Tim prof. Cara

OVO JE VELIKO Riječki znanstvenici umjetnom inteligencijom prvi predvidjeli razvoj bolesti

Ingrid Šestan Kučić

Iako znanstvenici uobičajeno izbjegavaju korištenje jednostavnih algoritama umjetne inteligencije, riječki tim pokazao je da se i relativno jednostavnim metodama mogu dobiti veoma kvalitetni rezultati



Znanstvenici Tehničkog fakulteta Sveučilišta u Rijeci razvili su model širenja koronavirusa korištenjem algoritama umjetne inteligencije. Tim riječkih znanstvenika, pod vodstvom prof. dr. Zlatana Cara, koristio je set podataka prikupljenih od John Hopkins University Center for Systems Science and Engineering kako bi izveo treniranje i testiranje modela širenja koronavirusa. Set podataka sadržava informacije za broj osoba koje su, od početka infekcije, bile zaražene virusom.


Iako se tim trenutno ne želi upuštati u predviđanja ponašanja bolesti, budući da postoji veliki broj faktora koje je nemoguće predvidjeti i uključiti u modele, prof. dr. Car kaže da rezultati njihovog istraživanja pokazuju mogući rast oboljelih na globalnoj razini u idućim tjednima, ali i da trenutni modeli upućuju na porast broja pacijenata koji se od koronavirusa oporavljaju, uz stagnaciju onih koji su izgubili bitku s bolešću.


Analiza vremenskih serija


– Treba istaknuti da se pokazuje stagnacija tog rasta od primjene karantene i povećane higijene, stoga je bitno pratiti upute liječnika i vlasti. Dobiveni rezultati opisani su u znanstvenom članku koji je trenutno poslan na razmatranje za objavu u jedan od vodećih svjetskih znanstvenih časopisa. Uz podatke o broju zaraženih, set podataka koje smo koristili sadržava informacije o broju preminulih i oporavljenih. Formatiran je tako da su za 406 različite lokacije diljem svijeta bilježeni podaci o oboljelim, oporavljenim i preminulim pacijentima, kroz 50 dana od početka praćenja zaraze. Ovaj set podataka je kreiran za tzv. analizu vremenskih serija. No, kako taj broj podataka nije dovoljan za analizu metodama umjetne inteligencije, zaposlenici Tehničkog fakulteta u Rijeci su ga transformirali u tzv. regresijski set podataka koji u svakom retku zapisuje geografsku širinu, dužinu, broj dana od početka zaraze i broj pacijenata. Tim razdvajanjem dobivena je mogućnost primjene algoritama umjetne inteligencije, kojima je za kvalitetne rezultate potreban velik broj podataka, pojašnjava prof. dr. Car.





Strojno učenje


Nad tim podacima članovi tima, koji čine i doc. dr. Vedran Mrzljak, Nikola Anđelić, Ivan Lorencin i Sandi Baressi Šegota, primijenili su algoritam umjetne inteligencije, umjetnu neuronsku mrežu – višeslojni perceptron kako bi razvili modele koji opisuju kretanje broja zaraženih koronavirusom, kao i broja preminulih i ozdravljenih pacijenata. Ova metoda umjetne inteligencije, odnosno strojno učenje, koristi dio postojećih podataka kako bi »naučila« informacije sadržane u njima, te se njezine performanse zatim testiraju na ostatku podataka. Posebnost rada riječkih znanstvenika je i što do sada nije objavljen nijedan znanstveni rad koji primjenjuje algoritme umjetne inteligencije za modeliranje širenja koronavirusa.



– Do sad su objavljeni samo radovi zasnovani na statističkoj obradi podataka. Metoda koju smo koristili omogućuje brzu analizu velikih brojeva podataka. Izbjegavano je korištenje izrazito kompleksnih algoritama, a cilj je bio dobivanje što bržeg i jednostavnijeg modela kretanja koronavirusa. Kako bi odredili točne arhitekture modela, istrenirane su 48.384 neuronske mreže, a ukupno 5.376 različitih kombinacija hiperparametara – vrijednosti koje definiraju izgled i performanse umjetne neuronske mreže, navodi prof. dr. Car.


Jednostavni algoritmi


Nakon treniranja umjetnih neuronskih mreža, dobivene performanse modela testirane su korištenjem statističkih metoda, kako bi se utvrdilo ponašaju li se modeli u skladu s postojećim podacima. Uspoređivano je kretanje stvarnih podataka i onih dobivenih iz modela umjetne neuronske mreže za svaku od 3 skupine pacijenata. Ovim postupkom odvojen je po jedan najbolji model za svaku od skupina pacijenata, koji se sastoje od 16 »umjetnih« neurona.


Iako znanstvenici uobičajeno izbjegavaju korištenje jednostavnih algoritama umjetne inteligencije, riječki tim pokazao je da se i relativno jednostavnim metodama mogu dobiti veoma kvalitetni rezultati.


– Ovo je bitno napomenuti zato što jednostavniji algoritmi omogućavaju rad i analizu korištenjem slabijih računalnih resursa, kaže prof. dr. Car.


Tim koji je radio na ovom istraživanju je dio istraživačke skupine profesora Cara, RiTeh AI and Robotics Group, koja se osim primjenom umjetne inteligencije u medicini, bavi i primjenom umjetne inteligencije u inženjerskim sustavima, industrijskom robotikom i nanotehnologijom. Sastoji se od sedam članova zaposlenih na Tehničkom fakultetu i projektima EU-a, a pod vodstvom prof. dr. Cara znanstveni tim aktivno sudjeluje na više EU projekta.