L'OMS a reçu un soutien bénévole écrasant d'entreprises technologiques pour lutter contre la pandémie de COVID-19. Le 2 avril, 30 des plus grands experts mondiaux de la technologie numérique se sont réunis dans une table ronde virtuelle pour contribuer à faire progresser la réponse collaborative de l'OMS au COVID-19.
Cette pandémie a déclenché une demande sans précédent de solutions de technologie de la santé numérique et a révélé des solutions réussies telles que le dépistage de la population, le suivi de l'infection, la priorisation de l'utilisation et de l'allocation des ressources et la conception de réponses ciblées.
«Nous avons besoin de votre engagement, afin que nous puissions concrétiser ces idées et travailler avec les agences de santé publique et les agents de santé de première ligne pour endiguer cette pandémie», a déclaré le Directeur général de l'OMS, le Dr Tedros Adhanom Ghebreyesus, dans son discours de bienvenue. «Nous ne pouvons lutter contre cette menace mondiale - et remettre notre économie sur les rails - qu'en travaillant ensemble.»
Présenter les efforts de l'OMS en matière de santé numérique et d'innovation pour COVID-19 et rechercher le soutien des entreprises technologiques intéressées dans la conception et l'exécution de ces initiatives.
S'appuyer sur les efforts de l'OMS en matière de COVID-19 grâce à une nouvelle collaboration et à un partage des connaissances, pour proposer des solutions ciblées grâce à un effort coordonné visant à soutenir les pays confrontés aux stades de cette épidémie de différentes manières et à différentes époques.
Partagez et explorez les lacunes et les domaines connus qui manquent de concentration. Les sujets comprennent les solutions axées sur l'utilisateur, la lutte contre la désinformation, la gestion de la chaîne d'approvisionnement, les applications de soutien aux agents de santé, les plateformes d'engagement communautaire, le soutien des capacités de gestion des connaissances, le soutien à la recherche et au développement, le travail de planification du rétablissement.
Obtenir des ressources bénévoles et bénévoles auprès d'entreprises technologiques mondiales pour concevoir et exécuter des initiatives de réponse avec l'OMS.
Bernardo Mariano Junior, directeur du Département de la santé et de l'innovation numériques de l'OMS, a appelé à l'unité dans les efforts de réponse: «Le monde doit être bien préparé et uni dans un esprit de responsabilité partagée, pour détecter, protéger, répondre et préparer la reprise numérique pour COVID 19. Aucune entité ou initiative d'un seul pays ne sera suffisante. Nous avons besoin de tout le monde. »
La technologie Covid-19 a besoin d'une chaîne de blocs, pas d'une approche de bombardement en tapis
Il existe un meilleur moyen que le programme de suivi et de localisation du gouvernement et la base de données centralisée
Président Cyril Ramaphosa a créé une nouvelle étape dans notre lutte contre Covid-19 dans sa dernière allocution à la nation lorsqu'il a annoncé deux politiques importantes: le filtrage à grande échelle des personnes à travers le pays et l'introduction d'un système de «track and trace» pour suivre les contacts des patients de Covid-19. Les deux politiques, si elles sont bien appliquées, sont des éléments cruciaux d'une réponse efficace à cette épidémie de coronavirus et aux futures.
Le problème est qu'aucune des stratégies n'est exécutée correctement. Les deux ont des conséquences très graves et négatives qui pourraient être évitées avec seulement de petits changements.
Parlons d'abord de l'idée de dépister une grande partie de la population. En principe, c'est une excellente politique, préconisée par l'Organisation mondiale de la santé. Cependant, le problème est que le dépistage tel qu'il se fait maintenant se concentre toujours sur les patients qui présentent des symptômes.
Jusqu'à présent, ces patients devaient se rendre à l'hôpital et demander un test. Dans le cadre de la nouvelle politique du président - qui a commencé à prendre forme mardi avec des projections à Alexandra, Johannesburg - les travailleurs sur le terrain interrogent les citoyens et s'ils présentent des symptômes, ils sont testés pour Covid-19.
