Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Utilisant biomimicry pour un dépistage plus rapide des épidémies

Nos systèmes immunitaires se composent des milliards de globules blancs recherchant des signes d'infections et d'envahisseurs étrangers, disponibles pour donner l'alarme.

Les informaticiens de laboratoires nationaux de Sandia Pat Finley et Drew Levin avaient travaillé pour améliorer le système de biosurveillance des États-Unis ce des autorités d'alertes aux épidémies en imitant le système immunitaire humain. Ils travaillent avec des chercheurs à l'université du Nouveau Mexique et du centres pour le contrôle et la prévention des maladies.

La CDC combine le programme national de contrôle de Syndromic. Elle rassemble des caractéristiques anonymized de la plupart des services des urgences dans le pays et analyse des indicateurs de santé publique pour accélérer la réaction aux événements et aux épidémies risqués.

« Les services nationaux de système de biosurveillance essentiellement le même but que le système immunitaire humain, juste à plus grande échelle, » a dit Levin, qui a commencé à travailler sur le projet en tant qu'étudiant de troisième cycle d'UNM et a été embauché par Sandia pour continuer son travail après qu'il ait reçu un diplôme. « Le système immunitaire se compose de nombreux lymphocytes T ce que tout fonctionne indépendamment. Il n'y a aucun Contrôleur centralisé mais nous faisons ne pas mourir assez bien. »

La CDC emploie des analyses statistiques traditionnelles pour rechercher des anomalies, telles qu'une grande ou subite augmentation des visites d'ER, et détermine la probabilité d'une manifestation. Ces algorithmes sont basés sur des maths fiables et de plusieurs décennies mais habituellement seulement le regard à une variable à la fois, a indiqué Levin.

Plus une manifestation apparaissante est trouvée rapidement, plus les durées est enrégistré ; cependant, les non-manifestations diminuantes peuvent gaspiller des moyens.

Finley a dit que le système de biosurveillance a le double défi de trouver des manifestations neuves des vieilles maladies, telles que la grippe saisonnière, ainsi que les manifestations des maladies neuves, telles que le prochain virus de Zika, un problème très dur. Cependant, c'est un problème que le système immunitaire avait fonctionné en circuit pour des millions d'années.

Les lymphocytes T synthétiques surveillent des variables multiples pour des alertes diversifiées

Les lymphocytes T sont un type de globule blanc qui identifient et détruisent des cellules infectées par le virus et d'autres agents pathogènes étrangers. Ils identifient les envahisseurs étrangers après avoir subi un procédé de « formation » de négatif-choix où chaque lymphocyte T qui attaque les cellules de fuselage normales est détruit. Autre que cette première « formation, » il n'y a « cerveau » pas central réglant les lymphocytes T.

Finley a pensé cela imitant comment le travail de lymphocytes T pourrait accélérer le dépistage de manifestation. En 2015, il a commencé à collaborer avec le système immunitaire modélisant des experts à UNM en tant qu'élément du programme scolaire de l'Alliance de Sandia. L'Alliance scolaire est un partenariat Sandia a établi avec cinq universités pour introduire la recherche de collaboration sur des problèmes durs et pour attirer le premier talent au travail sur ces défis.

« Le système immunitaire adaptatif dans les vertébrés est l'un des systèmes les plus complexes dans la biologie avec des trillions des cellules, les douzaines de cellule tape et des molécules de signalisation, » a dit Melanie Moïse, professeur de l'informatique et biologie à UNM impliqué dans le projet. « Par la modélisation et la simulation d'ordinateur, nous comprenons comment les travaux de système immunitaire qui, à long terme, peuvent mener aux immunothérapies, aux traitements de l'allergie et aux vaccins améliorés. Il fournit également l'inspiration pour le modèle d'autres systèmes décentralisés pour le contrôle et la protection. »

Fonctionnant ensemble, l'équipe a produit le synthétique, « lymphocytes T » mathématiques ce regard à différentes variables multiples en même temps, comme le numéro des visites de clinique, le jour de l'année et la température d'admission. Puis, imitant le choix négatif à cellule T, Levin a fait fonctionner les algorithmes à cellule T synthétiques contre des caractéristiques antérieures rassemblées par la CDC et le ministère de la santé du Nouveau Mexique. Il comparé les algorithmes et sélecté le plus précis.

