مسابقه یافتن یک درمان کورو ویروس

شرکت ها و دانشمندان هوش مصنوعی همکاری می کنند ، اما آنها به شدت نیاز به دسترسی به اطلاعات شرکت های دارویی دارند

چند هفته گذشته بدترین و بهترین پاسخ در پاسخ انسان به بحران کرونویروس را نشان داد - از انبارهای سوپر مارکت که قفسه ها را پاکسازی می کنند تا گروه های محله که برای افراد مسن و آسیب پذیر کمک می کنند.

وقتی صحبت از شرکتهای داروسازی است ، چگونه باید درباره پاسخ آنها قضاوت کنیم؟ آنها ، به هر حال ، کلید پایان دادن به همه گیر را دارند. با این وجود ، از نظر احتیاطی بسیار مهم ، رفتار آنها نسبت به گروههای محله بیشتر با انبارهای سوپر مارکت مشترک است.

استراتژی خروج ما از قفل جهانی بستگی به توسعه واکسن مؤثر دارد ، همانطور که مشهور است. تلاش زیادی برای یافتن چنین واکسنی در حال انجام است ، اما ما نمی توانیم 18 ماه صبر کنیم.

در این میان ، با افزایش آمار مرگ و میر ، پزشکان ناامید از درمانهایی که باعث کاهش تأثیر ویروس می شود ، با کوتاه کردن عفونت ، کاهش شدت آن و در این راه نجات جان خود را می دهند. اکنون یک شکار جهانی برای داروی کروناویروس وجود دارد. اما این یک مبارزه با زمان است. بنابراین تمرکز بر روی درمان های موجود است که قبلاً ثابت شده است که برای سایر بیماری ها بی خطر است و به آزمایش کمتری احتیاج دارند و تولید کمیت آسان تر و سریعتر است.

تعداد زیادی تلاش در سراسر جهان در حال انجام است. سازمان بهداشت جهانی چهار آزمایش امیدوارکننده را از جمله معالجه ترکیبی HIV ، ضد مالاریا و دارویی تولید کرده اما هرگز علیه ابولا مصرف نکرده است - برای آزمایش در یک آزمایش جهانی که ماه گذشته آغاز شده است. اما ما نمی توانیم در انتظار نتایج مکث جستجو را متوقف کنیم. نیاز به عوامل مؤثر جدید بسیار زیاد است.

بهترین راه برای شناسایی داروهای نامزد استفاده از هوش مصنوعی (AI) برای جمع آوری مقادیر زیادی از داده ها برای یافتن مواردی است که ممکن است کار کنند. شرکت های بزرگ هوش مصنوعی قدرت محاسباتی عظیم خود را در خدمت دانشمندان مشغول این شکار قرار می دهند.

اما آنها مانع این کار شده اند: زیرا برخی از شرکت های داروسازی قادر به اشتراک گذاری تمام داده های مربوط به روش های بالقوه نامزدها نیستند. همانند سودجویان سرویس بهداشتی ، به دلیل داشتن محرمانه بودن تجارت ، آن را در اتاق زیر شیروانی و انبارهای دیجیتال خود که دیگران نمی توانند در آن گیر بیاورند ، نگه داشته اند.

این اشتراک گذاری گسترده داده ها در سراسر جهان بود که به دانشمندان این امکان را می داد تا ژنوم ویروس SARS-CoV-2 را با سرعت بی سابقه ای نقشه برداری کنند ، و در یک مرز جمعی و بین المللی ، تجاری و بین المللی با تلاش جمعی منحصر به فرد علیه دشمن مشترک جهانی کار کنند. اکنون ما فوراً به همه شرکتهای دارویی احتیاج داریم تا جاه طلبی های تجاری شخصی خود را کنار بگذارند و به یک تلاش جمعی مشابه برای شناسایی ، آزمایش ، توسعه و ساختن درمانها برای مهار این بیماری بپیوندند.

سابقه وجود دارد. در ماه ژوئن گذشته ، 10 شرکت بزرگ دارویی جهان - از جمله جانسون و جانسون ، AstraZeneca و GlaxoSmithKline - اعلام کردند که داده هایی را برای جستجوی مبتنی بر هوش مصنوعی مبتنی بر AI برای آنتی بیوتیک های جدید جمع آوری می کنند ، که به سرعت مورد نیاز هستند زیرا باکتری های مقاوم به آنتی بیوتیک در سراسر جهان تکثیر یافته اند. تهدید رشد بیماری غیرقابل درمان

این توافق تاریخی با توسعه یک سیستم امن و مبتنی بر blockchain امکان پذیر است که به یک الگوریتم امکان جستجوی داده های شرکت های رقیب با قابلیت ردیابی کامل - اما بدون فاش کردن اسرار تجاری برای رقبا می دهد. مزیت استفاده از blockchain این است که شرکت ها می توانند به کد و نه شرکای خود اعتماد کنند.