C'est exactement ce processus de sélection initial qui pose problème. Le filtrage avant de décider qui sera testé introduit ce que les économistes appellent un biais de sélection . Pensez-y de cette façon: dites que vous voulez estimer la probabilité qu'un professeur possède une voiture de sport de luxe, écrou au lieu de demander à tous les professeurs, ou un échantillon aléatoire de professeurs, vous ne demandez qu'à ceux qui ont récemment gagné à la loterie. Si vous essayez ensuite d'estimer combien de voitures de sport de luxe en Afrique du Sud appartiennent à des professeurs, vous obtiendrez un nombre scandaleux qui n'a rien à voir avec la réalité.
En créant une base de données centralisée de l'emplacement de chacun, le gouvernement crée un risque de cybersécurité massif
C'est essentiellement ainsi que le gouvernement recueille les données de Covid-19 maintenant. Ce n'est qu'une petite amélioration par rapport à la procédure précédente où seuls les patients qui sont allés chez le médecin de leur propre gré pouvaient se faire tester. Dans l'analogie ci-dessus, cela reviendrait à demander aux professeurs s'ils possèdent une voiture de sport de luxe pendant qu'ils conduisent hors d'un concessionnaire Porsche.
Il existe une meilleure façon d'obtenir de bonnes estimations du nombre de cas de Covid-19 à travers le pays: l'échantillonnage aléatoire. Sélectionnez un échantillon de personnes représentatives du pays dans son ensemble, en termes de données démographiques, de lieu de résidence et de condition médicale. Ensuite, testez tout le monde dans cet échantillon, même - en particulier - ceux qui ne présentent aucun symptôme. Ensuite, et seulement à ce moment-là, vous obtiendrez une mesure raisonnable de l'ampleur du problème et, surtout, de l'émergence des points chauds Covid-19. Parce que ce sont les domaines sur lesquels les interventions de santé publique doivent se concentrer.
L'autre grande politique annoncée par le président était un système de suivi et de traçabilité. Cela collectera les données de localisation de tous les utilisateurs de téléphones mobiles en Afrique du Sud pour une base de données centralisée qui sera utilisée pour voir où un patient qui a diagnostiqué Covid-19 s'est rendu au cours des deux dernières semaines. Et toutes les personnes avec lesquelles elles étaient en contact sont alors alertées qu'elles ont été exposées à quelqu'un avec Covid-19 et doivent s'auto-isoler et tester.
En substance, il s'agit d'une version de haute technologie des entretiens de contact actuellement entrepris avec les patients diagnostiqués Covid-19.
À première vue, il est logique d'avoir un système automatique pour faciliter le suivi et le traçage. Cela accélérera le processus et conduira ainsi à des interventions plus efficaces. Le problème est de savoir comment ce système est construit.
Commençons par l'utilisation des données de géolocalisation. L'idée est que chaque téléphone mobile puisse être localisé grâce à une procédure de triangulation par les opérateurs de réseau. En particulier dans les zones avec une bonne couverture réseau, cela peut bien fonctionner, jusqu'à quelques mètres. Mais dans les zones plus rurales, la couverture du réseau est inégale, parfois douloureusement. Dans ces zones, les estimations de géolocalisation sont beaucoup moins précises. Pire encore, les zones de bonne couverture réseau sont généralement celles où vivent de nombreuses personnes.
Dans un grand complexe d'appartements à Sandton, par exemple, il y aura des dizaines, voire des centaines de personnes avec une géolocalisation presque identique. Cela ne signifie cependant pas qu'ils partagent le même espace. La triangulation, ou toute mesure de géolocalisation, n'est vraiment pas bonne pour distinguer des points de latitude et de longitude similaires, mais d'altitude différente. En d'autres termes: ce n'est pas parce que vous vivez en dessous de vos voisins bruyants que vous êtes susceptible de leur contracter Covid-19.
L'approche adoptée par le gouvernement pose trois autres problèmes. Premièrement, en créant une base de données centralisée de l'emplacement de chacun, le gouvernement crée un risque de cybersécurité massif. Nous avons vu à maintes reprises que les bases de données centralisées ne peuvent pas être parfaitement sécurisées. Plus les données stockées dans une base de données sont précieuses, plus elles sont susceptibles d'être une cible pour les pirates. Et deuxièmement, en collectant les données de géolocalisation de chacun, nous modifions fondamentalement notre sentiment de confidentialité.
