Studenci Uniwersytetu Medycznego w Lublinie tworzą narzędzie, za pomocą którego będzie można określić ryzyko zakażenia koronawirusem. Młodzi naukowcy opracowują sposób szacowania ryzyka przy pomocy sztucznej inteligencji, a konkretnie sztucznych sieci neuronowych.
– Są osoby, które po kontakcie z pacjentem chorym na COVID nie mają objawów choroby i testy na obecność wirusa wychodzą ujemnie – mówi lekarz Marcin Lewicki, z Katedry i Zakładu Epidemiologii i Metodologii Badań Klinicznych Uniwersytetu Medycznego w Lublinie . – Coś nas różni. Chodzi tu o wewnętrzne czynniki organizmu, ale być może też o okoliczności, kiedy te osoby „spotkały” cząsteczki wirusa. Być może coś wpływa na samą transmisję. Część z nas jest bardziej odporna, a część nie. Interesowało nas dlaczego. Niektóre osoby mimo długotrwałego kontaktu z pacjentem chorym na COVID nigdy nie miało objawów choroby, nigdy nie wytworzyły przeciwciał. Natomiast u innych osób po bardzo krótkotrwałym kontakcie od razu rozwijały się objawy.
– Staramy się unikać sytuacji, kiedy w zasadzie bez większych przesłanek ludzie wysyłani są na kwarantannę. Będzie to krzywdzące zwłaszcza, gdy te osoby są bardzo potrzebne. Dotyczy to na przykład medyków czy nauczycieli. Przez wysyłanie całych klas na kwarantannę, szkoły przechodzą na nauczanie zdalne. Tworzymy to narzędzie, żeby bez potrzeby badań inwazyjnych, próbować oszacować ryzyko zakażenia. Jeśli będzie ono wybitnie małe, nie będzie sensu wysyłać takiej osoby czy grupy na kwarantannę czy izolację – uważa Sylwiusz Niedobylski, student V roku kierunku lekarskiego i członek Studenckiego Koła Naukowego przy Katedrze i Zakładzie Epidemiologii i Metodologii Badań Klinicznych Uniwersytetu Medycznego w Lublinie.
– Założeniem projektu jest stworzenie sztucznej sieci neuronowej, czyli zaawansowanego modelu informatycznego, który będzie w stanie szacować ryzyko objawowej postaci COVID-19 u osób po kontakcie z chorymi. Sieć taka jest w stanie nauczyć się analizować pewne rzeczy. Na początku sieć nie wie, czy dane są ze sobą powiązane. Na etapie wprowadzenia dużej liczby danych być może będziemy w stanie znaleźć związek, który w tym momencie nie jest jasno widoczny. Stąd tak szeroko zbierane informacje ankietowe – tłumaczy Marcin Lewicki.
– Dane te to: okoliczność kontaktu z chorym, jak długo on trwał, czy odbywał się w pomieszczeniu, czy na otwartej przestrzeni, czy chory i ankietowany mieli założone maseczki i jakiego rodzaju. Ale to też dane dotyczące życia codziennego, na przykład jak bardzo dana osoba się wysypia, ponieważ wiemy, że poziom wyspania może mieć wpływ na ryzyko zakażenia. Oprócz tego pytania dotyczą aktywności fizycznej, używek, szczepień – wymienia Sylwiusz Niedobylski.
– Dane te będą wprowadzane do sztucznej sieci neuronowej. Dzięki nim będzie możliwość oceny stopnia ryzyka, czy u takiej osoby rozwinie się COVID – wyjaśnia Marcin Lewicki. – Być może okaże się, że krótkotrwała ekspozycja na wirusa będzie gorsza, niż u osoby, która się wysypia i ma dobrą dietę, a widziała się z pacjentem przez dłuższy czas. Po długim okresie uczenia tej sieci, będzie ona coraz „mądrzejsza” i będzie w stanie dokładnie określić rodzaj tych czynników.
Obecnie zbierane są dane od osób, które chorowały na koronawirusa oraz od tych, które miały kontakt z osobą chorą na COVID-19, ale nie zostały zakażone. Aby sieć neuronowa była skuteczna, potrzeba około 1000 odpowiedzi. Ankietę można znaleźć TUTAJ.
LilKa / opr. ToMa
Fot. archiwum