Σύνταξη-Επιμέλεια: Στέλιος Βασιλούδης
Στις αρχές της άνοιξης, καθώς η πανδημία άρχισε να επεκτείνεται, ο AJ Venkatakrishnan πήρε γενετικά δεδομένα από 10.967 δείγματα του νέου κορωνοϊού και τα «ανέβασε» στον υπολογιστή του. Ο εκπαιδευμένος στο Stanford επιστήμονας δεδομένων, δεν είχε συγκεκριμένη θεωρία, αλλά ήλπιζε ότι η τεχνητή νοημοσύνη (AI) θα ήταν σε θέση να εντοπίσει πιθανές αδυναμίες του ιού, που θα μπορούσαν να αξιοποιηθούν για την ανάπτυξη θεραπειών. Θορυβήθηκε όταν το πρόγραμμα έδειξε πως ο νέος ιός φάνηκε να έχει ένα τμήμα κώδικα DNA – «RRARSVAS» – διαφορετικό από τους προηγούμενους κορωνοϊούς. Στη συνέχεια, διαπίστωσε πως αυτή η ακολουθία μιμείται μια πρωτεΐνη που βοηθά τον ανθρώπινο οργανισμό να ρυθμίζει την ισορροπία ηλεκτρολυτών (νάτριο και κάλιο) και υγρών.
Ο Venkatakrishnan, διευθυντής επιστημονικής έρευνας και συνεργασιών στο AI start-up Nference, αναρωτήθηκε εάν αυτή η αλλαγή θα μπορούσε να επιτρέψει στον ιό να ενεργεί ως ένα είδος Δούρειου Ίππου. Αυτό θα μπορούσε και να εξηγήσει τα υψηλά ποσοστά μόλυνσης και μετάδοσης. Και ίσως ακόμη γιατί άτομα με καρδιαγγειακές παθήσεις αντιμετώπιζαν πιο σοβαρές επιπλοκές, καθώς το νάτριο μπορεί να επηρεάσει την αρτηριακή πίεση. «Ήταν μια έκπληξη, προέκυψε εντελώς τυχαία και το εντόπισε ο υπολογιστής», θυμάται.
Εκατομμύρια gigabytes δεδομένων – το ισοδύναμο μιας μεσαίας βιβλιοθήκης – δημιουργούνται καθημερινά, από ιατρικά αρχεία και άλλες πληροφορίες που αφορούν ασθενείς με κορωνοϊό. Αποτελέσματα εξετάσεων αίματος, ηλικίας, φυλής, γενετικών διαφορών καθώς και αποτελέσματα θεραπευτικών παρεμβάσεων. Τώρα, σχεδόν 10 μήνες μετά το ξέσπασμα της πανδημίας, οι επιστήμονες αρχίζουν να συνδέουν αυτό το πλήθος γραμμάτων και αριθμών, με τη βοήθεια της AI, οδηγούμενοι σε νέες θεωρίες σχετικά με τη φύση του ιού
και πώς μπορεί να αναχαιτιστεί.
Ενώ ο ανθρώπινος εγκέφαλος μπορεί να επεξεργαστεί πεπερασμένο σύνολο πληροφοριών κάθε φορά, οι μηχανές είναι σε θέση να διακρίνουν πολύ μικρές διαφορές, σε τεράστιες ποσότητες δεδομένων που σχετίζονται με το κορωνοϊό, με τρόπους που ήταν αδύνατο να φανταστούμε στο παρελθόν. Οι επιστήμονες δεδομένων εστιάζουν την έρευνα σε μερικά από τα μεγαλύτερα μυστήρια του ιού - π.χ. γιατί η ασθένεια εκδηλώνεται τόσο διαφορετικά στα παιδιά από ότι στους ενήλικες, τι κάνει μερικούς ασθενείς υπερμεταδοτικούς ενώ άλλοι δεν μεταδίδουν καθόλου τον ιό – και σε άλλες σχετικές ερωτήσεις όπου έχει γίνει μικρή, σχετικά, πρόοδος στην κατανόηση τους.