Si le gouvernement peut suivre où se trouve un journaliste à tout moment, ne sera-t-il pas tenté de voir qui ce journaliste a rencontré? En particulier, si le journaliste vient de publier une histoire plutôt peu flatteuse sur la corruption au sein du gouvernement.
Et troisièmement, il y a des problèmes de calcul avec l'algorithme de correspondance dans ces programmes de suivi et de trace. Si vous voulez savoir avec qui un patient a été en contact, vous devez parcourir une énorme quantité de données. Même avec des super-ordinateurs modernes, c'est une tâche exceptionnellement difficile.
La blockchain c'est mieux
Tout cela semble plutôt sombre, mais la bonne nouvelle est qu'il existe une alternative. Au lieu de collecter toutes ces données dans une base de données centralisée, nous pouvons utiliser la technologie blockchain moderne et concevoir un système décentralisé qui offre exactement la même fonctionnalité. Dans un tel système, les données de localisation d'un utilisateur ne quitteraient jamais son téléphone et il ne les partagerait qu'une fois diagnostiqué avec Covid-19. En collectant les données de contact via Bluetooth au lieu de la géolocalisation, comme par exemple Singapour, nous pouvons réduire considérablement les données qui doivent être collectées pour chaque utilisateur.
Chaque fois que deux utilisateurs se croisent, l'application effectue une poignée de main Bluetooth qui enregistre le contact dans les téléphones des deux utilisateurs dans une liste sécurisée cryptographiquement. Si l'un d'entre eux est positif pour Covid-19, l'application parcourrait simplement la liste des entrées de cette liste et les contacterait une par une. Ceci, de plusieurs ordres de grandeur, est plus efficace et élimine le besoin d'une surveillance gouvernementale invasive.
Avec un groupe d'étudiants, d'entrepreneurs et de grandes entreprises SA, une telle application est déjà en cours de construction ( https://coviid.me ). Il sera open-source, disponible gratuitement et prêt à la fin du verrouillage. Espérons que le gouvernement soit capable et désireux d'ajuster les politiques quand elles s'égarent, en particulier lorsque la santé, la vie et la liberté des personnes sont menacées.
• Georg est professeur agrégé à l'Université du Cap.
Covid-19 tech needs blockchain, not carpet-bombing approach
There is a better way than the government’s track-and-trace program and centralised database
Picture: 123RF/SASHA 85RU
President Cyril Ramaphosa created a new stage in our fight against Covid-19 in his latest address to the nation when he announced two
President Cyril Ramaphosa created a new stage in our fight against Covid-19 in his latest address to the nation when he announced two important policies: the wide-scale screening of people across the country, and the introduction of a “track and trace” system to follow up on the contacts of Covid-19 patients. Both policies, if done right, are crucial components of an efficient response to this and future coronavirus outbreaks.
The problem is that neither of the policies is being executed properly. Both come with very serious and negative consequences that could be avoided with only small changes.
First, let’s talk about the idea of screening a large part of the population. In principle, it’s an excellent policy, advocated for by the World Health Organisation. However, the problem is that screening as it is done now still focuses on patients who show symptoms.
Until now, those patients would have to go to a hospital and ask for a test. Under the president’s new policy — which started taking form on Tuesday with screenings being carried out in Alexandra, Johannesburg — field workers interview citizens and if they show symptoms they are being tested for Covid-19.
It is exactly this initial screening process that poses a problem. Screening before deciding who gets tested introduces what economists call a selection bias. Think about it this way: say you want to estimate how likely it is that a professor owns a fancy sports car, nut instead of asking all professors, or a random sample of professors, you only ask those who have recently won the lottery. If you then try to estimate how many fancy sports cars in SA are owned by professors, you will get an outrageous number that has nothing to do with reality.