محققان هوش مصنوعی در J-Clinic انستیتوی فناوری ماساچوست ، که یک شبکه عصبی را برای پیش بینی اینکه کدام مولکول ها دارای خاصیت آنتی بیوتیکی هستند ، آموزش دادند ، در ماه فوریه اعلام کردند که آنها یک ترکیب جدید پیدا کرده اند که در برابر 35 نوع مختلف باکتری کار می کند. آنها آن را هالیسین نامیدند ، پس از سیستم AI در 2001: ادیسه فضایی.

ر حال حاضر AI در سراسر جهان تحت شکار درمان Coronavirus تحت فشار قرار گرفته است ، از هنگ کنگ تا اسرائیل گرفته تا انگلستان و آمریکا. ماه گذشته سریعترین ابر رایانه جهان ، نشست IBM ، 77 ترکیب را به عنوان نامزدهای بالقوه معرفی کرد. هفته گذشته یک سکوی هوش مصنوعی که توسط Gero مستقر در سنگاپور بود ، شش داروی را که قبلاً برای استفاده انسان در شرایط دیگر تأیید شده بود ، شناسایی کرد که می تواند به مبارزه با Covid-19 کمک کند. در همین حال ، توماس سیب ، رئیس میلیاردر C3.ai ، یک شرکت هوش مصنوعی در کالیفرنیا ، یک کنسرسیوم عمومی و خصوصی از جمله پرینستون ، دانشگاه کارنگی ملون ، MIT ، دانشگاه های کالیفرنیا ، ایلینویز و شیکاگو و همچنین C3.ai و مایکروسافت که در جستجوی راه حلهای مربوط به بیماری همه گیر ، بودجه و دسترسی به برخی از پیشرفته ترین ابر رایانه های جهان را در اختیار دانشمندان خواهد گذاشت.

با این وجود ، مهم نیست که قدرت محاسبات یا طراحی نرم افزار چقدر پیشرفته باشد ، نتایج حاصل از این ابتکارات در نهایت به داده های موجود در آنها بستگی دارد. بدون دسترسی کامل به اطلاعات جامع ، دانشمندان با یک دست گره خورده در پشت خود می جنگند.

همه شرکت های داروسازی باید کتابخانه های شیمیایی خود را باز کنند تا بتوانند داروهای کاندید را شناسایی کنند ، و آزمایشات برای آزمایش امیدوارترین درمانها در اسرع وقت انسانی آغاز می شود. ما نمی توانیم صبر کنیم. زندگی به آن بستگی دارد.

از هوش مصنوعی برای تشخیص بیماری و طراحی داروهای جدید استفاده می شود

صنعت بهداشت و درمان همواره پیشرو در نوآوری بوده است. جهش مداوم بیماری ها و ویروس ها ، ماندن در مقابل منحنی را دشوار می کند ، اما با کمک هوش مصنوعی و الگوریتم های یادگیری ماشین ، پیشرفت خود را ادامه می دهد ، ایجاد درمان های جدید و کمک به مردم زندگی طولانی تر و سالم تری می کند.

مطالعه ای که این هفته توسط The Lancet Digital Health منتشر شده است ، عملکرد یادگیری عمیق - شکلی از هوش مصنوعی (AI) - را در تشخیص بیماری ها از تصویربرداری پزشکی در مقایسه با متخصصان مراقبت های بهداشتی ، با استفاده از نمونه ای از مطالعات انجام شده بین سال های 2012 و 2019 انجام داده است.

این مطالعه نشان داد که ، در چند سال گذشته ، هوش مصنوعی در تشخیص تشخیص بیماری در این تصاویر دقیق تر شده و به یک منبع زنده تر اطلاعات تشخیصی تبدیل شده است. به گفته محققان ، از 14 مطالعه ای که مدل های یادگیری عمیق و متخصصان مراقبت های بهداشتی را در همان نمونه مقایسه کرده اند ، عملکردهای تشخیصی معادل بوده اند.

با پیشرفت در هوش مصنوعی ، یادگیری عمیق ممکن است در چند سال آینده در تشخیص تشخیص حتی کارآمد تر شود.

رنامه های هوش مصنوعی در زمینه مراقبت های بهداشتی فقط به تشخیص بیماری محدود نمی شوند ، بلکه شامل درمان احتمالی آن نیز می شود.