En 2016, le premier test sur un système à échelle pilote de biosurveillance a prouvé que les lymphocytes T synthétiques de Levin ont exécuté mieux que les méthodes statistiques traditionnelles, a dit Finley. En outre, parce que les lymphocytes T synthétiques suivent des variables multiples intrinsèquement, ils pourraient fournir des alertes plus diversifiées, telles que séparer une manifestation d'une maladie neuve de la grippe saisonnière, il a dit.

l'apprentissage automatique inspiré par le cerveau améliore la plainte en chef déchiffrant

La première pièce de caractéristiques que la CDC reçoit de chaque visite de service des urgences est appelée la plainte en chef. C'est une déclaration concise décrivant pourquoi un patient est allé au service des urgences ou à la clinique, avant qu'ils aient vu un docteur et aient été diagnostiqués. Les plaintes en chef s'échelonnent de la « douleur thoracique » et de la « fièvre trois jours » aux abréviations spécialisées.

Ces déclarations laconiques sont pleines du jargon médical et même des mots mal épelés, les rendant difficiles à déchiffrer par des recherches par mot clé simples ou par l'inexpérimenté. En outre, beaucoup de mots décrivent les mêmes sympt40mes, tels que la fièvre, chaud, la température et les frissons.

Les compagnies de technologie avaient employé apprendre profondément pour les problèmes assimilés de traitement du langage naturel. Apprendre profondément est l'apprentissage automatique inspiré par le cerveau qui excelle à trouver des configurations sans être expressément programmée sur ce qu'à rechercher. Un tel algorithme, Word2vec appelé, convertit le contexte des mots en vecteurs mathématiques.

Quand Levin a fait fonctionner l'algorithme de Word2vec sur des caractéristiques en chef anonymized de plainte rassemblées par le ministère de la santé du Nouveau Mexique, il a surpassé une recherche par mot clé normale, ainsi que d'autres algorithmes d'apprentissage automatique de pointe. Cependant, il avait des ennuis toujours avec des mots et des abréviations mal épelés.

Pour fonctionner autour de ceci, Levin a essayé deux algorithmes associés de réseau neuronal : un qui convertit des lettres en vecteurs et un un autre qui convertissent des mots en vecteurs faits au hasard. L'algorithme qui a converti des mots en fait au hasard, ou le sans formation, des vecteurs était le plus précis, probablement parce que les antonymes qualifiés de places d'algorithme de Word2vec trop étroitement ensemble dans l'espace de vecteur, ont indiqué Levin.

Bien que plus d'optimisation soit nécessaire, l'algorithme profond-apprenant de l'équipe pour déchiffrer des plaintes en chef pourrait être particulièrement utile pour l'épidémie d'opioid, a dit Finley. Il a ajouté, « des conditions neuves pour des médicaments de rue tendent à être évident beaucoup plus rapidement que la communauté de santé publique réalise. Si nous constatons que de mot étrange saute beaucoup dans un endroit, ce pourrait être une variété neuve de fentanyle. »

Contrat à terme des centres distribués de biosurveillance

Des ganglions lymphatiques sont distribués dans tout le fuselage et agissent en tant que moyeux de système immunitaire, cale complètement des lymphocytes T et lymphocytes B qui produisent des anticorps pour combattre hors circuit des infections.

Finley et son équipe commencent juste à explorer comment l'imitation des ganglions lymphatiques pourrait améliorer le système de biosurveillance. Finley croit qu'il serait particulièrement utile en trouvant des manifestations des maladies régionales comme la maladie, la peste et les hantavirus de Lyme. En outre, les algorithmes distribués de dépistage pourraient être plus efficaces en dérivant les limites d'examen médical et de consommation d'énergie contre lesquelles les ordinateurs de loi de moore fonctionnent maintenant, Levin ajouté.

« Nous travaillons attentivement avec la CDC pour vérifier un certain nombre de nos approches apprenantes profondes sur un sous-ensemble du flux de données national, » a dit Finley.

Son objectif est de faire installer son système biologiquement inspiré avant octobre pour permettre côte à côte des comparaisons avec les méthodes statistiques traditionnelles à l'écaille nationale. Il croit que les différentes approches auront différentes forces, et la combinaison de elles améliorera la vitesse et l'exactitude du dépistage de manifestation.

Cette recherche a été financée par le programme contrôlé en laboratoire de la recherche et développement de Sandia. Les informaticiens de Sandia Walt Beyeler et Michael Mitchell et le boursier post-doctoral Tatiana Flanagan d'UNM ont également travaillé sur le projet, se concentrant sur l'algorithme distribué de système-imitation de dépistage de lymphe.

« Ce projet avec Sandia nous a fourni une opportunité de vérifier l'application pratique des concepts que nous avons appris de nos modèles, » a dit Moïse. « Éventuel, ce projet mènera à une compréhension plus complète du système immunitaire, ainsi qu'à une voie pratique rapidement de recenser et répondre aux épidémies et à d'autres dangers biologiques. »