Στο Northwestern University, ένα εργαστήριο προσομοίωσης εκτελεί προσομοιώσεις μεγάλης κλίμακας σχετικά με τις επιπτώσεις των ταξιδιωτικών περιορισμών και της κοινωνικής αποστασιοποίησης, στα ποσοστά μόλυνσης. Το Εθνικό Εργαστήριο Argonne του Υπουργείου Ενέργειας των ΗΠΑ χρησιμοποιεί AI, για να εστιάσει σε μοριακές δομές που θεωρούνται κατάλληλες, προκειμένου να δοκιμάσει στο εργαστήριο όσο το δυνατόν περισσότερες θεραπείες. Στην Αίγυπτο, η AI βοηθά στην αντιμετώπιση της παραπληροφόρησης σχετικά με τον κορωνοϊό, στα αραβικά.
Ο Jason Moore, διευθυντής του Ινστιτούτου Penn για τη Βιοϊατρική Πληροφορική στο Πανεπιστήμιο της Πενσυλβανίας, ο οποίος βοηθά στη δημιουργία μιας διεθνούς κοινοπραξίας δεδομένων του κορωνοϊού, δήλωσε ότι εάν ο ιός είχε χτυπήσει πριν από 20 χρόνια, ο κόσμος θα μπορούσε να είναι καταδικασμένος. «Αλλά, νομίζω ότι έχουμε μια πιθανότητα αντιμετώπισης του σήμερα, λόγω της τεχνητής νοημοσύνης και της μάθησης που σχετίζεται με τις μηχανές», είπε.
Τον Απρίλιο, ένας υπολογιστής που ταξινομεί ιατρικά αρχεία επιβεβαίωσε ότι η προσβολή όσφρησης και γεύσης, η οποία είχε αναφερθεί ως επί το πλείστον περιστασιακά, ήταν ένα από τα πρώτα συμπτώματα μόλυνσης – μια ανακάλυψη που οδήγησε τα Κέντρα Ελέγχου και Πρόληψης Νοσημάτων να προσθέσουν την ανοσμία στη λίστα των συμπτωμάτων. Τον Ιούνιο, μια «βαθιά βουτιά» στα αρχεία περίπου 8.000 ασθενών, διαπίστωσε ότι ενώ μόνο ένα μικρό ποσοστό ασθενών είχε δημιουργήσει προφανείς και καταστροφικούς θρόμβους αίματος, σχεδόν όλοι είχαν ανησυχητικές αλλαγές στους δείκτες πήξης του αίματος. Άλλοι ερευνητές μελέτησαν το εύρημα του Venkatakrishnan σχετικά με την παρεκκλίνουσα γενετική αλληλουχία, για να κατανοήσουν πώς συνδέεται ο ιός στα κύτταρα και να χρησιμοποιήσουν αυτή τη γνώση για να αναπτύξουν φάρμακα που στοχεύουν στη μείωση της μετάδοσης.
Σε μια Ιατρική Επιθεώρηση που κυκλοφόρησε τον Σεπτέμβριο, ο Venkatakrishnan και οι συνεργάτες του ανέφεραν ότι μια ανάλυση υπολογιστή έδειξε αυτό το «εξελικτικό παιχνίδι» από τον κορωνοϊό – που του επιτρέπει να φαίνεται σαν φίλος αντί για εχθρός στο ανθρώπινο ανοσοποιητικό σύστημα – να έχει ως επί το πλείστον στόχο τους πνεύμονες και τα αιμοφόρα αγγεία – ένα εύρημα που παρέχει νέες πληροφορίες για τα κλινικά συμπτώματα που βλέπουν οι γιατροί στα νοσοκομεία. Η αρχική πρόοδος που έγινε με τη χρήση της τεχνητής νοημοσύνης ήταν πολλά υποσχόμενη, αλλά οι επικριτές ανησυχούν πως οι προσπάθειες αξιοποίησης των δεδομένων του κορωνοϊού έχουν αποδιοργανωθεί και είναι απογοητευτικά αργές. Άλλοι ανησυχούν ότι οι αναλύσεις που βασίζονται σε ελαττωματικούς ή μεροληπτικούς αλγόριθμους θα μπορούσαν να επιδεινώσουν τα υπάρχοντα φυλετικά κενά και άλλες ανισότητες στην υγειονομική περίθαλψη.