شرکت داروسازی بایر به تازگی با همکاری شرکتهای فناوری در ایجاد نرم افزاری برای کمک به تشخیص شرایط پیچیده و نادر و کمک به تولید داروهای جدید برای درمان این بیماری ها کمک کرده است. آنها در همکاری با بیمارستان ها و محققان کار کرده اند تا آنچه را که یادگیری دستگاه برای تجزیه و تحلیل نیاز دارد ، برای یادگیری چگونگی تشخیص وضعیت پزشکی بیمار ، انجام دهد. اطلاعاتی که AI در آن جذب می کند از عوامل مختلفی از داده های علائم ، علل بیماری ، نتایج آزمایش ، تصاویر پزشکی ، گزارش پزشک و موارد دیگر ناشی می شود.

ما می توانیم در ترکیب با سایر داروهای بیمارانی که رفتار می کنند ، رفتار کنیم. ما در حال بررسی این موضوع هستیم که چگونه می توانیم بیماران و سایتهای مناسب را برای انجام کارآزمایی بالینی خود شناسایی کنیم. ما می توانیم مطالعات کوتاه تری انجام دهیم و نشان دهیم که داروها در چه موقع مناسب برای این بیماران است. "آنجلی مولر ، رئیس پروژه های هوش مصنوعی در بایر ، به آسوشیتدپرس توضیح داد.

سیستم های یادگیری ماشین برای جایگزینی پزشکان یا تصمیم گیری مطلق در معالجه بیمار نیستند. به گفته مولر ، آنها هنوز هم می خواهند که بیمار بر معالجه خود کنترل داشته باشد و بخواهد از هوش مصنوعی برای حمایت از تصمیم گیری ها استفاده کند و براساس یافته ها توصیه هایی را انجام دهد.

بایر تنها شرکتی نیست که در زمینه مراقبت های بهداشتی با هوش مصنوعی موج می زند. بسیاری از شرکت های نوپا دیگر وجود دارند که گزینه های درمانی AI را برای بیماری برطرف می کنند. براساس آخرین گزارش BenchSci ، در حال حاضر 148 راه اندازی استفاده از هوش مصنوعی در کشف مواد مخدر وجود دارد.

یکی از این استارتاپ ها ، Atomwise ، فقط در یک شرکت سرمایه گذاری 1.5 میلیارد دلاری مشترک با گروه داروسازی جیانگ سو هانسوه همکاری کرد تا در زمینه طراحی داروهای جدید برای درمان سرطان همکاری کند.

این همکاری فن آوری هوش مصنوعی Atomwise را با توانایی های تولید هانسوه فارما به منظور همکاری با یکدیگر برای طراحی روش های جدید برای پیش بینی چگونگی اتصال یک مولکول کوچک به یک پروتئین هدف ترکیب می کند و امیدواریم منجر به پیشرفت های جدید در درمان های پزشکی شود. این سرمایه گذاری های مشترک امیدوار کننده است زیرا این دو عنصر اساسی را برای پیشرفت در یادگیری ماشین و نوآوری دستگاه پزشکی ترکیب می کند.

یک شرکت بیوتکنولوژی کانادایی ، Deep Genomics ، در 5 سال گذشته در زمینه یادگیری ماشین و تولید دارو آزمایش کرده است. به طور خاص آنها آزمایش های مختلفی را برای یک بیماری ژنتیکی نادر به نام بیماری ویلسون انجام داده اند که در حال حاضر هیچ درمانی در بازار وجود ندارد. این بیماری مانع از بین بردن بدن مس در نهایت در اندام ها می شود و می تواند باعث آسیب به ارگان ها و گاهی عدم موفقیت شود.

سیستم هوش مصنوعی Deep Genomic کشف کرد که این جهش یک اسید آمینه را در ATP7B ، پروتئین متصل کننده مس که در بیماران ویلسون وجود ندارد ، تغییر می دهد و باعث اختلال در ژنوم می شود که باعث تولید پروتئین نمی شود. آنها در حال حاضر داروی خود را بر روی اولین نامزد خود در آزمایش آزمایش می کنند و امیدوارم که این امر در معالجه بیماری موفق باشد.

از امروز ، هیچ درمان دارویی در بازار وجود ندارد که توسط AI ساخته شده باشد ، اما بسیاری از شرکت ها به سختی تلاش می کنند تا به زودی این اتفاق بیفتد. جمع آوری داده ها و آزمایش بیماران ، پیشرفت های پیشرفت را به جلو ادامه خواهد داد ، و اگرچه این موارد گام های بزرگی در پیشرفت هوش مصنوعی است که برای نجات جان افراد حرفه ای پزشکی با متخصصان پزشکی کار می کنند ، اما دور از جریان اصلی نیست.