By creating a centralised database of everybody’s location, the government creates a massive cyber-security risk
This, in essence, is how the government is collecting Covid-19 data now. It is only a small improvement over the previous procedure where only patients who went to the doctor of their own accord could get tested. In the analogy above, this would amount to asking professors if they own a fancy sports car while they are driving out of a Porsche dealership
There is a better way to get good estimates for the number of Covid-19 cases across the country: random sampling. Select a sample of people who are representative of the country as a whole, in terms of demographics, where they live, and their medical condition. Next, test everyone in this sample, even —especially — those who don’t show any symptoms. Then, and only then, will you obtain a reasonable measure of how large the problem is and, crucially, where Covid-19 hot-spots are emerging. Because these are the areas public-health interventions must focus on.
The other big policy announced by the president was a track-and-trace system. This will collect location data from all mobile phone users in SA for a centralised database that will be used to see where a patient who diagnosed with Covid-19 has been over the past two weeks. And everyone they were in contact with is then alerted that they were exposed to someone with Covid-19 and need to self-isolate and test.
In essence, this is a hi-tech version of the contact interviews currently undertaken with diagnosed Covid-19 patients.
On the face of it, it makes sense to have an automatic system to help with track and trace. It will speed up the process and thus lead to more efficient interventions. The problem is how this system is being built.
Let’s start with the use of geolocation data. The idea is that every mobile phone can be located through a triangulation procedure by the network operators. In particular in areas with good network coverage, this can work well, up to a couple of metres. But in more rural areas, network coverage is patchy, sometimes painfully so. In these areas the geolocation estimates are much less precise. What is worse, the areas of good network coverage are usually the areas where many people live.
In a large apartment complex in Sandton, for example, there will be dozens, if not hundreds of people with the almost identical geolocation. This does not, however, mean that they share the same space. The triangulation, or any geolocation measure, really, is not good at distinguishing points of similar latitude and longitude, but different altitude. In other words: just because you live below your noisy neighbours doesn’t mean you are likely to contract Covid-19 from them.
There are three additional problems of the approach adopted by the government. First, by creating a centralised database of everybody’s location, the government creates a massive cyber-security risk. We have seen time and again that centralised databases cannot be secured perfectly. The more valuable the data stored in a database is, the more likely it is going to be a target for hackers. And second, by collecting everybody’s geolocation data, we fundamentally alter our sense of privacy.
If the government can track where a journalist is at every point in time, will it not be tempted to see whom this journalist met? In particular, if the journalist just published a rather unflattering story about corruption within the government.
And third, there are computational issues with the matching algorithm in these track-and-trace programs. If you want to find out who a patient has been in contact with, you need to search through an enormous amount of data. Even with modern super-computers, this is an exceptionally challenging task.
Blockchain is better
All this sounds rather grim, but the good news is that there is an alternative. Instead of collecting all this data in a centralised database, we can use modern blockchain technology and design a decentralised system that provides exactly the same functionality. In such a system, a user’s location data would never leave their phone and they would only share it once they are diagnosed with Covid-19. By collecting contact data through Bluetooth instead of geolocation as, for example, Singapore does, we can drastically reduce the data that needs to be collected for every user.
Whenever two users pass one another, the app would do a Bluetooth handshake that records the contact in both users’ phones in a crypto-graphically secured list. If one of them tests positive for Covid-19, the app would simply go through the list of entries in this list and contact them one by one. This is, by many orders of magnitude, more efficient and eliminates the need for invasive government surveillance.
Together with a group of students, entrepreneurs and large SA corporates, such an app is already being built (https://coviid.me). It will be open-source, available for free, and ready by the time the lockdown ends. Let’s hope the government is able and willing to adjust policies when they go astray, in particular when people’s health, life, and liberty is at risk.
• Georg is an associate professor at the University of Cape Town.
Comme l'IA a besoin de grandes quantités de données, le défi avec Covid-19 est actuellement la disponibilité de données fiables de qualité, explique le professeur Louis Fourie.
Tech News: Données et intelligence artificielle dans la crise de Covid-19
L'intelligence artificielle (IA) s'est développée de façon spectaculaire au cours des dernières années et a le potentiel de nous aider avec certains des problèmes les plus urgents que nous connaissons sur la planète Terre. L'un de ces problèmes dévastateurs où l'IA peut être utilisée pour trouver des solutions est la crise de Covid-19.
En fait, c'est la start-up de 2014 Bluedot, basée à Toronto ( https://bluedot.global/ ), qui a été l'une des premières organisations en décembre 2019 à identifier l'émergence d'une nouvelle épidémie pseudo-grippale dans la province du Hubei en Chine.