Μία από τις μεγαλύτερες προκλήσεις είναι, ότι πολλά δεδομένα παραμένουν αναξιοποίητα μέσα σε ασύμβατα συστήματα υπολογιστών, που συσσωρεύονται από επιχειρηματικά συμφέροντα και εμπλέκονται στη γεωπολιτική. Ακαδημαϊκοί ερευνητές, ιατρικές εταιρείες και ιδιωτικές εταιρείες έχουν ξεκινήσει μια σειρά από προσπάθειες να ξεπεράσουν αυτά τα εμπόδια δημιουργώντας τις δικές τους τεράστιες βάσεις δεδομένων με αρχεία υγείας και άλλα δεδομένα – αλλά οι προσπάθειες είναι αργές.
Το μεγαλύτερο – τετραετές έργο 20 εκατομμυρίων δολαρίων – από τα Εθνικά Ινστιτούτα Υγείας με επικεφαλής τον Βασίλειο Καππογιάννη, δεν αναμένεται να αποφέρει αποτελέσματα πριν από τον Δεκέμβριο. Αλλά ο επιστήμονας δήλωσε πως είναι αισιόδοξος ότι ο ρυθμός της έρευνας θα επιταχυνθεί χάρις στην υπολογιστική ισχύ που την υποστηρίζει. «Ο ανθρώπινος εγκέφαλος κατακλύζεται πολύ γρήγορα από τις παραλλαγές και τους συνδυασμούς αυτών των δεδομένων», είπε. «Αλλά όταν τα μεταφέρουμε στην τεχνητή νοημοσύνη, μπορούμε να εκτελούμε αμέτρητες προσομοιώσεις και να ενσωματώνουμε σημαντικές πληροφορίες πολύ γρήγορα και αποτελεσματικά», συμπλήρωσε.
Ωστόσο, σε σχέση με το τεράστιο διακύβευμα, ο κόσμος δεν κινείται αρκετά γρήγορα για να αξιοποιήσει τη δύναμη των ηλεκτρονικών ιατρικών αρχείων και άλλων δεδομένων, δήλωσε ο ερευνητής Βιοπληροφορικής του Harvard, Isaac Kohane. «Τα επιμέρους συμφέροντα έχουν επιβραδύνει την εθνική μας ανταπόκριση», υποστηρίζει. Για παράδειγμα, εξετάζοντας δεδομένα από 96 νοσοκομεία σε αρκετές χώρες από την 1η Ιανουαρίου έως τις 11 Απριλίου, οι επιστήμονες διαπίστωσαν ότι πολλοί ασθενείς είχαν δυσεξήγητες μεταβολές των δεικτών πήξης του αίματος. Αλλά, λόγω της δυσκολίας ενοποίησης όλων αυτών των πληροφοριών, η ανάλυση δεν πραγματοποιήθηκε μέχρι τις αρχές του καλοκαιριού – με αποτέλεσμα την καθυστέρηση της χρήσης αντιπηκτικών φαρμάκων σε ορισμένα Νοσοκομεία. Η καθυστέρηση αυτή κόστισε χιλιάδες ζωές. «Δεν είναι ότι δεν μπορούμε να μάθουμε από τα δεδομένα μας», δήλωσε ο Kohane. «Δεν μαθαίνουμε αρκετά γρήγορα».
