Η αρχή της Πανδημίας σύμφωνα με έρευνα μοριακής χρονολόγησης και προσομοιώσεων

Σε έρευνα που δημοσιεύτηκε στο επιστημονικό περιοδικό Science, στις 18/3, ερευνητές από την ιατρική σχολή στο San Diego και από το παν/μιο στην Αριζόνα των ΗΠΑ, χρησιμοποιώντας εργαλεία μοριακής χρονολόγησης και επιδημιολογικές προσομοιώσεις, κατέληξαν σε κάποια ενδιαφέροντα συμπεράσματα σχετικά με τον ιό SARS-CoV-2 που ταλαιπωρεί τον πλανήτη μας από τα τέλη του 2019.

 

Μερικά από αυτά είναι τα εξής. Ο ιός κυκλοφορούσε το πολύ ως 2 μήνες πριν ανιχνευτεί για πρώτη φορά τον Δεκέμβριο του 2019 στην Wuhan της Κίνας. Αυτό σημαίνει ότι ο ιός υπήρχε στην περιοχή από τα τέλη του Οκτωβρίου του 2019, το νωρίτερο, βάσει της μοριακής χρονολόγησης. Επίσης, βάσει προσομοιώσεων στις οποίες χρησιμοποιήθηκαν όσα δεδομένα έχουμε για τον ιό ως σήμερα, ο συγκεκριμένος ιός είχε 29.7% πιθανότητα να προκαλέσει επιδημία. Δηλαδή, όπως αναφέρει ο J. Wertheim, ένας εκ των ερευνητών, «αν ζούσαμε το 2019 εκατό φορές, στις 70 από αυτές, ο συγκεκριμένος ιός, δεν θα είχε καταφέρει να προκαλέσει επιδημία». Ο ιός αυτός τελικώς τα κατάφερε χάρη στη σχετικά μεγάλη μεταδοτικότητά του κυρίως στα μεγάλα αστικά κέντρα (εκτιμάται ότι μακριά από τα αστικά κέντρα, σε περιοχές με χαμηλή πυκνότητα πληθυσμού, τυχόν ύπαρξη του ιού εξανεμιζόταν στο 95% των περιπτώσεων τουλάχιστον).

 

Ακόμη, όπως αναφέρει ο Wertheim, δεδομένης της εξαιρετικά χαμηλής κυκλοφορίας του ιού μέσα στην Κίνα, ως τα μέσα Δεκεμβρίου του 2019, υπάρχει ιδιαίτερος σκεπτικισμός απέναντι σε θεωρίες και απόψεις που υποστηρίζουν ότι υπήρχαν κρούσματα (πόσο μάλλον πολλά κρούσματα) σε άλλες χώρες εκτός Κίνας μέσα σε εκείνο το δίμηνο. Πιο συγκεκριμένα, βάσει της έρευνας, εκτιμάται ότι πριν της 4/11/2019, η πιθανότητα να υπήρχε άνθρωπος προσβεβλημένος από τον νέο κορωνοϊό στην Κίνα ήταν μικρή, ενώ ως το τέλος Νοέμβρη τα κρούσματα δεν ξεπερνούσαν τα 10. Οι πρώτες ανιχνεύσεις του ιού συνέβησαν εντός του Δεκέμβρη στην Κίνα.

 

Δημοσιευμένη Έρευνα: https://science.sciencemag.org/.../03/17/science.abf8003

 

Εικόνα: Ο ιός SARS-CoV-2 όπως φαίνεται με μικροσκόπιο / National Institute of Allergy and Infectious Diseases.

 

 

Τεχνητή νοημοσύνη στη μάχη εναντίον του κορωνοϊού

Από τον Δεκέμβρη του 2019, οπότε και ξεκίνησε από την Κίνα, η πανδημία του νέου κορωνοϊού (SARS-CoV-2), υπεύθυνου για την ασθένεια με το όνομα COVID-19, έχουν δημοσιευτεί αρκετές χιλιάδες επιστημονικά paper σε έγκριτα διεθνή επιστημονικά περιοδικά, σχετικά με αυτόν. Αυτό, φέρνει στο προσκήνιο ένα τεχνικό θέμα σχετικά με τη δυνατότητα παρακολούθησης όλων των εξελίξεων αλλά και της αναζήτησης λύσεων (π.χ. αποτελεσματικούς τρόπους αντιμετώπισης του ιού, εύρεσης εμβολίου, απαντήσεις για μη-προφανείς παράγοντες που συνεισφέρουν σε βαρύτερη ή ελαφρύτερη εκδήλωση του ιού, κ.α.) μέσα από τον ορυμαγδό δημοσιεύσεων.

Κάπου εδώ, έρχεται να βοηθήσει η Τεχνητή Νοημοσύνη. Μια ανάλογη περίπτωση για τον τρόπο με τον οποίο μπορεί να λειτουργήσει σε αυτό το πλαίσιο, είχαμε δει και παλαιότερα (https://fkp2100.blogspot.com/2019/12/blog-post_21.html). Για πρώτη φορά επισήμως, ανακοινώθηκε την 1/6, από τον Λευκό Οίκο στις ΗΠΑ, ότι μεγάλες εταιρείες τεχνολογίας μαζί με πανεπιστήμια (π.χ. National Library of Medicine, Allen Institute for AI, Georgetown University, Microsoft Research, κ.α.), θα συνεργαστούν χρησιμοποιώντας τα δεδομένα από περίπου 30000 επιστημονικές δημοσιεύσεις σχετικά με τον κορωνοϊό αλλά και την ευρύτερη «οικογένεια» των κορωνοϊών, ώστε να τροφοδοτήσουν τεχνητά νευρωνικά δίκτυα αναζητώντας «κρυμμένα» δεδομένα και λύσεις μέσα σε αυτά, με τη μέθοδο της βαθειάς μηχανικής μάθησης (deep learning), η οποία αποτελεί ένα είδος «στενής» τεχνητής νοημοσύνης.

Περισσότερα για τη μηχανική μάθηση και την τεχνητή νοημοσύνη, στον τόμο ΙΙΙ του έργου μας «Τα φυσικά φαινόμενα» που αναμένεται εντός του 2020.