BlueDot utilise un algorithme de surveillance des maladies axé sur l'IA qui recherche dans plus de 100000 sources médiatiques de masse dans 65 langues étrangères, telles que des reportages, des rapports d'épidémies de maladies animales et végétales, des annonces officielles, ainsi que des billets d'avion mondiaux et des données d'appareils mobiles. Les sources de données sont analysées pour plus de 150 agents pathogènes, toxines et syndromes différents en temps quasi réel.
Les résultats sont examinés par des épidémiologistes puis utilisés pour informer à l'avance leurs clients et les responsables de la santé publique, les hôpitaux de première ligne et les compagnies aériennes des zones à haut risque et des crises possibles. En utilisant les capacités de traitement du langage naturel et d'apprentissage automatique de l'IA, Bluedot a correctement prédit que Covid-19 passerait de Wuhan à Bangkok, Séoul, Taipei et Tokyo.
BlueDot a également correctement prédit l'épidémie de virus Zika dans le sud de la Floride et a montré au cours des dernières années que la prédiction de la mobilité de la maladie et des épidémies est possible grâce à l'utilisation de l'analyse de l'IA.
IDENTIFICATION DES MOTIFS
L'apprentissage automatique est l'une des puissantes capacités de l'IA, ce qui implique la capacité de l'IA d'apprendre par elle-même et de s'améliorer. C'est cette capacité qui permet à l'IA d'identifier éventuellement des modèles complexes dans de grands ensembles de données, qu'il s'agisse de texte ou d'images.
Si elle est utilisée correctement, l'IA peut dépasser les humains non seulement en vitesse, mais aussi en précision lors de l'identification de modèles dans les données que les humains pourraient ignorer.
Étant donné que l'IA a besoin de grandes quantités de données, le défi avec Covid-19 est actuellement la disponibilité de données fiables de qualité.
Ce problème est exactement ce qui rend notre situation actuelle si décourageante. Sans exemples historiques à évaluer, il est extrêmement difficile, voire impossible, de savoir quelle est la meilleure marche à suivre. Mais heureusement, les données médicales deviennent actuellement disponibles alors que certains pays commencent à se remettre de l'attaque dévastatrice du virus.
Plusieurs grands ensembles de données qui peuvent être utilisés par l'IA pour identifier les modèles sont maintenant disponibles. Certains des ensembles de données gratuits sont:
Le Covid-19 Open Research Dataset (CORD-19), qui contient le texte de plus de 45 000 articles de recherche savants. De ces articles, 33 000 sont en texte intégral notamment sur la famille Covid-19 et coronavirus.
En utilisant le traitement du langage naturel, l'IA pourrait générer de nouvelles perspectives précieuses à partir des recherches publiées.
La base de données de recherche Covid-19 contenant les dernières découvertes scientifiques sur la maladie à coronavirus (Covid-19) fournie par l'Organisation mondiale de la santé (OMS)
Base de données PubMed Central (PMC) du Centre national d'information sur les biotechnologies ( NCBI ) de 27 502 articles scientifiques sur Covid-19, le syndrome respiratoire aigu sévère (SRAS) et le syndrome respiratoire du Moyen-Orient (MERS).
LA RECONNAISSANCE DE FORMES
Un autre outil d'IA en libre accès et gratuit, Covid-Net, a été mis à disposition dans la lutte contre Covid-19.
Covid -Net utilise la technologie des réseaux neuronaux pour aider les scientifiques à développer en collaboration un système d'IA qui peut identifier avec précision Covid-19 dans les radiographies pulmonaires grâce à la détection de certains signes pronostiques.
Covid-Net est un réseau neuronal convolutif - un type d'IA connu pour sa capacité exceptionnelle à reconnaître les images. Deux scientifiques de l'Université de Waterloo et la société IA DarwinAI au Canada ont développé le système.
Covid-Net a été formé sur 5 941 radiographies thoraciques pour identifier les signes de Covid-19. Les radiographies ont été prises auprès de 2 839 patients souffrant de diverses affections pulmonaires, y compris des infections virales bactériennes, non Covid, ainsi que des infections Covid-19.
