности пребывания пациентов в больницах [10]. Выдавала платформа и рекомендации по поводу того, в каких медучреждениях не хватает персонала и куда необходимо срочно поставить оборудование для лечения.

Затем в сотрудничестве с исследователями из Кембриджского университета NHS запустила CPAS – систему планирования в условиях пандемии COVID-19, чтобы предвидеть потребность больниц в масках, защитных костюмах, ИВЛ-оборудовании и лекарствах [11].

Телемедицина для контроля симптомов

Когда стало ясно, что врачей на всех не хватает, а больницы превратились в рассадники инфекций, популярность начала набирать телемедицина, вооруженная технологиями IoMT (интернет медицинских вещей) – клинических гаджетов, типа «умных» часов, пульсоксиметра или обычного смартфона со специальными программными приложениями.

Телемедицинские сервисы позволяли врачам дистанционно контролировать пациентов, которым не требовалось пребывание в стационаре [12]. Так, НКО Baptist Health в Кентукки и частная клиника Майо внедрили в повседневную практику удаленный мониторинг пациентов с коронавирусом Current Health Ltd для удаленного мониторинга пациентов с легкой и средней формой тяжести COVID-19 [13].

Американская компания Apple совместно с рабочей группой Белого дома по коронавирусу, Центрами по контролю и профилактике заболеваний (CDC) и Министерством здравоохранения и социальных служб США (HHS) выпустила «приложение COVID-19», в которое пациенты вводили данные о своих симптомах [14].

Также врачи стали открывать и закрывать больничные пациентом в дистанционном режиме – такая практика использовалась, например, в России.

Телемедицинский подход в пандемию активно применяли в отношении пациентов из групп высокого риска по коронавирусу, среди которых оказались люди с диабетом, ВИЧ, психическими расстройствами, эпилепсией и онкологией [15]. Чтобы пациенты с сахарным диабетом не посещали врача очно и не заражались коронавирусом, им предложили использовать сервис непрерывного и мгновенного мониторинга глюкозы, к которым имел доступ их лечащий врач [16]. В отношении пациентов с раком использовались сервисы, которые помогали врачам мониторить важные показатели и симптомы пожилых пациентов после операции по поводу онкологии.

Помощь в лечении и изучении коронавируса

Большие данные и ИИ-технологии также помогали ученым понять вирус и осознать, как он воздействует на организм. Ученые из Нью-Йоркского университета и Колумбийского университета в сотрудничестве с двумя больницами Китая создали инструмент ИИ, который делал прогнозы, какие пациенты перейдут в тяжелую форму заболевания, а какие нет. Сервис также помог врачам понять, какую роль играют ферменты печени, миалгии и гемоглобина в ухудшении здоровья пациентов [17].

Затем в партнерстве с Amazon Web Services UC San Diego Health разработала и применила решение для обработки рентгеновских изображений легких и выявления пациентов с вероятностью развития пневмонии [18].

Big data поставили на службу и в сфере разработки вакцин и лекарств. Google DeepMind применил «AlphaFold» – систему, которая предсказывала структуру белка с использованием огромных наборов геномных данных, чтобы помочь исследователям лучше понять вирус [19]. В Великобритании же с помощью ИИ определяли высокопотенциальное соединения для лечения COVID-19 и прогнозировали, какие комбинации лекарств будут успешными против коронавируса и улучшат иммунный ответ.

Супербыстрый запуск вакцин

В пандемию коронавирусной инфекции, помимо всего прочего, беспрецедентно ускорилась разработка и регистрация инновационных препаратов. В частности, именно так были запущены первые клинические одобренные мРНК вакцины для борьбы с пандемией COVID-19. Одну из них произвели компании Pfizer и BioNTech, другую – Moderna.