وی گفت: "احتمالاً دو سال طول بکشد تا واقعاً در عمل پزشکی اصلی انجام شود. دریافت فن آوری به بیمار هنوز بخش سختی است ، "مولر به AP.

آمار ویروس کرونا در آسیا تا Last updated: April 11, 2020, 08:17 GMT

آمار ویروس کرونا در آسیا تا Last updated: April 11, 2020, 08:17 GMT(دیروز)

منبع:

https://www.worldometers.info/coronavirus

بررسی آماری کرونا در جهان و ایران

منبع:https://www.worldometers.info/coronavirus

موارد ویروس کرونا:آخرین بروزرسانی: 10 آوریل 2020 ، ساعت 11:16 GMT

1،617،559 در جهان

مرگ:

96،918(تقریبا 5 درصد )در جهان

بازیابی شده:

365،728

موارد ویروس کرونا  در ایران:

68،192

مرگ:

4،232 

بازیابی شده:

35،465

سن مرگ Coronavirus

نرخ مرگ و میر COVID-19 توسط AGE:

در ایران

سن

نرخ مرگ

موارد تایید شده

نرخ مرگ

همه موارد

80+ ساله

21.9٪

14.8٪

70-79 ساله

8.0٪

60-69 سال

3.6٪

50-59 ساله

1.3٪

40-49 سال

0.4٪

30-39 ساله

0.2٪

20-29 ساله

0.2٪

10-19 ساله

0.2٪

0-9 ساله

تلفاتی ندارد

نرخ مرگ و میر COVID-19 توسط COMORBIDITY:

شرایط پیشین بیماری قبلی 

نرخ مرگ

همه موارد

بیماری قلب و عروقی

13.2٪

10.5٪

دیابت

9.2٪

7.3٪

بیماری تنفسی مزمن

8.0٪

6.3٪

فشار خون

8.4٪

6.0٪

سرطان

7.6٪

5.6٪

هیچ شرایطی از قبل موجود نیست

0.9٪

چرا آمار مبتلایان ویروس کرونا در آمریکا زیاد است؟

ایالات متحده آمریکا کشوری است که به زودی با افراد بیمار روبرو خواهد شد. همانطور که آزمایشات مثبت برای coronavirus جدید نشان داده شده است به سمت بالا ، بنابراین ، به ناچار ، مرگ ها را نیز در پی خواهد داشت.

مطالعه ای که این هفته توسط کالج امپریال لندن منتشر شد پیش بینی کرد که اگر اقدامی تهاجمی صورت نگیرد ، کورو ویروس می تواند 2.2 ماه آمریکایی ها را در ماه های آینده بکشد. یک روز پس از انتشار این مطالعه ، محقق اصلی آن سرفه خشک و تب ایجاد کرد. او COVID-19 داشت.

هنگامی که ووهان در ماه دسامبر با سوزش عفونت شروع به سوختن کرد ، دولت ایالات متحده فقط اقدامات غیر منطقی و ناکافی را برای جلوگیری از شیوع ویروس انجام داد: این امر ورود بیگانگان از چین را ممنوع اعلام کرد ، اما با نظارت نامشخص آمریکایی ها از بازگشت این کشور را کنترل کرد. رئیس جمهور از ویروس و پاسخ دموکرات ها به آن خندید و آن را "فریب جدید" نامید و بلافاصله پاسخ شهروندان به اطلاعات پیشگیرانه بهداشت عمومی را قطبی کرد. هنگامی که جرقه های این درگیری رخ داد ، سیاتل قبل از اینکه هرکسی در CDC شروع به دستیابی به آب کند ، اسیر شد.

COVID-19 یک فاجعه آمریکایی است ، یک فاجعه با حرکت آهسته که اکنون در حال مشاهده است. هنگامی که نسبت های واقعی آن اندازه گیری شده است ، باعث می شود که واکنش اولیه دولت حتی بیشتر از آنچه پیش بینی می شود ، ظالمانه تر به نظر برسد. آنچه در اینجا اتفاق می افتد ، در این کشور ، قابل اجتناب بود. تقریباً هر نقص در پاسخ آمریکا به ویروس از یک منبع برخوردار است: آمریکا افراد کافی را برای COVID-19 آزمایش نکرد.