Σήματα
Η αυγή της τεχνητής νοημοσύνης στην ιατρική ήρθε αλλά πέρασε γρήγορα. Το 2008, η Google παρουσίασε έναν ιχνηλάτη γρίπης που υποσχόταν ότι θα φέρει επανάσταση στην ανταπόκριση των υπηρεσιών δημόσιας υγείας σε μολυσματικές ασθένειες, προβλέποντας κρούσματα πριν εμφανιστούν. Το 2014 και το 2015, η IBM έκανε πρωτοσέλιδα όταν παρουσίασε το Watson – το νικηφόρο, τηλεφωνικό κέντρο αυτόματης παραγωγής συνταγογράφησης, μια καινοτόμο εφαρμογή του υπολογιστή – προσαρμοσμένο στην θεραπεία του καρκίνου και υποσχέθηκε ότι θα την βελτιώσει, προτείνοντας εξατομικευμένα θεραπευτικά πρωτόκολλα για κάθε ασθενή με βάση το ιστορικό, τα γενετικά δεδομένα και άλλες σχετικές πληροφορίες.
Όμως, αυτές οι προσπάθειες ήταν υπερβολικά αισιόδοξες, και η δεύτερη εποχή της μηχανής – όπως την ονόμασαν οι μελετητές – απέτυχε να υλοποιηθεί, εν μέσω τεχνικών αποτυχιών, σκεπτικισμού από ορισμένους γιατρούς και σύγκρουσης μεταξύ των επιστημόνων σχετικά με το ίσως, πιο θεμελιώδες μέρος της επιστημονικής διαδικασίας. Οι παραδοσιακοί πίστευαν ότι η επιστήμη πρέπει να ξεκινήσει με θεωρίες που πρέπει να δοκιμαστούν και να επιβεβαιωθούν ή να απορριφθούν, συστηματικά. Αυτό που έκαναν οι ερευνητές της τεχνητής νοημοσύνης – ξεκινώντας από τα δεδομένα και στη συνέχεια ψάχνοντας συσχετίσεις – απορρίφθηκε κατηγορηματικά ως «p-hacking» από τους κριτικούς. Δημοσιευμένος, σε άρθρο στο Nature News, ο όρος αναφέρεται στη χειραγώγηση των δεδομένων ώστε να πάρουν την επιθυμητή στατιστική σημασία, αυτό που είναι γνωστό ως «p-value» μιας ιδέας.
Πρόσφατα, η AI έγινε περισσότερο αποδεκτή ως εργαλείο για τον εντοπισμό «σημάτων» που μπορούν να καθοδηγήσουν τους ερευνητές και όχι ως μέθοδος για την εξαγωγή οριστικών συμπερασμάτων. Ο κορωνοϊός σηματοδότησε μεγάλο μέρος αυτής της αλλαγής.
Ένα από τα πιο φιλόδοξα νέα προγράμματα δεδομένων καθοδηγείται από τη Maryellen Giger, καθηγήτρια ακτινολογίας στο Πανεπιστήμιο του Σικάγο. Η Giger συνεργάζεται με τρεις μεγάλες ιατρικές εταιρείες απεικόνισης για τη δημιουργία ενός αρχείου ανοικτού κώδικα, 60.000 εικόνων κορωνοϊού – με έμφαση στις ακτινογραφίες θώρακος. Στις Ηνωμένες Πολιτείες, η κυρίαρχη μέθοδος διάγνωσης της νόσου του κορωνοϊού ήταν μέσω τεστ αλυσιδωτής αντίδρασης πολυμεράσης, το οποίο μετρά την παρουσία DNA του ιού στην ρινική κοιλότητα. Τα μειονεκτήματα αυτής της στρατηγικής έχουν πλέον τεκμηριωθεί καλά. Τα τεστ δεν είναι πλήρως αξιόπιστα και η καθυστέρηση στην ανακοίνωση των αποτελεσμάτων τους σε ορισμένες περιοχές, τα κατέστησε άχρηστα στον έλεγχο της μετάδοσης της νόσου.
