Yapay Zeka, COVID-19 Kriziyle Mücadelede Nasıl Bir Rol Oynuyor?
Yapay zeka ve makine öğrenimi, COVID-19 krizinin anlaşılmasında ve krizle mücadelede önemli rol oynuyor. Makine öğrenimi teknolojisi bilgisayarların insan zekasını taklit etmelerini ve büyük veriyi analiz ederek hızlıca modeller ve içgörüler sunmalarını sağlıyor.
Dünya COVID-19 ile mücadele ederken, pandemiyle savaşmaya yönelik bir gram teknolojik inovasyon ve beceri bile bizi bu krizi yenmeye bir adım daha yaklaştırıyor. Yapay zekâ ve makine öğrenimi, COVID-19 krizinin anlaşılmasında ve krizle mücadelede önemli rol oynuyor. Makine öğrenimi teknolojisi bilgisayarların insan zekâsını taklit etmelerini ve büyük veriyi analiz ederek hızlıca modeller ve içgörüler sunmalarını sağlıyor.
COVID-19’la mücadele sürecinde organizasyonlar çeşitli alanlara makine öğrenimi uzmanlıklarını hızlıca uyguladılar. Söz konusu alanlar arasında müşteri iletişimini ölçeklendirmek, COVID-19’un nasıl yayıldığını anlamak, araştırma ve tedaviyi hızlandırmak yer alıyor.
Organizasyonunuzun Ölçeklenmesini ve Uyum Göstermesini Sağlamak
Sosyal mesafe ve karantina önlemleri devam ederken küçük veya büyük, özel veya kamu olsun tüm organizasyonlar müşteri ve çalışanlarının ihtiyaçlarını en etkili şekilde karşılayabilmenin yeni yollarını arıyorlar. Makine öğrenimi teknolojisi uzaktan iletişim desteği, teletıp ve gıda güvenliği koruması için gerekli araçları sunarak bu geçişin yapılmasını mümkün kılıyor.
Sağlık ve devlet kurulumlarına yönelik araçlar arasında ise COVID-19 belirtilerinin temassız bir şekilde tespit edilmesini ve halkın sorularının yanıtlanmasını sağlayan, makine öğrenimiyle uyumlu chatbot’lar yer alıyor. AWS altyapısını kullanan Fransız start-up Clevy.io, bunun örneklerinden biri. Clevy.io, insanların COVID-19 ile ilgili hükümet açıklamalarını kolayca bulabilmesi için bir chatbot’u kullanıma sundu. Fransız hükümetinin ve Dünya Sağlık Örgütü’nün sağladığı gerçek zamanlı bilgileri kullanan chatbot, bilinen belirtileri değerlendiriyor ve hükümet poliçeleri hakkındaki soruları yanıtlıyor. Bugüne kadar 3 milyon mesaj alan chatbot, sağlık kurumlarının ve hükümetin kaynaklarını zorlamadan COVID-19’la ilgili risklerin değerlendirilmesinden hangi egzersizlerin yapılabileceğine kadar her türlü soruyu yanıtlayabiliyor. Strasbourg, Orléans ve Nanterre gibi şehirler bu chatbot’u doğru, onaylanmış bilginin dağıtımı için kullanıyor.
COVID-19’un Nasıl Yayıldığını Anlamak
Makine öğrenimi aynı zamanda araştırmacılara ve doktorlara COVID-19’un yayıldığını anlayabilmeye yönelik büyük miktarlarda verinin analiz edilmesi konusunda yardımcı oluyor. Bu sayede gelecekteki pandemi riskleri için bir erken uyarı sistemi oluşturulması ve savunmasız toplulukların belirlenebilmesi hedefleniyor.
California’daki Chan Zuckerberg Biohub, tespit edilemeyen COVID-19 enfeksiyonlarının sayısının tahmin edilebilmesi ve bunun toplum sağlığına etkisinin değerlendirilebilmesi için bir model oluşturdu ve global çapta 19 bölgeyi analiz etti. Makine öğrenimini kullanarak ve AWS Diagnostic Development Initiative ile iş birliği yaparak tespit edilemeyen enfeksiyonların miktarını belirlemek için yeni yöntemler geliştirdiler. Kaç adet bulaşmanın kaçırıldığını tespit etmek doğrultusunda toplum içinde yayılırken virüsün nasıl mutasyona uğradığını analiz ettiler.
Pandeminin ilk günlerinde AWS platformu üzerinde salgınların başlayışını tespit etmek için yapay zekayı kullanan Kanadalı start-up BlueDot, Çin’in Wuhan şehrinde solunumla ilgili bir hastalığın yayılmaya başladığını tespit eden ve bunu bildiren ilk kuruluşlardan biriydi. BlueDot, bu salgınları tespit etmek için yapay zekâ kullanıyor.
BlueDot, salgınları tespit edebilmek ve nasıl yayılabilecekleri konusunda tahmin yürütebilmek için makine öğrenimi algoritmalarını kullanarak 65 dildeki haberlerin yanı sıra havayolları verilerini ve hayvansal hastalıklarla ilgili ağları tarıyor. Daha sonrasında epidemiyolojistler sonuçları değerlendirerek varılan sonuçların bilimsel açıdan anlamlı olup olmadığını onaylıyor. BlueDot, riskleri tahmin edebilmeleri ve daha iyi yönetebilmeleri için bu içgörüleri kamu sağlığı yetkililerine, havayollarına ve hastanelere sunuyor.
Araştırma ve Tedaviyi Hızlandırmak
Sağlık hizmeti sağlayıcıları ve araştırmacılar COVID-19 ile ilgili olarak her geçen gün artan miktarda bilgiye maruz kalıyor ve bu da tedaviye yönelik içgörülerin çıkarılmasını zorlaştırıyor. AWS, buna cevap olarak CORD-19 Search’ü kullanıma sundu.
Bu yeni arama web sitesi gücünü makine öğreniminden alıyor ve araştırmacıların hızlı ve kolay bir şekilde araştırma yazılarına ve dokümanlarına ulaşmasına, “COVID-19’da salyadaki virüs yükünün en yüksek olduğu dönem hangisidir?” gibi soruların yanıtlanmasına yardımcı oluyor. Allen Yapay Zeka Enstitüsü’nün 128 binden fazla araştırma yazısını ve benzeri materyalleri barındıran CORD-19 açık araştırma veri seti üzerinde kurulan bu makine öğrenimi çözümü yapılandırılmamış metinlerden tıbbi bilgileri çıkarabiliyor ve doğal dil sorgulama yetenekleri sunarak keşif sürecinin hızlandırılmasını sağlıyor.
Diğer yandan medikal görüntüleme alanında ise araştırmacılar makine öğrenimini resimlerdeki modelleri tespit etmek, radyologların hastalık ihtimalini tespit edebilmelerini ve erken teşhis koymalarını sağlamak için kullanıyor. UC San Diego Health, ileri derecede COVID-19 ile bağdaştırılan zatürrenin teşhisinin konması için yeni bir yöntem geliştirdi. Bu erken teşhis, COVID-19 teşhisi onaylanmadan önce doktorların hızlı bir şekilde hastaları doğru seviyede sınıflandırmasına yardımcı oluyor.
İnsan radyologların oluşturduğu 22 bin kayıt ile eğitilen makine öğrenimi algoritması röntgenleri renk kodlu haritalarla birleştirerek zatürre ihtimalinin tespit edilmesini sağlıyor. AWS Diagnostic Development Initiative’in bağışları ile bu yöntemler artık UC San Diego Health’in klinik araştırmaları için çekilen tüm akciğer röntgenlerine ve tomografilerine uygulanıyor.
