Hoe AI de corona-pandemie voorspelde, en nu ook kan helpen

Een AI-algoritme voorspelde de wereldwijde uitbraak van het coronavirus eind vorig jaar al, terwijl een ander algoritme vooraf wist te vertellen welke landen het hevigst getroffen zouden worden. Ook nu de pandemie een feit is, kan AI een rol spelen. De impact wordt echter beperkt door verouderde regelgeving.

Op 30 december vorig jaar merkte een AI-algoritme van een bedrijf genaamd BlueDot op dat er iets vreemds gaande was in het Chinese Wuhan. Pas negen dagen later werd het nieuwe coronavirus officieel erkend door het WHO. Rond dezelfde tijd kwam een ander algoritme, HealthMap, in Boston tot dezelfde conclusie. Aan de andere kant van de VS werden de waarschuwingssignalen uit Wuhan opgepikt door een derde model, gebouwd door Metabiota.

Dezelfde steen

Techzine praat met Simon Logghe, Life Sciences en Healthcare-specialist bij ML6, een Gentse scale-up gespecialiseerd in artificiële intelligentie en machine learning, over de rol van artificiële intelligentie in de voorspelling en bestrijding van de pandemie. “Het Bluedot-algoritme gebruikte natural language processing om online het gebruik van woorden gerelateerd aan ziektes te monitoren”, weet hij. “Een opvallende piek van communicatie rond longontstekingen in Wuhan deed de alarmbellen afgaan.” AI heeft nog geen prominente rol in de voorspelling en herkenning van mogelijke pandemieën, dus bleven de waarschuwingen ongehoord.

AI heeft nog geen prominente rol in de voorspelling en herkenning van mogelijke pandemieën, dus bleven de waarschuwingen ongehoord.

Hetzelfde gebeurde later nog een keer. Metabiota voorspelde aan de hand van data over het virus en vluchtgegevens dat Thailand, Zuid-Korea en Japan een hoog risico liepen, een week voor de eerste gevallen daar effectief werden ontdekt. “AI geniet nog niet het vertrouwen en de geloofwaardigheid om grote instanties tot actie aan te sporen”, vermoedt Logghe. Hij denkt dat de corona-pandemie een kantelpunt kan zijn, waarbij de rol van AI in de maatschappij en specifiek ziektebestrijding zal groeien. “Voor deze pandemie komen veel innovaties te laat, maar in de volgende zal AI een erg grote rol spelen”, voorspelt hij.

Onderzoek naar eiwitten

Ook vandaag worden machine learning en kunstmatige intelligentie natuurlijk al gebruikt. De zichtbaarste implementatie daarvan is de zoektocht naar een medicijn of vaccin voor de bestrijding van Covid-19. “Daarvoor moet de structuur van de eiwitten van het nieuwe coronavirus in 3D gesimuleerd worden”, weet Logghe. “Dat is een erg complexe taak met miljarden mogelijke opties waarbij machine learning vandaag wordt ingezet om de eiwitten van het virus te bestuderen, en vervolgens een methode te vinden om die aan te vallen.” IBM’s Summit-supercomputer kwam pas nog in het nieuws met de ontdekking van tientallen mogelijke medicinale moleculen, die het potentieel hebben om in te werken op het virus.

Folding@home rondde pas de kaap van 1,5 exaflops aan rekenkracht.

Een andere zichtbare toepassing is de analyse van de eiwitten door het Folding@home-project. Dat verdeelt de analyse van eiwitmodellen over computerkracht beschikbaar gesteld door vrijwilligers. Vorige week rondde dat project de kaap van 1,5 exaflops aan rekenkracht. “Ook wij dragen hiertoe ons steentje bij”, vertelt Logghe. “ML6 stelt al z’n krachtige machines om AI-modellen on-premises te draaien ter beschikking voor dit project. Aangezien alle collega’s sinds de lockdown thuiswerken , wordt de rekenkracht van die systemen ingezet voor Folding@home.” In andere toepassingen wordt er gekeken naar zowat alle bestaande medicijnen die fase 1 van tests ooit passeerden. Die zijn aantoonbaar veilig voor mensen, en kunnen zo snel ingezet worden moest een computer een mogelijke inwerking op het virus detecteren.

AI als testassistent

Logghe vermoedt dat AI ook een rol kan spelen bij het testen zelf. “Een uitdaging in het onderzoek naar een mogelijk medicijn of vaccin is de samenstelling van goede testgroepen. Mensen moeten aan erg specifieke vereisten voldoen. AI-software die vandaag al gebruikt wordt voor rekrutering, kan door ongestructureerde patiëntendossiers ploegen en automatisch de meest geschikte vrijwilligers voor een onderzoek aanduiden.”

