Em parceria com o MIT, a Janssen escolheu prováveis epicentros de contaminação, baseados em predições produzidas por inteligência artificial, para agilizar a coleta de dados na fase clínica de desenvolvimento da vacina, acelerando sua chegada ao mercado.
A inteligência artificial monitora e simula a capacidade de atendimento dos centros de vacinação em massa, permitindo aos administradores tomar medidas para evitar gargalos no atendimento.
O estudo, que propõe toda a fase inicial de desenvolvimento de vacinas no computador, focou na busca de epítopos, que são as menores partes de um vírus capaz de elicitar resposta imune, para gerar vacinas candidatas que podem ativar o sistema imune de forma mais ampla, assim garantindo maior proteção.
No inusitado trabalho, os autores usaram algoritmos de linguagem para “modelar” o “idioma” genético dos vírus, construindo a partir disto um espaço semântico que tinha relação com a capacidade de uma mutação viral – uma alteração pontual no genoma – resultar na capacidade de o vírus evadir nosso sistema imune.
A inteligência artificial está sendo usada para monitorar suspeitas e orientar planos de contingência, buscando amenizar os impactos da segunda onda de contágio.
O sistema aproveita os vídeos que já são gerados pelos sistemas de monitoramento instalados nas localidades públicas da cidade, fazendo a anotação da presença de pessoas e estimando a distância entre elas, podendo emitir alertas gerais quando um limite que indique aglomerações exageradas for ultrapassado.
O algoritmo prediz quais porções do vírus serão capazes de gerar resposta imunológica na maior proporção da população, direcionando o desenvolvimento de vacinas para cobrir o maior número possível de pessoas.
O algoritmo usa princípios de processamento de linguagem natural para procurar perspectivas diferentes sobre vários aspectos de interesse público relacionados ao tema, e os ranqueia com base na qualidade da informação, usando critérios como a confiabilidade da fonte.
O projeto que está sendo iniciado vai permitir o monitoramento da ocupação dos veículos de transporte público em tempo real, o que vai permitir aos usuários observar os protocolos de distanciamento social, e às empresas estabelecer o número de veículos que devem atender cada rota para manter o serviço confiável e seguro.
O estudo usa rede de grafos para modelar as relações entre os agentes relacionados à doença, e vai implementar um sistema de predição de risco capaz de levar em consideração os dados relevantes aos padrões de infecção.
