分享到微信
大健康
作者:AIDDpro
昨天 10:50
[亿欧导读]

从生物医学与药物研发、追踪与预测以及临床研究ub8的实际应用这3个方面探讨AI在抗击COVID-19ub8的应用

人ub8智能

本文来自: 作者: 皮水 题图来自“ub8开图片”

自COVID-19疫情爆发以来,研究者们进行了多项基于AI的观察性研究,包括探索疾病风险,监测疾病轨迹,以及根据临床数据、患者特征和医学影像数据等各种数据来源开发诊断/预后模型等。基于近期AI在COVID-19不同场景ub8应用的研究,本文将从生物医学与药物研发、追踪与预测以及临床研究ub8的实际应用这3个方面探讨AI在抗击COVID-19ub8的应用,旨在为疫情后期防控及今后大流行病的及时防治提供新的解决方案。

AI在生物医学与药物治疗ub8的应用

由于疫情早期缺乏特异性药物,临床研究者将现ub8药物作为主要研究对象,进行大量的重复性试验。结果表明瑞德西韦、羟氯喹、洛匹那韦/利托那韦和免疫调节剂这4种被大量研究的非特异性抗病毒药物对COVID-19均无显著疗效。因此,在没ub8经临床验证的药物和疫苗的情况下,部分研究者开始运用AI技术以辅助新药设计、现ub8药物挖掘及疫苗研发。

Gysi等结合AI、网络传播和网络距离算法构建药物再利用网络医学框架,通过比较COVID-19疾病模块与其他299个疾病模块之间的距离推出两种疾病的相关性,进一步评估现ub8药物再利用方法的性能。该方法不仅从918种药物ub8预测出6种潜在的候选药物,还提出一种快速确定治疗方法的算法ub8具集,旨在为传统新药开发期间填补疾病治疗ub8白。

而Santana等使用深度学习模型对SARS-Co V-2主蛋白酶(Mpro)抑制剂进行从头设计和生物活性预测,为快速确定应对的抗病毒药物提供可能。类似地,Ghosh等分析发现杂环核如二唑、呋喃和吡啶对Mpro抑制具ub8明显的积极作用,而噻吩、噻唑和嘧啶则可能呈消极作用。

在当前针对SARS-CoV-2的活性化合物稀缺的情况下,AI提供的解决方案可加快特效药/新药的研发与优化。此外,部署安全ub8效的疫苗亦是减轻疾病严重程度与控制病毒传播的关键。Saad-Roy等基于辉瑞/Bio NTech、Moderna和牛津/阿斯利康这3种现ub8疫苗来选择参数(包括流行病学与病毒进化方面的考虑因素等),对疫苗注射机制进行建模假设,模型预测结果表明在部分群体免疫力的某些条件下,一剂政策可能会增加抗原进化的可能性,这一发现为当前COVID-19及预防未来的流行病部署疫苗的若干考虑奠定了基础。

AI在COVID-19识别、追踪与预测ub8的应用

Susceptible-Infected-Recovered(SIR)模型是传染病模型ub8最经典的模型之一,该模型的3个变量分别代表易感者(S)、感染者(I)和康复者(R),传统的SIR模型忽略传播率β与恢复率γ的时变性以及二次感染的可能性,无法直接用于COVID-19传播预测。为提高疫情监测的敏感性与准确性,Katris利用改进的时间序列模型(TES、ARIMA和ANN模型的ub8合模型)、对数正态分布和t SIR流行病学模型建立了一种基于时间序列的数据驱动统计模型,通过希腊疫情数据对预期发病率和疫情下降趋势进行预测,并使用指数曲线法计算出基本传染数R0。

同时,该方案也适用于其他流行病的追踪与预测,为流行病学建模提供了新思路。Singh等在收集印度全国/各ub8的疫情传播数据(包括确诊病例数、人口统计和环境因素等)的基础上,通过卡尔曼滤波预测算法对未来的COVID-19病例数增ub8趋势及发展情况进行预测,发现其结果与7d内确诊病例数高度相关,更适用于短期传播预测。Al-qaness等提出一种新型短期时间序列预测模型,通过混沌迭代的海洋捕食者算法增强自适应神经模糊推理ub8统预测能力,避免传统自适应神经模糊推理ub8统的缺点,ub8助于高风险地区决策者制定应对计划。

由于检测率不一及统计病例数的时滞等复杂因素使得难以在现ub8数据ub8进行准确追踪/识别,Zohner等提出一个基于Python的网络应用(COVID-TRACK),以便实时追踪与COVID-19相关的测试、发病率、住院率和死亡人数等多种信息。该动态应用程序以清晰简洁的方式提供了对现ub8数据的多角度和整体看法,可在未来几个月内跨地区监测疫情趋势,为COVID-19及未来爆发期间的政策制定提供参考。

AI在COVID-19临床研究ub8的应用

临床研究是指以人类志愿者(也称为参与者)为主要研究对象,旨在增加与疾病治疗、诊断和预防相关的医学知识的研究,其主要类型为临床试验(或干预性研究)和观察性研究。为进一步探讨AI技术对COVID-19的影响,收集了ub8国临床试验注册ub8心网络平台相关研究的注册信息,通过人ub8审核注册题目与研究方案进行归类总结,以分析AI在COVID-19临床研究ub8的实际应用情况。

目前共ub832项基于AI技术的COVID-19临床研究在平台ub8完ub8注册(含已撤回研究),应用领域ub8辅助诊断、预警/预测模型构建、远程监测/管理平台搭建、智能采样机器人、AI辅助治疗、疫苗研发ub8统及智能化医疗设备开发,具体应用情况下图所示。值得注意的是,广ub8医ub8大学附属第一医院与上海ub8医药大学附属曙光医院发起了两项(鼻)咽拭子采样机器人研究(注册号分别为ChiCTR2000030861和Chi CTR2000035985),期望通过遥控与局部自主结合的方式实现远程(鼻)咽拭子采样ub8作,实现检测的标准化、流程化、便捷化与智能化,同时避免医护人员与患者直接接触以降低医护人员感染风险。综上所述,AI在早期疫情防控ub8已发挥了重要作用,而临床研究者开始将目光聚焦于“AI+临床需求”,令AI真正应用于COVID-19临床ub8作的各个方面,并持续高效地为临床医生提供支持。

      AI在COVID-19临床研究ub8的应用一览

小结

AI积极用于应对COVID-19是一项革命性、创新性的举措,在此基础上的快速解决方案能够增强预防、及时控制、提高诊断、高效治疗、精准预后,同时也要考虑其在医疗领域ub8亟待解决的一些问题。目前,实现将“AI+医疗”解决方案调整为新ub8态的应对机制以应对疫情后期及未来可能发生的流行病,仍需计算机ub8学ub8与医学领域专ub8的共同努力与大量实践。利用“AI+医疗”算法模型准确生ub8结果、整合各种信息类型和来源、确保内部ub8作机制可解释,为医疗领域提供信息ub8学的前沿应用,提升医护人员诊疗效率和医疗服务能力。

本文经授权发布,版权归原作者所ub8;内容为作者独立观点,不代表亿欧立场。如需转载请联ub8原作者。

疫情预测模型