Kunstig intelligens kan hindre spredning

I 2014 dannet smittevernlegen Kamran Khan selskapet BlueDot. I dag har de 40 ansatte leger, veterinærer, smitteverneksperter, datautviklere og forskere.

Sammen har de bygget et unikt system basert på språkanalyse og maskinlæring, som varsler sykdomsutbrudd før det er mulig å oppdage på tradisjonelt vis.

Slik fant de det

Tidlig om morgenen 31. desember 2019 plukket systemet til BlueDot opp en artikkel på mandarin, som sa at 27 personer hadde fått lungebetennelse og at sykdommen var knyttet til et marked i Wuhan.

To nøkkelord ble plukket opp av algoritmen: «Lungebetennelse» og «ukjent årsak».

Da BlueDot sendte varsel til sine kunder i Asia klokken 10 om morgenen, ante de ikke at det skulle bli et globalt utbrudd ennå. Men ekspertene gjenkjente flere ting fra SARS-epidemien.

Utbruddet av SARS i 2003 var Khans inspirasjon til å skape det han har gjort gjennom BlueDot. Da jobbet han selv på sykehus i Toronto, og var hjelpeløst vitne til at 44 pasienter døde, flere av dem helsepersonell.

Når analysen er ferdig kan BlueDots kunder, som er blant annet myndigheter, flyselskap og sykehus, få varsel om sykdom, og hvor de fleste av passasjerene som kommer fra et sykdomsområde vil lande. På den måten kan myndigheter rekke å forberede seg på det verste: Et stort og alvorlig sykdomsutbrudd.

Ikke bare varslet de om det nye coronaviruset covid-19 allerede 31. desember i fjor, men de var også første ute med å varsle om at Zika-viruset hadde spredd seg fra Brasil til Florida i USA i 2016.

65 språk, 150 sykdommer

Hvert kvarter døgnet rundt scanner algoritmen de har bygget offisielle rapporter, profesjonelle nettforum og nettnyheter på leting etter nøkkelord og setninger. Den leser 65 språk og følger 150 sykdommer

– Vi kaller det nålen i høystakken, sier Khan til nyhetsbyrået AFP.

Det er enorme mengder data i maskinene, og de finner nålen og presenterer den til ekspertene, som er mennesker, forklarer Khan.

Disse analyserer resultatet og trener maskinen til å gjenkjenne om det er en reell helsetrussel. Informasjonen sammenholdes med sted for utbruddet, nærliggende flyplasser og globale reiseplaner.

I tillegg vurderes det opp mot værmeldinger, nasjonale helsedatabaser og forekomst av mygg eller andre smittespredere fra dyreverden.

– Kombinasjonen av forskjellige ekspertise og datainnsamling gjør mange ting vi ikke trodde var mulig, mulig, sier forsker Maged Helmy ved Institutt for informatikk ved universitetet i Oslo.

Han holder på med en doktorgrad om hvilke feller som ligger i bruk av kunstig intelligens (KI), særlig fordi vi mangler regler og lover som sier hvordan det kan brukes.

– Spørsmålet med selskaper som BlueDot er for eksempel hva som skjer om deres analyser ender med feil konklusjon, og vi handler utfra at den var riktig? Vi mangler et rammeverk for KI som kan kontrollere og verifisere algoritmene som nå brukes eksperimentelt. Da er det tryggere å vente til nødvendig regelverk er på plass, enn å fortsette å arbeide slik for eksempel BlueDot gjør, mener Helmy.

Tillit

Hurtighet og tid spiller en stor rolle ved slike sykdomsutbrudd. Verdens helseorganisasjon (WHO) og nasjonale myndigheter er helt avhengige av vilje og evne til informasjon fra landet der sykdommen oppstår.

– Vi vet at vi ikke kan ha tillit til alle lands myndigheter når det gjelder hurtig og god informasjon, sier Khan til magasinet Wired.

Da kan kunstig intelligens (KI) være et nyttig og noen ganger avgjørende hjelpemiddel.

Feil

Men kunstig intelligens har også svakheter.

I 2009 lanserte Google «Google Flu Trends», som var et forsøk på å forutsi virusutbrudd ved hjelp av KI. Ideen var å fange opp google-søk på influensasymptomer, for å se hvor utbruddene var. Prosjektet mislyktes. De fleste søkene ble utført av folk som var smittet av noe annet, og feilkilder gjorde at algoritmene klarte ikke trekke de riktige konklusjonene.