Właśnie zakończył się etap „uczenia się” systemu i wyniki są zadowalające – dokładność sięga aż 99 proc. Jeśli wyniki drugiego etapu rozwoju technologii utrzymają się na poziomie co najmniej 80 proc., Litwa będzie mogła być dumna, że opracowała zaawansowaną technologię do walki z wirusem COVID-19.
„Opracowywana przez nas technologia pozwoli nam skuteczniej kontrolować dynamikę rozwoju pandemii. Bazując na uzyskanych wynikach, twórcy testów i szczepionek będą mogli dokonywać korekt w ich produkcji i nie tracić wydajności w przypadku nowych mutacji w genomie wirusa. Dotyczy to zwłaszcza procesu produkcji testów. Na przykład może się zdarzyć, że osoba zakazi się koronawirusem i będzie go nadal nosiła, ponieważ testy nie będą w stanie go wykryć i będą błędnie pokazywać negatywne wyniki. Dlatego ta technologia, oparta na sztucznej inteligencji i wielkich zbiorach danych jest szczególnie aktualna, dopóki wirus nie został całkowicie opanowany. Ponadto jest to doskonały przykład wykorzystania otwartych danych w tworzeniu zaawansowanych rozwiązań, nawet w tak złożonych procesach, jak zapobieganie chorobom” – powiedział Augustas Alešiūnas, założyciel i dyrektor firmy innowacyjnej ART21.
Według przedstawicieli firmy, na świecie jest tylko kilka innych prób stworzenia podobnej technologii, ale w tym wyścigu pozostają daleko w tyle za Litwinami. Na unikalność i złożoność generatora predykcji wyników składa się kilka aspektów.
Firmy farmaceutyczne reagują na zmiany, przeprowadzając badania w czasie rzeczywistym i zauważając zmiany, więc istnieje opóźnienie, zanim można będzie wprowadzić zmiany w produkcji testów lub szczepionek. W tym przypadku twórcy opracowywanej innowacji przygotowują się do przedstawienia prognoz statystycznych na przyszłość. Dzięki temu możliwe będzie wcześniejsze przygotowanie się na przyszłe mutacje. Innym złożonym czynnikiem, który powstrzymuje innych tworców przed ryzykiem kosztu takich projektów, są niewiarygodnie długie i wielkie serie danych. Jedna linia takiego ciągu zawiera około 30 tys. różnych znaków, a takich linii są dziesiątki tysięcy. Wymaga to nie tylko specjalistów posiadających specjalistyczną wiedzę, ale jest również bardzo czasochłonne.
„W oparciu o istniejące bazy danych genomów COVID-19 tworzymy zestaw danych par mutacji. Sekwencje genomu są porównywane, oczyszczane, konstruowane są różne wirusowe drzewa filogenetyczne, a cały genom COVID-19 i główne białko S są badane oddzielnie. Uzyskane dane par mutacji wskazują (możliwy) kierunek mutacji wirusa „ojciec” – „dziecko” i pozwalają trenować złożoną sieć neuronową – generator mutacji. Uzyskany model testowany jest przy użyciu nowych mutacji wirusów i oczekujemy w przyszłości przewidywania mutacji z wystarczającą wiarygodnością. Pierwsze wyniki są obiecujące i pozytywne, ale wciąż istnieje długi, kosztowny i czasochłonny sposób testowania i walidacji systemu” – mówi dr Valdas Rapševičius, jeden z pracujących nad tym systemem naukowców.
Na podst. ELTA
