AI en big data zullen geen wonderen verrichten in de strijd tegen het coronavirus

Voor iemand met een hamer lijkt elk probleem op een spijker – en zoals verwacht is de technische sector hard aan het werk om elke spijker die hij kan vinden te hameren. Maar de analytische bekwaamheid van het moderne data-ecosysteem is vooral beperkt wanneer men probeert het probleem van mogelijke coronavirusbehandelingen aan te pakken.

Het is alleen te verwachten – en natuurlijk geprezen – dat bedrijven met enorme computerbronnen zouden proberen die bronnen op de een of andere manier te besteden aan de wereldwijde inspanningen om het virus te bestrijden.

In sommige opzichten zijn deze inspanningen uiterst waardevol. Zo kan men de contextbewuste tekstanalyse van Semantic Scholar toepassen op de duizenden artikelen over bekende coronavirussen om ze doorzoekbaar te maken voor onderzoekers over de hele wereld. En digitale samenwerkingstools die wereldwijd beschikbaar zijn voor onderzoekscentra en gezondheidsautoriteiten, zijn competities die verder gaan dan waar ze waren tijdens de laatste gezondheidscrisis van (of liever, naderend) deze omvang.

Maar andere inspanningen kunnen een vals gevoel van vooruitgang geven. Een gebied in het bijzonder waar AI en technologie grote vooruitgang hebben geboekt, is de ontdekking van geneesmiddelen. Talloze bedrijven zijn opgericht en hebben honderden miljoenen aan financiering aangetrokken met de belofte om AI te gebruiken om het proces te versnellen waarmee nieuwe stoffen kunnen worden geïdentificeerd die een effect kunnen hebben op een bepaalde aandoening.

Coronavirus is een natuurlijk doelwit voor dergelijk werk, en al sommige bedrijven en onderzoeksorganisaties roepen vroege cijfers op: 10 of 100 van dergelijke stoffen geïdentificeerd die effectief kunnen zijn tegen coronavirus. Dit zijn de soorten aankondigingen die de krantenkoppen om zich heen verzamelen – “Een AI heeft 10 mogelijke coronavirusgeneesmiddelen gevonden” en dat soort dingen.

Het is niet zo dat deze toepassingen van AI slecht zijn, maar eerder dat ze tot een set behoren met weinig bruikbare resultaten. Als uw big data-analyse van het verkeer een voorgesteld beleid ondersteunt om transportopties op die manier te beperken of ondermijnt, is dat één ding. Als uw analyse tientallen mogelijke acties oplevert, die allemaal een doodlopende weg kunnen zijn of zelfs schadelijk kunnen zijn voor de huidige inspanningen, is dat iets heel anders.

Omdat deze bedrijven technologiebedrijven zijn, en noodzakelijkerwijs uit elkaar gaan met hun oplossingen zodra ze zijn voorgesteld. Elke behandelingslijn vereist een slopende batterij van praktijktests, zelfs om als een mogelijkheid te worden uitgesloten , laat staan ​​effectief te zijn. Zelfs geneesmiddelen die al voor andere doeleinden zijn goedgekeurd, moeten voor deze nieuwe toepassing opnieuw worden getest voordat ze op grote schaal verantwoord kunnen worden ingezet.

Bovendien is het niet gegarandeerd dat de nieuwe stoffen die vaak het resultaat zijn van dit soort ontdekkingsprocessen voor geneesmiddelen een realistisch productiepad hebben, zelfs niet op de schaal van duizenden doses, om nog maar te zwijgen van miljarden. Dat is een heel ander probleem! (Hoewel het moet worden gezegd, werken andere AI-bedrijven aan .)

Als een mechanisme voor het genereren van leads zijn deze benaderingen van onschatbare waarde, maar het probleem is niet dat we geen leads hebben – het is de hele wereld die nu kan beheren om de leads op te volgen waarmee het is begonnen. Nogmaals, dit wil niet zeggen dat niemand de kandidaat-identificatie van geneesmiddelen mag doen, maar dat ze overwogen moeten worden voor wat ze zijn: een lijst met taken, met onzekere resultaten, die andere mensen moeten doen.

Evenzo is een “AI” -techniek waarbij bijvoorbeeld röntgenfoto’s van de borst automatisch door een algoritme kunnen worden geanalyseerd, iets dat in de toekomst waardevol zou kunnen zijn en zou moeten worden nagestreefd – maar het is belangrijk om de verwachtingen in overeenstemming te houden met de realiteit. Over een jaar of twee kunnen er daarvoor telelaboratoria zijn ingericht. Maar niemand krijgt dit voorjaar een coronavirus-diagnose van een AI-arts.

Andere plaatsen waar algoritmische voorspellingen en efficiëntie in andere dagen welkom zouden zijn, zullen ze afwijzen tijdens een noodsituatie waarbij alles opzettelijk en drievoudig gecontroleerd moet worden, niet slim en nieuw. De meest aantrekkelijke en populaire benaderingen voor snelbewegende startups zijn zelden de juiste voor een wereldwijde crisis waarbij miljoenen levens en duizenden in elkaar grijpende delen betrokken zijn.

We zijn blij als een autofabrikant zijn fabrieken hergebruikt om maskers of ventilatoren te produceren, maar we verwachten niet dat hij nieuwe medicijnen zal ontdekken. Evenzo mogen we niet verwachten dat degenen die bezig zijn met het ontdekken van geneesmiddelen meer zijn dan dat – maar AI heeft de reputatie zoiets als magie te zijn, omdat de resultaten op de een of andere manier fundamenteel bovenmenselijk zijn. Zoals al vaker is opgemerkt, geven ‘betere’ processen u soms sneller het verkeerde antwoord.

Het werk aan de digitale grens van de biotech-industrie is in het algemeen onontbeerlijk, maar ondanks de dreigende gezondheidscrisis is het ongeschikt om de crisis te helpen verzachten. Maar het mag niet worden verwacht, noch onder het lekenpubliek dat alleen de krantenkoppen leest, noch onder de technotopiërs die in dergelijke vooruitgang meer belofte vinden dan gerechtvaardigd is.