Usando Symbol Blockchain, Axon de IODLT y Swarm para aprender a detectar el coronavirus

En enero de 2020, se produjo un brote grave de coronavirus en Wuhan, China.

Conocida como 2019-nCoV, esta cepa particular y novedosa es una forma contagiosa y mortal de coronavirus que ha provocado que el mundo entre en pánico. Se cree que se originó en el mercado mayorista de mariscos de Huanan, donde se venden animales vivos y carnes crudas al unísono, las primeras transmisiones de esta enfermedad mortal fueron de animal a humano. Ahora con una cifra de muertos de más de 1,100 personas, junto con 44,138 infectados al 11 de febrero de 2020, este virus ha causado que el mundo monitoree seriamente los puertos de entrada, cierre las ciudades y evite viajar desde ciertas regiones. El costo financiero del sistema económico global puede ser perjudicial, y la incertidumbre en el futuro puede incluso causar más daño a las economías de todo el mundo. Por ejemplo, en China, se espera una pérdida de fabricación de casi 350,000 unidades de automóviles debido al brote de 2019-nCoV. Anteriormente, el brote de SARS en 2003 causó que la economía global perdiera $ 40 mil millones. Este brote probablemente causará pérdidas en los cercanos a los $ 40 mil millones.

En noviembre de 2019, IoDLT escribió un artículo que detalla el uso del aprendizaje swarm, blockchain y Axon IoT (nuestro dispositivo IoT habilitado para blockchain) para agregar y procesar datos relevantes. En ese artículo, uno de los ejemplos principales muestra hospitales que comparten información nueva sobre diversas enfermedades, métodos de tratamiento exitosos e información anonimizada del paciente. Esta información es compartida y auditada por una cadena de bloques, que actúa como un depósito central para que todos los demás hospitales puedan acceder y aprender. Los modelos de IA se utilizan para dar sentido a esta información y proporcionar conclusiones significativas. Este concepto de múltiples fuentes de datos que comparten y se basan en sus hallazgos se denomina aprendizaje swarm.

Mediante el aprendizaje de swarm, la cadena de bloques Symbol, los datos geográficos y el dispositivo Axo IoT de IoDLT, los hospitales pueden detectar tendencias de brotes de virus antes de que empiecen a causar estragos en las poblaciones globales.

Symbol Blockchain: un repositorio compartido y seguro para el aprendizaje Swarm

Usando una cadena de bloques Symbol, los hospitales pueden conectarse más entre sí. Los espacios de nombres de Symbol (dominios únicos en cadena) permiten que cada hospital sea identificable de forma única por nombre y región. La seguridad inherente de Symbol permite verificar la integridad de los datos en cualquier momento. La redundancia natural de blockchain también es clave para la solución. Tener cientos de nodos permitirá a los hospitales recuperar información de la cadena de bloques con poco o ningún tiempo de inactividad.

El uso de IoT permitiría la recopilación autónoma de datos de estos hospitales. Se utilizaría un swarm de dispositivos médicos con Axon de cada hospital para recopilar datos de tratamiento, diagnóstico y síntomas de los pacientes. Estos datos se compartirían a través de blockchain, donde otros hospitales pueden detectar tendencias y también comparar los datos de su swarm con los swarm de Axon de otros hospitales en su región. Los datos del paciente tendrían que ser desidentificables, y solo se compartirían los datos relevantes. Una entidad en la cadena también debería verificarse mediante un token de certificación que está autorizada a utilizar esta información confidencial.

Los hospitales deben estar certificados a través de un token de acceso en cadena en Symbol para acceder a datos de pacientes no identificados.

En el caso de 2019-nCoV, los hospitales en la región de Wuhan, China, podrían haber detectado nuevos síntomas usando IA y el aprendizaje de swarm con respecto a una enfermedad no clasificada en el área, lo que a su vez alertaría a los hospitales y al gobierno local para tomar medidas rápidas para prevenir Un brote grave.

Cada hospital tendría un swarm Axon para registrar datos de pacientes de dispositivos médicos.

