Wissenschaftler entwickeln ein auf künstlicher Intelligenz basierendes Pandemie-Warnsystem

 Von Jim Leffman über SWNS


Wissenschaftler haben mithilfe künstlicher Intelligenz ein „Frühwarnsystem“ für eine Pandemie geschaffen.


Bei der Untersuchung von COVID-19-Daten stellten die Forscher fest, dass sie bereits vor ihrer Einstufung durch die Weltgesundheitsorganisation von „besorgniserregenden Varianten“ wussten.

Wissenschaftler entwickeln ein auf künstlicher Intelligenz basierendes Pandemie-Warnsystem

Das Team vom Scripps Research Institute in Kalifornien glaubt, dass ihr System potenzielle Viruspandemien frühzeitig erkennen kann, bevor sie sich global ausbreiten.

Ihr maschinelles Lernsystem, eine Art Anwendung der künstlichen Intelligenz (KI), kann die Entwicklung epidemischer Viren sehr detailliert überwachen und das Auftreten von Varianten vorhersagen, die eine Bedrohung für den Menschen darstellen.

Dr. William Balch, Professor in der Abteilung für Molekulare Medizin bei Scripps Research und leitender Autor der Studie, erklärte: „Es gibt Regeln für die Entwicklung pandemischer Viren, die wir nicht verstehen, die aber von privaten und öffentlichen Gesundheitsorganisationen durch diesen neuartigen Ansatz des maschinellen Lernens entdeckt und in umsetzbarer Weise genutzt werden können.“

Das System kann sowohl Daten aus öffentlich zugänglichen Repositorien als auch neu entdeckte genetische Daten nutzen.

Laut der Studie, die in der Fachzeitschrift Cell Patterns veröffentlicht wurde, ermöglichte die Software den Forschern, weltweit auftretende genetische Veränderungen bei SARS-CoV-2-Varianten zu überwachen.

Mithilfe einer Technik, die als Gaußsche prozessbasierte räumliche Kovarianz bekannt ist, erstellten sie eine Software für maschinelles Lernen, um drei Datensätze aus der gesamten Pandemie miteinander in Beziehung zu setzen: die genetischen Sequenzen von SARS-CoV-2-Varianten, die bei infizierten Menschen weltweit gefunden wurden, die Häufigkeit dieser Varianten und die globale Sterblichkeitsrate für COVID-19.

Sie identifizierten ein Muster steigender Übertragungsraten und sinkender Sterblichkeitsraten.

Dies zeigte die Anpassung des Virus an Lockdowns, das Tragen von Masken, Impfungen, die zunehmende natürliche Immunität der Weltbevölkerung und den unerbittlichen Wettbewerb zwischen SARS-CoV-2-Varianten.

Laut Balch geschah dies Wochen bevor die VOCs, die diese Varianten enthielten, von der WHO offiziell als krebserregend eingestuft wurden.

„Eine der wichtigsten Erkenntnisse aus dieser Forschung ist, dass es von entscheidender Bedeutung ist, nicht nur einige wenige prominente Varianten zu berücksichtigen, sondern auch Zehntausende anderer unbenannter Varianten, die wir als ‚Variante der Dunklen Materie‘ bezeichnen.“

Ihrer Meinung nach könnte ein analoges System verwendet werden, um die Entwicklung zukünftiger Pandemien in Echtzeit zu überwachen.

Dies würde es Wissenschaftlern ermöglichen, Veränderungen im Verlauf einer Pandemie, wie beispielsweise einen starken Anstieg der Infektionsraten, rechtzeitig vorherzusehen, um Gegenmaßnahmen zu ergreifen.

Darüber hinaus hofft das Team, dass durch den Einsatz ihrer Methodik die Virusbiologie besser verstanden wird und dadurch die Entwicklung von Heilmitteln und Impfstoffen gefördert wird.

Dr. Ben Calverley, Co-Autor, fügte hinzu: „Dieses System und seine zugrunde liegenden technischen Methoden haben viele mögliche zukünftige Anwendungen.“

Anderen Blog lesen: 

https://marktwachstum24.blogspot.com/2023/07/die-biden-administration-sichert-sich.html

https://timesofrising.com/read-frm-file-is-crucial-for-study-learn-why/

https://www.metroflog.co/post/413284

https://gaming-walker.com/read-blog/31506

https://customsplat.com/read-frm-file-strategies-for-the-entrepreneurially-challenged/

https://www.metapunk.to/techqy/one-word-readfrm-file-study-39c0

https://americanwomenorg.com/read-blog/23427

Kommentare

Beliebte Posts aus diesem Blog

Einfache Möglichkeiten, künstliche Intelligenz (KI) im Gesundheitswesen zu erlernen

Trendiger Beitrag: Webcam Markt Wachstum, Forschungsumfragebericht 2022-2028

Algorithmen maschineller Lerntechniken und verschiedene Phasen