Κατά τη διάρκεια της κρίσης στη Wuhan, αντίθετα, ορισμένοι Κινέζοι γιατροί χρησιμοποίησαν ακτινογραφίες θώρακος ως μέρος της διάγνωσης και διαπίστωσαν ότι ακόμη και ασυμπτωματικοί ασθενείς είχαν μερικές φορές την εικόνα «αδιαφανούς γυαλιού», στον πνεύμονα – που επιβεβαίωνε την μόλυνσή τους. Η Giger, μελέτησε αυτές τις αναφορές και είπε ότι οι πρώιμες αναλύσεις AI που εξετάζουν τις εικόνες pixel προς pixel, υποδηλώνουν ότι μπορεί να είναι χρήσιμες όχι μόνο ως διαγνωστικό εργαλείο αλλά και ως τρόπος παρακολούθησης της εξέλιξης της ασθένειας. «Μπορούμε να δούμε την επέκταση ή την υποχώρηση της νόσου, κοιτάζοντας αυτές τις εικόνες», είπε.
Σε μια άλλη εξέχουσα προσπάθεια, αυτή που εδρεύει στο Harvard, ο Kohane και οι συνεργάτες του έχουν δημιουργήσει μια βάση ανταλλαγής δεδομένων σχεδόν 200 ιατρικών ιδρυμάτων με 50.000 ασθενείς. Πολλές από τις ιδέες, προϋπήρχαν. Ο βαθμός βλάβης των νεφρών π.χ. μπορούσε να φανεί στα δεδομένα ήδη από τον Φεβρουάριο. Αλλά όταν η πανδημία έπληξε την πολιτεία της Νέας Υόρκης τον Μάρτιο και τον Απρίλιο, οι γιατροί εξεπλάγησαν από τον αριθμό των ασθενών που χρειάστηκαν αιμοκάθαρση. Ίσως το πιο ευχάριστο εύρημα για αυτόν, είπε ο Kohane, είναι ότι η πορεία της νόσου φαίνεται εξαιρετικά παρόμοια σε όλες τις χώρες παρά τις τεράστιες διαφορές στα ποσοστά θανάτου – υποδηλώνοντας ότι η θεραπεία, η ηλικία του πληθυσμού και τα προϋπάρχοντα νοσήματα, μπορεί να είναι υπεύθυνα για τη διαφορετική θνησιμότητα, και όχι κάτι που αφορά την ίδια την φύση του ιού. «Αν με ρωτούσατε τον Απρίλιο, αν υπάρχει κάτι διαφορετικό στον ιό από χώρα σε χώρα; Θα έλεγα ναι. Αυτό που προέκυψε από την ανάλυσή μας όμως, δεν το υποστηρίζει», συμπλήρωσε.
Τόνισε επίσης, ότι ο κορωνοϊός έχει υπογραμμίσει την ανάγκη στροφής των συστημάτων υγείας σε μια πιο προγνωστική προσέγγιση. «Δεν περιμένουμε τον τυφώνα να χτυπήσει τη Florida πριν αρχίσουμε να προετοιμαζόμαστε», είπε. Ένας επιστήμονας μπορεί να κοιτάξει τις καταιγίδες που σχηματίζονται στη Σαχάρα, οι οποίες μπορούν να μετατραπούν σε τροπικούς κυκλώνες και να διασχίσουν τον Ατλαντικό, για να καταλάβει τι θα επακολουθήσει στη Καραϊβική και τις Ηνωμένες Πολιτείες. «Αυτή είναι μια ευκαιρία να συνειδητοποιήσουμε πόσο σοβαρά πρέπει να λάβουμε υπόψιν αυτήν τη λειτουργία της παρακολούθησης των συστημάτων υγειονομικής περίθαλψης. Με την ίδια ευθύνη που αισθάνεται ένας μετεωρολόγος για την πόλη του».
