CS 472 دانش آموزان در مقابله با COVID-19

این مقاله در سومین و آخرین قسط در سری بررسی چگونه کلاس ها در پاسخ به COVID-19.

CS 472: "علم اطلاعات و هوش مصنوعی برای COVID-19" اجازه می دهد تا دانش آموزان در مقطع کارشناسی فارغ التحصیل دانش آموزان و مردم در سراسر جهان را به اتحاد در مبارزه علیه این رمان coronavirus.

کلاس طراحی شده به عنوان یک راه برای دانش آموزان علاقه مند در اطلاعات علم و یادگیری ماشین برای استفاده از دانش خود را برای درک مداوم و همه گیر. استادیار پزشکی علوم اطلاعات James Zou تن به تن ایده خود را به صورت کلاس به علوم کامپیوتر در مارس 16 — فقط چند هفته قبل از سه ماهه آغاز شد.

"بخشی از انگیزه برای ارائه این کلاس بود که تقاضا و علاقه در میان داده های علم و CS دانش آموزان به منظور کمک به تلاش و یادگیری در مورد علم در پشت همه گیر" Zou گفت: روزانه است.

این دوره است که ارائه شده برای دو واحد ویژگی های سخنرانان مهمان آمده است که از انواع پس زمینه ها از جمله پزشکی و بهداشت عمومی و سیاست گذاری. پس از یادگیری در مورد COVID-19 و راه هایی است که می توان آن را خطاب به دانش آموزان تشکیل گروه برای مقابله با مسائل اعم از مدل سازی ویروس " توانايی انتقال به شناسایی اطلاعات غلط در سیستم عامل رسانه های اجتماعی.

در اصل CS 472 شد در پوش 50 نفر از دانش آموزان اما Zou قادر به گسترش دوره ظرفیت به جای 10 دانش آموزان اضافی.

"ما تا به حال بیش از 10 واقعا جالب پروژه های است که می تواند کمک شایان توجهی به درک و مدلسازی COVID-19 همین دلیل است که ما می خواستم به جای به عنوان بسیاری از دانش آموزان به عنوان ما می تواند" او گفت:.

CS 472 به دست آورد تا از علاقه نه تنها دانش آموزان دانشگاه استنفورد اما از "مردم از هر قاره" با توجه به Zou. از آنجا که این دوره کارکنان مشغول به کار با دانشکده فنی و مهندسی برای آپلود تصویری سخنرانی به یوتیوب به عنوان منابع برای هر کسی که علاقه مند در این دوره مواد.

وب سایت دوره آن نیز در دسترس عموم فراهم می کند لینک به فیلم سخنرانی و اسلاید و اطلاعات منابع است که دانش آموزان می توانند با استفاده از در پروژه های خود را. این دوره اولین سخنرانی به حال بیش از 100 شرکت کنندگان با توجه به آموزش دستیار Irena فیشر-Hwang دکتری '19 M. A. '20.

فیشر-Hwang نظارت و مشاوره چندین پروژه های دانشجویی از جمله یکی که با همکاری روشه Genentech یک شرکت دارویی در سوئیس که در حال حاضر توسعه یافته FDA تایید شده COVID-19 آزمایش پادتن.

"چه روشه می خواستم به درک شد میزان تقاضا برای مواد مخدر و پروکسی برای درک است که پیش بینی بستری نرخ در کشورهای مختلف گفت:" Veer شاه '20 M. S. '21. "ما پروژه به انجام این کار از طریق مدل سازی یک روش معمول است که در اپیدمیولوژی به نام compartmental مدل."

شاه و اعضای گروه شده اند جلسه با نمایندگان روشه به منظور به نمایش گذاشتن یافته های خود را که با هدف کمک به روشه تعیین چه مقدار از مواد مخدر خود را به و که در آن به تخصیص آن است. دارو actemra در حال حاضر تحت آزمایش های بالینی برای دیدن اگر آن را می تواند مورد استفاده قرار گیرد برای درمان COVID-19 بيمار — به طور خاص کسانی که با التهابی شدید علائم.

شاه تیم داده ها یافته ها به معنای در دسترس برای عموم مردم و شرکت های دیگر استفاده کنید.

"یکی از چیزهایی که روشه Genentech تاکید کرد که ما تنها با تکیه بر اطلاعات عمومی پس این مدل می توان به راحتی به روز شده بر اساس گرایش های جدید و استفاده شده توسط افراد دیگر بیش از حد" شاه گفت. "آن را به راحتی صادراتي و می تواند کمک به جامعه به طور کلی و نه فقط خود شرکت."

سال اول دانشجوی پزشکی Aswini کریشنان در حال کار بر روی یک اپيدميولوژی ژنتيک پروژه در کنار دو تن دیگر از دانشجویان سال اول پزشکی, هنری عموزاده و جاش کارتر به کشف کردن آنچه که باعث می شود برخی از گونه های COVID-19 گسترش از طریق جمعیت عمومی بیشتر از گونه های دیگر.

"ما در حال استفاده از اطلاعات از یک درخت فیلوژنتیک نشان می دهد که چگونه این ویروس تکامل یافته در طول زمان از لحاظ ژنوم توالی" کریشنان گفت. "ما در حال استفاده از یک برنامه نگاهی به انواع مختلف antigenicity در پروتئین از هر گونه به شکل اگر آن را به این ویروس بیشتر یا کمتر به احتمال زیاد برای انتشار و گسترش به افراد مختلف است."

Arsalan Nambikrishnan '19 M. S. '20 که در زمینه علوم کامپیوتر در حال کار بر روی یک پروژه گروه است که مربوط به ویروس خود را, اما در عوض در مورد چگونه اطلاعات در مورد COVID-19 در حال گسترش است در توییتر.

"اهداف اصلی این پروژه به ساخت یک طبقه بندی است که قادر به تشخیص توییتهایی که به احتمال زیاد شایعات/اطلاعات غلط و ایجاد یک نوع شناسی از شایع شایعات ما از دیدن" Nambikrishnan گفت. "برای رسیدن به این هدف ما کشف ویژگی های مختلف از توییت (محتوای آدرس جغرافیایی محل و غیره.) برای دیدن چگونه به خوبی آنها را در تشخیص شایعات مختلف با استفاده از مدل های طبقه بندی."

با این پروژه یافته های او امیدوار به بهتر درک چه نوع از شایعات در مورد ویروس تمایل به گسترش و چگونه آنها در طول زمان تغییر.

اگر چه این کلاس ابتدا طراحی شده بود به یک بار ارائه دلیل "بسیار منحصر به فرد وضعیت" ویروس ایجاد Zou گفت که او خواهد بود مایل به ارائه یک دوره مشابه در آینده در صورت نیاز.

"من امیدوارم که ما نیازی به این کلاس دوباره به خاطر من امیدوارم که ما را در شکل بسیار بهتری چند ماه و یا یک سال از هم اکنون" Zou گفت. "اگر که نیست مورد بعدی پاییز زمستان و حتی بهار سال آینده, پس از آن من قطعا خوشحال به سازماندهی چیزی شبیه به این است."

تماس با Camryn و پاکستان در cpak23 'در' stanford.edu.