L'outil n'est malheureusement pas prêt pour la production, mais avec l'aide de scientifiques du monde entier, il pourrait bientôt contribuer activement à la lutte contre Covid-19. Ce qui le rend unique, c'est que DarwinAI travaille également sur une fonction permettant à l'outil d'expliquer son raisonnement, ce qui le rendrait beaucoup plus facile à utiliser pour les agents de santé.
SUIVI DES PERSONNES
De nombreuses personnes en Afrique du Sud et dans le monde sont perturbées par l'intrusion dans leur vie privée par le suivi de la géolocalisation de leurs mouvements et contacts par le gouvernement.
Et bien qu'il puisse être utilisé à mauvais escient par le gouvernement à l'avenir lorsque l'état de catastrophe sera terminé, l'exploitation des traces numériques donne aux autorités sanitaires des informations précieuses sur le comportement et la propagation de Covid-19.
Il existe donc un moyen simple d'aider les gens à lutter contre Covid-19 au-delà du simple lavage des mains - ils pourraient donner leurs données pour étude par des épidémiologistes. Beaucoup de gens portent même des montres intelligentes et des trackers de fitness qui peuvent en principe détecter une fièvre. Ces données pourraient aider les responsables des soins de santé à déterminer où se trouvent les personnes infectées et avec qui elles ont été en contact, afin que des mesures préventives puissent être prises.
Plusieurs pays asiatiques, tels que la Chine, Taïwan, Singapour et la Corée du Sud ont demandé à leur peuple de télécharger une application qui les évalue en fonction de leur risque de contagion, puis partage les informations avec les autorités compétentes.
Cependant, des pays soucieux de la vie privée comme l'Allemagne suivent toujours la propagation de Covid-19 grâce à des entretiens traditionnels avec des patients infectés pour déterminer où ils se sont rendus et avec qui ils ont été en contact.
Lorsque les prestataires de soins de santé et les autorités utilisent l'IA pour identifier les tendances dans ces énormes volumes de données de téléphones portables, cela peut être extrêmement précieux pour la prise de décision et la planification.
L'épidémiologie numérique est un domaine émergent, qui combine l'analyse des mégadonnées avec des méthodes de la médecine, de la biologie, des sciences sociales, des statistiques et de l'informatique pour modéliser, comprendre et prédire l'évolution de maladies infectieuses comme Covid-19.
L'IA pourrait être particulièrement utile pour découvrir des «grappes» de personnes, car les populations ne se mélangent pas complètement et ont tendance à être divisées en grappes qui interagissent rarement avec d'autres grappes.
Ces structures cachées dans une communauté ont un impact significatif sur la propagation des maladies infectieuses, comme l'a prouvé la propagation de Covid-19th à travers la communauté très unie de l'église Divine Restoration Ministries à la périphérie de Bloemfontein.
Aux États-Unis, une société d'analyse des soins de santé, Jvion (https://jvion.com), utilise l'IA pour étudier 30 millions de patients dans sa base de données afin d'identifier les personnes et les communautés les plus exposées au risque de morbidité et de mortalité à la suite d'une maladie respiratoire aiguë du virus Covid-19.
La création de la carte de vulnérabilité de la communauté Covid-19 est basée sur plus de 5 000 variables, qui incluent leurs antécédents médicaux, leur mode de vie et leurs facteurs socio-économiques.
Cela a permis à Jvion de créer des listes de personnes pouvant être priorisées pour l'hospitalisation ou isolées de manière proactive. L'analyse AI des données est également utilisée pour prédire la propagation du virus.
L'IA pourrait ralentir la propagation du coronavirus et atténuer ses conséquences, mais pour cela, les épidémiologistes ont besoin de données. Cependant, l'accès aux données personnelles restera difficile dans un monde où les citoyens se méfient de plus en plus du gouvernement et où la protection des données est devenue un droit fondamental.
Peut-être que la plate-forme en ligne Open Humans (https://www.openhumans.org), demandant aux gens de partager volontairement des informations comme ils les partagent avec Google, est la voie à suivre pour promouvoir la santé publique et sauver des vies.