Η Adrienne Randolph, ειδική εντατικής θεραπείας στο Νοσοκομείο Παίδων της Βοστώνης, συντονίζει μια προσπάθεια, σε περισσότερα από 70 νοσοκομεία, που εξετάζει γιατί τα παιδιά φαίνεται να επηρεάζονται από τον ιό τόσο διαφορετικά από ότι οι ενήλικες. Πληροφορίες από περισσότερα από 1.000 παιδιά τα οποία νοσηλεύτηκαν με τον κορωνοϊό ή το σχετικό σύνδρομο φλεγμονής πολλαπλών συστημάτων σε παιδιά (MIS-C), βρίσκονται στη βάση δεδομένων της. Χωρίς προφανή ένδειξη για το τι θα μπορούσε να προβλέψει το MIS-C, οι ερευνητές διεξάγουν γενετική ανάλυση και παρακολουθούν τακτικά δείγματα αίματος για αντισώματα και άλλες αλλαγές, προκειμένου να προσδιορίσουν καλύτερα την πορεία της νόσου.
Μια κρίσιμη και ευαίσθητη στο χρόνο ερώτηση που διερευνά είναι εάν μια υποομάδα παιδιών μπορεί να είναι πιο ευάλωτη σε ανεπιθύμητες παρενέργειες από τα εμβόλια. Μια θεωρία του MIS-C υποστηρίζει ότι η έντονη ανταπόκριση του ανοσοποιητικού συστήματος, με την μαζική παραγωγή αντισωμάτων, σε μερικά παιδιά, μπορεί να ευθύνεται για την πρόκληση του συνδρόμου. «Θέλουμε να φροντίσουμε να προβλέψουμε π.χ., αν μπορεί ένα εμβόλιο να προκαλέσει MIS-C», είπε.
Μεροληψία
Τον Απρίλιο, ο Leon Anthony Celi, ιατρός εντατικής θεραπείας στο Ιατρικό Κέντρο Beth Israel Deaconess στη Βοστώνη και ερευνητής του Ινστιτούτου Τεχνολογίας της Μασαχουσέτης, παρακολουθούσε με τρόμο την πανδημία να εξαπλώνεται στη Νέα Υόρκη – «όταν ήμασταν πραγματικά στην κόλαση», είπε. Είδε τα πτώματα στα ρυμουλκούμενα και παρακολούθησε τον αριθμό των αναπνευστήρων και των κατειλημμένων κρεβατιών Νοσοκομείων να μειώνονται. Ανησυχούσε ιδιαίτερα για την κατανομή πρωτοκόλλων που θα μπορούσαν να καθορίσουν ποιος θα ζούσε και ποιος θα πέθαινε. Οι αλγόριθμοι βασίστηκαν σε δεδομένα που δείχνουν ότι οι Μαύροι και οι Ισπανόφωνοι ασθενείς έχουν περισσότερες πιθανότητες να πεθάνουν από τον κορωνοϊό, οπότε ανησυχούσε ότι θα κατηγοριοποιούσαν αυτούς τους ασθενείς ως υψηλού κινδύνου θανάτου. Αυτό θα μπορούσε να έχει ως αποτέλεσμα οι γιατροί να είναι πιο πιθανό να τους παρακάμψουν – σφραγίζοντας έτσι, τη μοίρα τους.
«Οι αλγόριθμοι δεν είναι τέλειοι», είπε. «Κάνουν λάθη συχνά. Εάν τους εφαρμόσετε, κατά γράμμα, στο κορωνοϊό, μπορεί να αναγνωρίσουν κάποιον ως πιθανό να πεθάνει, αλλά στην πραγματικότητα να ζήσει».
Ο Celi είπε ότι μια ανάλυση AI για τα δεδομένα θνησιμότητας του κορωνοϊού, που δημοσιεύθηκε σε ιατρικό περιοδικό, δείχνει ότι τα σχέδια κατανομής αναπνευστήρων και κρεβατιών σε πολλές πολιτείες δεν προβλέπουν με ακρίβεια ποιος μπορεί να ωφεληθεί περισσότερο από τη θεραπεία. Προτρέπει τις πολιτείες και τα νοσοκομεία να επανεξετάσουν αυτά τα σχέδια για ένα δεύτερο κύμα της πανδημίας, με στόχο να ελαχιστοποιήσουν τις προκαταλήψεις.
