heal.abstract |
Η πανδημία COVID-19, για την οποία είναι υπεύθυνος ο νέος κορωνοϊός SARS-CoV-2, έχει οδηγήσει στην πιο σοβαρή υγειονομική κρίση των τελευταίων 100 ετών, προκαλώντας έναν τρομακτικό και συνεχώς αυξανόμενο αριθμό θανάτων, μία πρωτόγνωρη πίεση στα συστήματα υγείας και τεράστιες οικονομικές και κοινωνικές συνέπειες παγκοσμίως.
Από την εμφάνιση του νέου ιού μέχρι και σήμερα, μια πληθώρα ερευνητών, οργανισμών και εταιρειών έχουν επιδοθεί σε έναν αγώνα δημιουργίας εφαρμογών που χρησιμοποιούν εργαλεία και μεθόδους τεχνητής νοημοσύνης, μηχανικής μάθησης και ανάλυσης μεγάλων δεδομένων, σε μια προσπάθεια να συνεισφέρουν στην αντιμετώπιση διαφορετικών πτυχών της πανδημίας. Μέσω της Διπλωματικής αυτής Εργασίας, επιχειρείται μια ανασκόπηση των υπαρχουσών εφαρμογών στις εξής τέσσερις περιοχές: την Επιδημιολογία, την Κλινική Ιατρική, τη Φαρμακολογία και την Επιδημία της Πληροφορίας (Infodemic).
Αρχικά, στον τομέα την Επιδημιολογίας, μελετάμε εφαρμογές που βοηθούν στην έγκαιρη ανίχνευση και προειδοποίηση, την αυτοματοποιημένη ιχνηλάτηση επαφών, την πρόβλεψη και την προσομοίωση της εξάπλωσης, την ομαδοποίηση γεωγραφικών περιοχών με βάση κοινά χαρακτηριστικά και την αξιολόγηση κινδύνου ανά περιοχή. Στην περιοχή της Κλινικής Ιατρικής, παρουσιάζουμε μεθόδους διάγνωσης της ασθένειας με χρήση ιατρικής απεικόνισης και άλλων εναλλακτικών πηγών πληροφορίας, πρόγνωσης της πορείας των ασθενών, καθώς και βέλτιστης διαχείρισης των υφιστάμενων πόρων και ανάπτυξης εξατομικευμένων θεραπειών. Σε ό,τι αφορά τη Φαρμακολογία, περιγράφουμε ενδιαφέρουσες εφαρμογές για την πρόβλεψη της τρισδιάστατης δομής των πρωτεϊνών, την ανακάλυψη θεραπειών και πιθανών στόχων εμβολίων, καθώς και εφαρμογές για τη βελτίωση των κλινικών δοκιμών. Τέλος, ορίζουμε την έννοια της Επιδημίας της Πληροφορίας και παρουσιάζουμε λύσεις που στοχεύουν στην ανίχνευση και τον υπολογισμό της εξάπλωσης των ψευδών ειδήσεων και της παραπληροφόρησης, αλλά και στην κατανόηση του συναισθήματος και των αντιδράσεων της κοινής γνώμης.
Καθοριστικό ρόλο στην επιτυχία αυτών των εφαρμογών τεχνητής νοημοσύνης και μηχανικής μάθησης διαδραματίζουν τα δεδομένα με τα οποία εκπαιδεύονται τα αντίστοιχα συστήματα. Για το λόγο αυτό, κάνουμε μια ανασκόπηση των διαφορετικών πηγών δεδομένων και παρουσιάζουμε δημοφιλή σύνολα δεδομένων, τα οποία είναι δημόσια διαθέσιμα και μπορούν να χρησιμοποιηθούν για την ανάπτυξη καινοτόμων λύσεων.
Ολοκληρώνουμε την Εργασία με την περιγραφή μιας σειράς κοινών προκλήσεων που έχουν να αντιμετωπίσουν οι πιο πάνω εφαρμογές σε σχέση με το πλήθος και την ποιότητα των δεδομένων, την προστασία ευαίσθητων και προσωπικών πληροφοριών, την ασφάλεια, την επεξηγησιμότητα, τη μεροληψία και άλλα ζητήματα ηθικής. Αναγνωρίζοντας τη σοβαρότητα τέτοιων προκλήσεων, προτείνουμε μια σειρά από κατευθύνσεις για την αντιμετώπισή τους, στοχεύοντας παράλληλα στη μεγιστοποίηση του οφέλους από τη χρήση των εφαρμογών αυτών. |
el |