AI, VACCINS ET AUTRES STRATÉGIES
L'IA joue non seulement un rôle majeur en aidant à suivre l'épidémie du virus, mais aussi à développer un vaccin. Grâce à une analyse approfondie des soins que chaque patient Covid-19 reçoit, l'IA aide en outre à déterminer les meilleures stratégies de traitement.
La valeur des données et de l'IA: Il ne fait aucun doute que la disponibilité en temps opportun de données fiables est extrêmement importante pour la gestion efficace d'une pandémie telle que Covid-19. Si le big data est combiné avec l'IA, il devient un outil puissant qui pourrait aider à limiter la propagation d'une maladie, ainsi que l'atténuation de ses conséquences.
L'IA reste un outil précieux pour donner un sens à d'énormes ensembles de données. Lorsqu'il est combiné avec la connaissance experte des humains, il peut sauver des vies humaines. Dans la crise actuelle de Covid-19, des technologies telles que l'IA, l'apprentissage automatique et des algorithmes puissants, ainsi que les connaissances humaines, la créativité et l'innovation joueront tous un rôle essentiel dans la lutte contre la crise de Covid-19 et sa survie.
Le professeur Louis CH Fourie est futuriste et stratège technologique Lfourie@gmail.com
Since AI needs large amounts of data, the challenge with Covid-19 currently is the availability of quality reliable data, says Professor Louis Fourie.
Tech News: Data and Artificial Intelligence in the Covid-19 crisis
Artificial Intelligence (AI) has developed dramatically over the past few years and has the potential to assist us with some of the most pressing issues that we experience on Planet Earth. One such a devastating problem where AI can be leveraged to find solutions is the Covid-19 crisis.
In fact, it was the Toronto-based 2014 start-up Bluedot ( https://bluedot.global/) that was one of the first organisations in December 2019 to identify the emergence of a new flu-like outbreak in the Hubei province in China.
BlueDot uses an AI-driven disease surveillance algorithm that searches more than 100 000 mass media sources in 65 foreign languages, such as news reports, animal and plant disease outbreak reports, official announcements, as well as global airline ticketing and mobile device data. The data sources are scanned for more than 150 different pathogens, toxins, and syndromes in near-real time.
The results are scrutinised by epidemiologists and then used to give their clients and public health officials, frontline hospitals and airlines advance warning of high-risk areas and possible crises. Using the natural language processing and machine learning capabilities of AI, Bluedot correctly predicted that Covid-19 would jump from Wuhan to Bangkok, Seoul, Taipei and Tokyo.
BlueDot also correctly predicted the Zika virus outbreak in South Florida and has shown in the last few years that the prediction of disease mobility and outbreaks is possible though the use of AI analytics.
IDENTIFYING PATTERNS
One of the powerful capabilities of AI is machine learning, which entails the ability of AI to learn by itself and to improve itself. It is this capability that enables AI to eventually identify complex patterns in large sets of data, whether text or images.
If used properly, AI can exceed humans not only in speed, but also in accuracy when identifying patterns in the data that humans might overlook.
Since AI needs large amounts of data, the challenge with Covid-19 currently is the availability of quality reliable data.
This problem is exactly what makes our current situation so daunting. Without historical examples to evaluate, it is extremely difficult, if not impossible, to know the best course of action to be taken. But luckily the medical data are currently becoming available as some countries are beginning to recover from the devastating onslaught of the virus.
Several large datasets that can be used by AI to identify patterns are now available. Some of the free datasets are:
The Covid-19 Open Research Dataset (CORD-19), which contains the text of more than 45 000 scholarly research papers. Of these articles, 33 000 are full text in particular on the Covid-19 and coronavirus family.
Using natural language processing, AI could generate valuable new insights from the published research.
The Covid-19 Research Database containing the latest scientific findings on the coronavirus disease (Covid-19) provided by the World Health Organisation (WHO)
Microsoft Academic resources and their application to Covid-19 research.
The National Center for Biotechnology Information ( NCBI) PubMed Central (PMC) database of 27 502 scientific articles on Covid-19, Severe Acute Respiratory Syndrome (SARS) and Middle East Respiratory Syndrome (MERS).
PATTERN RECOGNITION
A further open-access and free AI tool, Covid-Net, has been made available in the fight against Covid-19.