Incentivación para que los hospitales compartan datos de pacientes no identificados

Los hospitales son muy protectores con los datos de sus pacientes. Los consideran un activo muy valioso y son reacios a compartir fácilmente los datos del paciente. Con el advenimiento de blockchain, la Organización Mundial de la Salud (OMS) y los gobiernos pueden proporcionar incentivos financieros (rastreados a través de un token) para que los hospitales compartan datos. En ciertos momentos de brotes, o se esperan infecciones cíclicamente más altas (invierno, celebraciones, etc.), se pueden ofrecer “recompensas” o “recompensas” financieras como un incentivo adicional para que los hospitales compartan datos en ciertas áreas geográficas.

En este contexto, tener diversos conjuntos de datos de múltiples fuentes es crucial para detectar patrones. Para hacer que el esfuerzo adicional de recopilar y desidentificar datos valga la pena, se podría construir un símbolo en un mercado global que consista en datos médicos ordenados por región, gravedad y cepas de virus desconocidas repetidas. A cambio de un token común en la cadena, los hospitales pueden organizar automáticamente para elegir qué datos son más importantes para ellos, así como buscar coincidencias de diagnóstico médico de otros hospitales en la cadena. A cambio, también proporcionará incentivos y alentará al hospital a proporcionar sus propios datos en la cadena.

Uso de datos geográficos y de comportamiento para proporcionar contexto para el aprendizaje de swarm de IA

Los datos geográficos son un gran indicador cuando se trata de brotes de virus. Los puertos de entrada, como los aeropuertos, deben considerarse en el modelo de IA al medir de dónde puede haber surgido un brote en una determinada región. También sería relevante colocar más swarm de Axon alrededor de lugares que tengan la capacidad de transmitir e incubar un virus, como el mercado mayorista de mariscos de Huanan. Además, tales ubicaciones pueden llevar un “peso” más pesado en un modelo de IA. Además, registrar las compras de ciertos productos relacionados con el alivio de ciertos síntomas (fiebre, dolor de cabeza, senos paranasales, dolores corporales … etc.) en ciertas áreas geográficas puede ser útil para detectar “picos” en ciertos síntomas relacionados con enfermedades infecciosas. Dicha información se puede identificar y registrar de forma segura en la cadena de bloques Symbol y poner a la venta.

Los datos de comportamiento también pueden ser clave para las predicciones. BlueDot, una compañía que logró predecir el brote de 2019-nCoV el 31 de diciembre de 2019, utilizó el aprendizaje automático y el procesamiento del lenguaje natural para detectar patrones en Internet. Los algoritmos de inteligencia artificial de BlueDot ordenaron artículos de noticias, publicaciones en foros y otras fuentes no oficiales para detectar eventos e informes inusuales. Utilizando este análisis, pudieron discernir que se estaba produciendo un brote.

En combinación con los datos de pacientes recopilados de hospitales con swarm de Axon, el contexto geográfico y el análisis de comportamiento también son extremadamente útiles para un modelo de IA. Symbol actúa como un conector, agregando todos los diferentes tipos de datos para los modelos de IA para proporcionar conclusiones significativas y coherentes.

Symbol es un repositorio compartido y seguro que agrega y audita todo tipo de datos en un solo lugar.

Conclusión

Mediante el uso de IoT, IA / aprendizaje de swarm y blockchain, las tendencias se pueden detectar a partir de grandes cantidades de datos. En el caso de brotes mortales, virales, como 2019-nCoV, las tendencias que indican un brote permitirán a los gobiernos y hospitales tomar medidas preventivas rápidas y precisas. El uso de Symbol permite que la información se comparta en un depósito seguro y global, donde los dispositivos habilitados para Axon pueden trabajar juntos como un swarm para aprender de la entrada de datos médicos. Symbol también permite que se realicen esquemas de incentivos entre hospitales, creando un mercado de datos médicos valiosos y no identificados.

El uso de la IA y el aprendizaje de swarm también se puede usar para desarrollar métodos de tratamiento más efectivos que se puedan compartir fácilmente con hospitales y centros de tratamiento a escala global.

Estas tecnologías no solo ahorrarán tiempo en los hospitales, sino que también pueden salvar más vidas, ya que se pueden tomar medidas preventivas antes de que los brotes terribles se salgan de control.

Fuente: IoDlt blog