Met de juiste mensen geselecteerd en een mogelijk geneesmiddel voorhanden, is het belangrijk dat de tests zo goed mogelijk verlopen. “Ook daar kan AI helpen. Tests moeten volgens bepaalde protocollen verlopen. Door data uit eerdere tests te analyseren, kan AI mee een handleiding opstellen voor een zo efficiënt mogelijk testproces.” Tot slot is er de productie van het medicijn. Daar hoort onder andere kwaliteitsinspectie bij. Ook die kan door AI gebeuren, in dit geval via beeldherkenning, een toepassing van artificiële intelligentie die ML6 voornamelijk toepast in de  farmaceutische sector en de bredere maakindustrie.

Het dataprobleem

Logghe is ervan overtuigd dat de hulp van kunstmatige intelligentie op die manier het ontwikkelproces voor vaccins en medicijnen kan versnellen, maar hij vreest dat veel toepassingen pas voor een volgende uitbraak van pas zullen komen. “Om een AI-algoritme te trainen, heb je veel en kwalitatieve data nodig. Die bestaat, maar is in de medische sector erg gefragmenteerd. In de plaats van een oceaan aan data, hebben we een heleboel kleine meertjes.” Daar komt nog bij dat een bedrijf dat AI wil ontwikkelen, niet zomaar toegang heeft tot die datameren. Patiëntendata is erg goed beschermd en wordt zelfs voor wetenschappelijk onderzoek niet eenvoudig beschikbaar gesteld.

Lees ook: Politiek en overheid mogen geen rem zijn op AI en innovatie in de gezondheidszorg

Verder is de kwaliteit van de data erg belangrijk. “Het algoritme van BlueDot dat de uitbraak voorspelde, is op dit moment waardeloos”, weet de expert. “Er circuleert zoveel fake news dat de data die als bron dienen niet meer voldoende kwaliteit bieden voor nauwkeurige voorspellingen.”

Groeiend besef met concrete resultaten

Door de huidige crisis groeit het besef dat AI een meerwaarde kan bieden. Gelukkig wordt er soms snel geschakeld. Zo is er Robovision.ai uit Gent, dat aan de hand van data van een dertigtal Europese ziekenhuizen een model ontwikkelt dat de ernst van een Covid-19-infectie kan inschatten aan de hand van longfoto’s. Momenteel moeten radiologen die foto’s zelf in detail bestuderen en dat kost tijd. Een algoritme kan de dokters helpen om sneller tot de juiste conclusie te komen.

Een algoritme kan de dokters helpen om sneller tot de juiste conclusie te komen.

Het idee kan op veel bijval rekenen, onder andere vanuit de VS, waar de vakvereniging van radiologen mee wil helpen. Het bedrijf hoopt binnen drie weken een tool niet alleen klaar, maar ook gevalideerd te hebben.

Er zijn natuurlijk ook manieren om zonder dergelijke data een meerwaarde te bieden. ML6 zelf werkt aan een algoritme dat het verloop van de Covid-19-uitbraak probeert te voorspellen aan de hand van Google-zoekopdrachten. Logghe: “Als we kunnen detecteren dat het aantal zoekopdrachten naar Covid-19-symptomen op een bepaalde plaats plots erg is gestegen, kunnen ziekenhuizen in die buurt zich beter voorbereiden op een mogelijke piek. Denk maar aan het beschikbaar stellen van voldoende ziekenbedden of het opvorderen van extra artsen en medisch personeel.”

Klaar voor de volgende

Kunstmatige intelligentie, machine learning en pure computerkracht speelt vandaag dus al een rol, al had die groter kunnen zijn. Bovendien hadden we ons met z’n allen iets beter kunnen voorbereiden, wanneer algoritmes zoals die van Metabiota en BlueDot de aandacht hadden gekregen die ze verdienden. Al moeten we hier kritisch blijven, beseft ook Logghe. “Van die modellen weten we nu dat ze de pandemie correct voorspeld hebben. Het valt niet te zeggen hoeveel andere modellen misschien foutieve voorspellingen hebben gemaakt.”

Toch vermoedt hij dat de lessen die we vandaag trekken het veld voorgoed zullen veranderen. “Er waren grote stappen mogelijk geweest vandaag. De pandemie brengt een aantal kwetsbaarheden naar de voorgrond, zoals de fragmentatie van de data en de complexe regelgeving, die nuttig onderzoek soms tegenhoudt.” Hij is ervan overtuigd dat de technologie bij een volgende epidemie of pandemie veel verder zal staan, en zo ook een grotere bijdrage kan leveren.