Data analytics og AI i kappløpet etter en Korona-vaksine

Data analytics og AI i kappløpet etter en Korona-vaksine

Det jobbes på spreng etter en vaksine mot COVID-19 og hele verden følger med på vaksineutviklingen. Informasjonen generert fra vaksineforskningen skaper en enorm dataoverbelastning, alt fra kliniske studier og forskning til privat finansiering og nye teknologiske gjennombrudd. Dette krever en robust analyseplattform og kunstig intelligens for effektivt å gjøre rådata til positive resultater.

Dataanalyse vil være avgjørende for å kondensere de forskjellige datakildene til et rent håndterlig dashbord for profesjonelle til å fremme forbedringer. Når dette første datainnsamlingsproblemet er overvunnet, vil kunstig intelligens kunne få dyp, prediktiv innsikt i vaksineutviklingen, og dermed påskynde prosessen og gi bedre resultater.

Datainnsamlingsproblemet

Den store innsatsen på forskning og informasjon som genereres fra vaksineutvikling er svimlende. I den første uken i mars ble det for eksempel publisert 500 forskningsartikler om vaksineutvikling, i motsetning til 200 for hele februar måned. Denne tilstrømningen av forskning har bare blitt større ettersom vaksineutviklingen har nådd de senere stadiene.

Utover forskningsartikler, må vaksineutviklere gå gjennom legemiddelutvikling, finansieringspraksis og kliniske studier for å få et helhetlig syn på situasjonen. Dataanalyseplattformer er i stand til å sentralisere og standardisere disse store datasettene, slik at helsespesialister bedre kan forstå og bekjempe COVID-19.

Når vi snakker med Health IT Analytics, forklarer Julie Swann, PhD, professor og avdelingsleder for Fitts Department of Industrial and Systems Engineering ved North Carolina State University, en spesifikk brukssak av dataanalyse for å forstå antistoffdannelsen: «Det er mye usikkerhet om hvor mye immunitet som genereres ved å ha viruset første gangen. Data- og analyseteknologier vil hjelpe oss å bedre forstå det nivået av immunitet og hva det betyr for fremtiden.»

På grunn av immunitet endres basert på individets respons på viruset og hvor smittet de ble, er big data analytics nødvendig for å gjøre det store utvalget av individuelle tilfeller til handlingsbar innsikt.

Analytics gjør allerede en forskjell

Data analytics teknologi har allerede blitt implementert i kampen for en vaksine, spesielt innen forståelse av immunresponsen mot eksponering. Human Immunomics Initiative (HII) ved Harvard University er en felles innsats ved å bruke kunstig intelligensmodeller for å akselerere vaksineutviklingen. Programmet håper å kombinere omfattende datainnsamling av kliniske studier med big data analytics for å nå sine mål. HII er spesielt interessert i hvordan immunforsvaret samhandler med viruset i alders populasjoner.

Gjennom dataanalyse er forskerteam i stand til å samle og manipulere store datasett. Det banebrytende arbeidet de gjør med disse rene dataene, oppnås gjennom kunstig intelligens.

Innflytelsen fra AI i skapelsen av vaksiner og medisiner er en veldig ny utvikling. I februar i år ble den første medisinen noensinne utviklet med AI lagt frem, og ble fremmet av det japanske selskapet Sumitomo Dainippon Pharma. Den ble utviklet for å behandle tvangslidelse, men dette gjennombruddet har tydelig krysspåvirkning på all vaksinetesting fremover.

Gjennom bruk av algoritmer, var selskapets AI plattform i stand til å sile gjennom et stort antall datapunkter for å kombinere de perfekte settmolekylene som var nødvendige for en løsning. Sumitomo Dainippon Pharmas arbeid her er eksemplarisk for verdiskapningen ved hjelp av AI.

I den prekliniske forsøksfasen, kan AI brukes til å teste de mange kombinasjonene av molekyler som kan kombineres for å skape et effektivt medikament. En prosess som vanligvis koster milliarder av dollar og år med intensivt arbeid, kan nås gjennom algoritmer. Når det gjelder COVID-19, bruker selskaper som Atomwise denne teknologien for å fremskynde vaksineutviklingsprosessen. Ved å identifisere lovende molekylkombinasjoner, er AI i stand til å redusere den årelange prosessen ned til måneder.

En annen måte å se på denne prosessen er å tenke på at den fremskynder den vitenskapelige metoden, ifølge Murat Sonmez. Den vitenskapelige metoden begynner med en hypotese og tester den gjennom prøving og feiling for å komme til en konklusjon. For Sonmez, kan AI brukes til å øke hastigheten i de første trinnene i prosessen. For eksempel, er AI i stand til å skrive et stort antall hypoteser, som f.eks. om en enkelt sammensatt kombinasjon vil fungere, og teste den første levedyktigheten til resultatet. Når forbindelsen har gått gjennom den første testen, må den kjøres gjennom en grundigere, menneskelig ledet undersøkelse for å bevise sikkerheten. Den første skrivings- og testfasen som AI er i stand til å gjøre, er ekstremt effektivt når det gjelder å redusere tiden til forskningsprosessen.

Kombinasjonen av dataanalyse i samling og AI i testing vil være et viktig verktøy for å fremskynde oppdagelsen av COVID-19-vaksinen.