Covid -Net uses neural network technology to help scientists to collaboratively develop an AI system that can accurately identify Covid-19 in chest x-rays through the detection of certain prognostic signs.
Covid-Net is a convolutional neural network – a type of AI that is known for its exceptional capability to recognize images. Two scientists from the University of Waterloo together with the AI-company DarwinAI in Canada developed the system.
Covid-Net was trained on 5 941 chest x-ray images to identify signs of Covid-19. The x-rays were taken from 2 839 patients with various lung conditions, including bacterial, non-Covid viral infections, as well as Covid-19 infections.
The tool is unfortunately not production-ready, but with the help from scientists all over the world it may soon actively assist in the fight against Covid-19. What makes it unique is that DarwinAI is also working on a function to enable the tool to explain its reasoning, which would make it much easier for health-care workers to use.
TRACKING OF PEOPLE
Many people in South Africa, and worldwide, are disturbed by the intrusion into their privacy through the geo-location tracking of their movements and contacts by government.
And although it may be misused be government in the future when the state of disaster is over, the tapping into digital traces do give health authorities valuable insights into the behaviour and spreading of Covid-19.
There is thus is simple way people can help to fight Covid-19 beyond just washing their hands – they could donate their data for study by epidemiologists. Many people even wear smart watches and fitness trackers that in principle can detect a fever. These data could help health care officials to determine where infected people are, as well as whom they have been in contact with, so that preventative actions could be taken.
Several Asian countries, such as China, Taiwan, Singapore and South Korea required their people to download an app that evaluates them based on their contagion risk and then shares the information with the relevant authorities.
However, privacy conscious countries like Germany are still tracking the spread of Covid-19 through traditional interviews with infected patients to determine where they have been and whom they had contact with.
When health-care providers and authorities use AI to identify patterns in these huge volumes of cell-phone data, it can be extremely valuable for decision-making and planning.
Digital epidemiology is an emerging field, which combines big data analysis with methods from medicine, biology, social science, statistics and computer science to model, understand and predict the course of infectious diseases like Covid-19.
AI could particularly be of value in discovering “clusters” of people, since populations do not fully mix and tend to be partitioned into clusters that rarely interact with other clusters.
These hidden structures in a community have a significant impact on how infectious diseases spread, as was proven by the spread of Covid-19through the close-knit community of the Divine Restoration Ministries Church on the outskirts of Bloemfontein.
A health care analytics company in the US, Jvion (https://jvion.com), uses AI to study 30 million patients in its database to identify people and communities at the highest risk of morbidity and mortality as a result of acute respiratory illness from the Covid-19 virus.
The creation of the Covid-19 community vulnerability map is based on more than 5 000 variables, which include their medical history, lifestyle and socio-economic factors.
This enabled Jvion to create lists of people who could be prioritised for hospitalisation or isolated pro-actively. The AI analysis of the data is also used to predict the spread of the virus.
AI could slow down the spread of the coronavirus and extenuate its consequences, but for that epidemiologists need data. However, getting access to personal data will remain challenging in a world where citizens are increasingly distrusting government and where data protection has become a fundamental right.
Perhaps the online platform Open Humans (https://www.openhumans.org), asking people to willingly share information as they share it with Google, is the way forward to promote public health and save lives.
AI, VACCINES AND OTHER STRATEGIES
AI is not only playing a major role in helping to track the outbreak of the virus, but also to develop a vaccine. Through a deep analysis of the care that every Covid-19 patient receives, AI further assists in determining the best treatment strategies.
The value of data and AI: There is little doubt that the timely availability of reliable data is extremely important for the effective management of a pandemic such as Covid-19. If big data is combined with AI, it becomes a powerful tool that could assist in limiting the spread of a disease, as well as the mitigation of its consequences.
AI remains a valuable tool to make sense of huge sets of data. When combined with the expert knowledge of humans, it can save human lives. In the current Covid-19 crisis, technology such as AI, machine learning and powerful algorithms, as well as human knowledge, creativity and innovation will all play a critical role in fighting and surviving the Covid-19 crisis.
Professor Louis C H Fourie is a Futurist and Technology Strategist Lfourie@gmail.com