آزمایش باید به پزشکان گفته باشد که چه موقع برای آماده سازی بخش های خود ، بیماران و بیمارستان ها را ترجیح می دهند. این امر به والیان این امکان را می داد تا شدت شیوع محلی را سنجیده و به مقامات فدرال اطلاع دهند زیرا ماسک و تهویه مطبوع را اختصاص داده اند. آزمایش باید در هر بیماری به سؤال مهم پاسخ داده باشد: در حال حاضر چند نفر بیمار هستند؟ اگر ملت این را می دانستند ، سیستم هایی که طی سالها برنامه ریزی برای همه گیری به وجود آمده بودند ، می توانستند از آنها حمایت کنند ، از میلیون ها آمریکایی محافظت کنند و از بیماری برخوردار باشند.

در عوض ، CDC پیشرفت آزمایش خود را به زحمت انداخت. این کیت تست را به آزمایشگاه های بهداشت عمومی با یک ماده غیر کاربردی ارسال می کند. و تا آن زمان ، ویروس در حال گسترش بود. این در حال گسترش بود زیرا سازمان غذا و دارو آزمایشگاه های مستقلی را انجام داد که آزمایشات خود را انجام داده بودند. این در حالیست که نمونه های جمع آوری شده در حال گسترش است ، زیرا محققان برتر جهان در زمینه ویروس شناسی خواهان آزمایش آنها شدند و FDA درخواست های آنها را رد کرد.

ویروس در حالی که تأخیر در کیت های آزمایش ، کمبود ملی شد ، گسترش یافته است. هنگامی که انتقال جامعه در ایالات متحده کشف شد ، و ایالت ها و بیمارستان ها فاقد تجهیزات لازم برای تشخیص حتی یک بیمار مریض خطرناک بودند ، گسترش یافت. وقتی یک هفته گذشت و بازار به هم ریخت و کشور به سختی 1000 نفر را آزمایش کرده بود ، هنوز هم در حال گسترش بود. حتی هنگامی که کیت ها شروع به فریبکاری کردند ، CDC و بسیاری از مقامات دولتی به مقررات محدودکننده ای اجازه می دادند که فقط بیمارانی که در سطح بین المللی مسافرت کرده بودند یا در معرض یک مورد شناخته شده قرار گرفته بودند ، مورد آزمایش قرار بگیرند ، حتی اگر آنتی ویروس قبلاً به وضوح در دفاتر آمریکایی گسترش یابد. مراقبت ، و سینماها. پزشکان و پرستاران با تمام علائم COVID-19 از انجام آزمایشات محروم شدند زیرا نتوانستند مواجهه خود را ثابت کنند. ویروس همچنان در حال گسترش بود.

هر شش روز که کشور آزمایش نکرد ، هر شش روز که عملی نکرد ، تعداد آمریکایی های آلوده دو برابر شد.

ناهید بهادلیا ، مدیر پزشکی بخش ویژه پاتوژن در دانشکده پزشکی دانشگاه بوستون ، به ما گفت: "راهی که هیچ کس انتظار نداشته باشد چگونه این واکنش در ایالات متحده آمریکا شکست بخورد ، آزمایش است." وی متخصص بیماری های عفونی و همه گیر ها است و بر روی یکی از معدود آزمایشگاه های کشور که مسئولیت رسیدگی به پاتوژن های ایجاد کننده بیماری ابولا ، آنتراکس و طاعون کبدی را دارد ، نظارت بر برنامه پاسخ پزشکی دارد.

بهادلیا گفت: "اگر نمی دانید که این بیماری در چه مدت بیماری همه گیر است ، دیگر امیدی به مهار آن ندارید." "حتی اکنون ، [تست] پاشنه آشیل است. این شکافی است که در کل پاسخ ما ایجاد می شود. "

بدون آزمایش ، تنها یک راه برای شناخت شدت شیوع وجود داشت: شمارش مردگان. در 29 فوریه ، ایالت واشنگتن تأیید کرد که مردی که در مرکز مراقبت از زندگی در خارج سیاتل بوده است ، درگذشته است ، اولین مرگ آمریکایی که به طور رسمی به این ویروس منتسب شده است. براساس نسخه جدید بایگانی شده وب سایت CDC ، ایالات متحده تا آن زمان 472 نفر را آزمایش کرده بود.

این مرگ در پایان ماه رخ داد که آخرین فرصت آمریکا برای مهار COVID-19 بود. اما بسیار دیر بود. فوریه از دست رفته بود.

در آخرین روز ژانویه ، Trevor Bedford ، دانشمند مرکز تحقیقات سرطان فرد Hutchinson ، در سیاتل ، در یک پست وبلاگ 484 کلمه ای که باید این کشور را به لرزه درآورد ، به انتشار آن رسید.