Буквально за пару дней после того, как ученые из КНР опубликовали генетическую последовательность нового вируса, специалисты Moderna из Массачусетса составили план разработки вакцины, а спустя 42 дня отправили партию начальной версии препарата Национальному институту здравоохранения США для первой фазы испытаний. В начале марта вакцину впервые опробовали на людях – в то время как обычно на разработку уходят годы и даже десятилетия.

Кстати, технология мРНК вакцин существовала довольно давно – испытания в онкологии с использованием схожих методик начались в 2011 году, а самые первые мРНК-вакцины исследовались еще в 90-х годах прошлого века [20].

Что касается онкоиммунологии, ученые с использованием молекул РНК получили первые обнадеживающие результаты в генной терапии рака. Они работали над противораковой мРНК-вакциной, которая создавалась для каждого отдельного больного с учетом специфики его заболевания, и положительные результаты удалось получить по пациентам с неоперабельным раком органов головы и шеи.

Разрозненность и утечки

К сожалению, несмотря на огромное количество данных и аналитических инструментов, появившихся в мире в последние пару лет, проблемы связанные с терабайтами информации и ее использованием остаются.

Ученые жалуются на точечный и разрозненный характер технологий в системах здравоохранения разных стран и даже в рамках одной страны. Отсутствие межсистемной совместимости приводит к тому, что сбор, фиксация, распространение и обмен медицинскими сведениями между больницами и госорганами (а тем более министерствами здравоохранения разных государств) возможен разве что вручную. В то же время данные, которые отличаются по характеристикам и объему, крайне сложно свести в какую-то единую таблицу.

Исследователи отмечают, что в истории человечества помимо пандемии COVID-19, будет еще множество других чрезвычайных ситуаций, которые также будут требовать максимально быстрой реакции от правительств. А это значит, что необходимо продвигать инициативы обмена данных и развивать системы их конвертации уже сейчас.

Еще один пласт опасений по поводу широкого использования больших данных и ИИ-технологий связан с безопасностью личных данных, конфиденциальностью персональной медицинской информации. Правозащитники высказывают справедливую озабоченность тем, что утечки происходят все чаще, а значит, использовать данные людей могут явно не только в целях эпидемиологической безопасности.

Рустам Гильфанов – венчурный партнер фонда LongeVC, частный инвестор и филантроп.

Источники:

1. Mehta N, Shukla S. Pandemic Analytics: How Countries are Leveraging Big Data Analytics and Artificial Intelligence to Fight COVID-19?. SN Comput Sci. 2022;3(1):54. doi:10.1007/s42979-021-00923-y
2. Tang, Chunlei et al. «The intersection of big data and epidemiology for epidemiologic research: The impact of the COVID-19 pandemic." International journal for quality in health care : journal of the International Society for Quality in Health Care vol. 33,3 (2021): mzab134. doi:10.1093/intqhc/mzab134
3. IANS (2020) Tech firms using big data to help fight novel coronavirus. In: Bus. Insid. https://www.thehindu.com/sci-tech/technology/tech-firms-using-big-data-to-help-fight-novel-coronavirus/article30724513.ece. Accessed 29 Dec 2020
4. CGTN (2020) Big data plays major role in fight against COVID-19. https://news.cgtn.com/news/2020-02-21/Big-data-plays-major-role-in-fight-against-COVID-19-OgSu21VP3O/index.html. Accessed 28 Dec 2020
5. Xinhua (2020) China Focus: Big data enlisted in China's fight against coronavirus. https://www.xinhuanet.com/english/2020-02/05/c_138757865.htm. Accessed 3 Jan 2021
6. Privacy International (2020) Italy: Telcos turn over anonymised location data to aid contact tracing. https://privacyinternational.org/examples/3422/italy-telcos-turn-over-anonymised-location-data-aid-contact-tracing. Accessed 25 Mar 2021
7. Stone T (2020) Covid 19: Italian transport authorities to benefit from free analytics software. In: Traffic Technol. Today. https://www.traffictechnologytoday.com/news/covid-19-news/covid-19-italian-transport-authorities-to-benefit-from-free-analytics-software.html. Accessed 26 Mar 2021
8. Vincent J (2020) France is using AI to check whether people are wearing masks on public transport. In: The Verge. https://www.theverge.com/2020/5/7/21250357/france-masks-public-transport-mandatory-ai-surveillance-camera-software. Accessed 30 Mar 2021
9. Girling W (2020) AI Hub Singapore creates COVID-19 monitoring app. In: Bus. Chief. https://businesschief.asia/technology/ai-hub-singapore-creates-covid-19-monitoring-app. Accessed 9 Apr 2021
10. Gould M, Joshi DI, Tang M (2020) The power of data in a pandemic. In: Gov.UK. https://healthtech.blog.gov.uk/2020/03/28/the-power-of-data-in-a-pandemic/. Accessed 21 Sep 2021
11. NHS Digital (2020) Trials begin of machine learning system to help hospitals plan and manage COVID-19 treatment resources developed by NHS Digital and University of Cambridge. https://digital.nhs.uk/news/2020/trials-begin-of-machine-learning-system-to-help-hospitals-plan-and-manage-covid-19-treatment-resources-developed-by-nhs-digital-and-university-of-cambridge. Accessed 16 Feb 2021
12. Applications of Artificial Intelligence, Machine Learning, Big Data and the Internet of Things to the COVID-19 Pandemic: A Scientometric Review Using Text Mining Ignacio Rodríguez-Rodríguez,^1,* José-Víctor Rodríguez,^2,* Niloofar Shirvanizadeh,¹ Andrés Ortiz,³ and Domingo-Javier Pardo-Quiles²
13. Wiggers K (2020) Current health partners with the mayo clinic for remote coronavirus patient monitoring. In: Venturebeat. https://venturebeat.com/2020/04/29/current-health-partners-with-the-mayo-clinic-for-remote-coronavirus-patient-monitoring/. Accessed 17 Mar 2021
14. Rosenbush S (2020) Hospitals monitor some coronavirus patients at home. In: WSJ. https://www.wsj.com/articles/hospitals-monitor-some-coronavirus-patients-at-home-11586856604. Accessed 16 Mar 2021
15. Garfan, Salem et al. «Telehealth utilization during the Covid-19 pandemic: A systematic review." Computers in biology and medicine vol. 138 (2021): 104878. doi:10.1016/j.compbiomed.2021.104878
16. Boscari F., Ferretto S., Uliana A., Avogaro A., Bruttomesso D. Efficacy of telemedicine for persons with type 1 diabetes during Covid19 lockdown. Nutr. Diabetes. 2021;11:5.
17. Williams G (2020) Artificial intelligence tool predicts which patients with pandemic virus will develop serious respiratory disease. https://nyulangone.org/news/artificial-intelligence-tool-predicts-which-patients-pandemic-virus-will-develop-serious-respiratory-disease. Accessed 11 Mar 2021.
18. Buschman H. Artificial intelligence enables rapid COVID-19 lung imaging analysis at UC San Diego health. UC San Diego Health. 2020. https://health.ucsd.edu/news/releases/Pages/2020-04-07-artificial-intelligence-enables-rapid-covid-19-lung-imaging-analysis.aspx. Accessed 23 Oct 2020.
19. DeepMind. Computational predictions of protein structures associated with COVID-19. 2020. https://deepmind.com/research/open-source/computational-predictions-of-protein-structures-associated-with-COVID-19. Accessed 16 Sep 2020.
20. Tews BA, Meyers G. Self-Replicating RNA. Methods Mol Biol. (2017) 1499:15-35. doi: 10.1007/978-1-4939-6481-9_2
21. Fegan G, Cheah PY, Sharing D, Group W. Solutions to COVID-19 data sharing. Lancet Digit Heal. 2021;3(1):e6. doi: 10.1016/S2589-7500(20)30273-9.

* Продукты компании Meta, признанной экстремистской организацией, заблокированы в РФ.

© 2022, РИА «Новый День»