Ο Moore, ειδικός της βιοπληροφορικής του Penn, έχει παρόμοιες ανησυχίες σχετικά με τις αναλύσεις που αφορούν την αποτελεσματικότητα των θεραπειών. «Αν μελετήσουμε μόνο πληθυσμούς λευκών και θέλουμε να εφαρμόσουμε τα ευρήματα σε εθνικό επίπεδο, αυτό μπορεί να μην λειτουργήσει τόσο καλά σε έναν πιο διαφοροποιημένο πληθυσμό», είπε. «Οι ίδιοι οι αλγόριθμοι AI μπορούν να είναι προκατειλημμένοι και μπορούν να επιλέγουν και να διογκώνουν προκαταλήψεις στα δεδομένα. Αυτά είναι τα πράγματα που με ανησυχούν», συμπλήρωσε.
Το Google της Βιοιατρικής
Το Nference, αποτελείται από 250 προγραμματιστές υπολογιστών, κατόχους διδακτορικών τίτλων σε ιατρικές ή βιολογικές επιστήμες και άλλους ειδικούς. Πριν από την πανδημία, η εταιρεία, η οποία συγκέντρωσε περίπου 145 εκατομμύρια δολάρια από ταμεία επιχειρηματικών κεφαλαίων και άλλους επενδυτές, είχε εξασφαλίσει συνεργασίες με πολλά αναγνωρισμένα ιδρύματα – κυρίως την Mayo Clinic και τη Janssen Pharmaceuticals – για να τους βοηθήσει να διαχειριστούν και να αναλύσουν τα ιατρικά τους δεδομένα. Το προηγούμενο επίκεντρο της εταιρείας ήταν ο καρκίνος. Αλλά από τον Απρίλιο, έχει γίνει ευρέως γνωστό για το έργο του κατά του κορωνοϊού.
Σε πρόσφατες δημοσιεύσεις των ερευνητών της, η ομάδα επιβεβαίωσε αναφορές από τη Βρετανία ότι η χρήση στεροειδών θα μπορούσε να είναι αποτελεσματική στη θεραπεία σοβαρά προσβεβλημένων ασθενών του ιού που παρουσιάζουν αναπνευστική δυσχέρεια. Διαπίστωσε επίσης, ότι ένα μικρό ποσοστό ασθενών μπορεί να είναι μεταδοτικοί, για έως και 22 ημέρες. Και εντόπισε τα υπάρχοντα παιδικά εμβόλια που μπορεί να παρέχουν κάποια προστασία έναντι της μόλυνσης.
Συνεργάστηκε επίσης με την πολιτεία της Μινεσότα για να αναπτύξει έναν τρόπο πρόβλεψης υψηλής συγκέντρωσης περιστατικών κορωνοϊού, έτσι ώστε να μπορούν να χρησιμοποιηθούν καλύτερα οι πόροι δημόσιας υγείας, όπως υπηρεσίες διαγνωστικών τεστ. Εκτός από τα κλινικά δεδομένα, η εταιρεία αναλύει 50.000 δημόσια έγγραφα από ακαδημαϊκά περιοδικά, αρχεία της Επιτροπής Κεφαλαιαγοράς και άλλες δημόσιες πηγές δεδομένων σχετικά με το κορωνοϊό – πολύ πολλαπλάσια αυτών που μπορεί να παρακολουθήσει και να αφομοιώσει ο μέσος ερευνητής.
Ο Venky Soundararajan, συνιδρυτής της Nference και ερευνητής βιοτεχνολογίας, δήλωσε ότι βλέποντας το εύρος των πληροφοριών για το κορωνοϊό που συγκεντρώθηκαν, τον κάνει ευγνώμονα και αισιόδοξο που τόσα πολλά μυαλά σε όλο τον κόσμο – τόσο ανθρώπινα όσο και τεχνητά – εργάζονται για την λύση του προβλήματος. «Σε κάνει να αισθάνεσαι πολύ ταπεινός, πολύ γρήγορα», είπε. «Αυτό που γνωρίζουμε είναι μόνο ένα άτομο, από όλο το σύμπαν που μας περιβάλλει», είπε.
Πηγή: The Washington Post
