Η προϊστορία έχει δείξει ότι ο μέσος χρόνος της διαδικασίας παραγωγής εμβολίου κυμαίνεται κάπου μεταξύ 10 και 15 χρόνων. Στην περίπτωση της πανδημίας του Covid-19, που αποτελεί την πιο σημαντική πρόκληση των ημερών μας, ο χρόνος αυτός εκτιμάται ότι θα μειωθεί σε έως και 18 μήνες. Η χρονική διαφορά είναι τεράστια και είναι βέβαια αποτέλεσμα του γεγονότος ότι το σύνολο της ερευνητικής κοινότητας στον κόσμο προσπαθεί να βρει το «αντίδοτο» στην πανδημία. Όμως σημαντικό ρόλο σ’ αυτή την σύντμηση του χρόνου έχει παίξει -αθόρυβα για τους περισσότερους από εμάς- και η τεχνητή νοημοσύνη.
Ναι, απέναντι από τις κάθε λογής θεωρίες συνωμοσίας των τελευταίων ετών, η τεχνητή νοημοσύνη αποδεικνύει και στην περίπτωση του κορονοϊού, τη θετική συμβολή που μπορεί να διαδραματίσει στον χώρο της υγείας και στην αντιμετώπιση της υγειονομικής κρίσης. Επιταχύνοντας την έρευνα και προσφέροντας λύσεις σε διάφορα πεδία. Ενδεικτική είναι μια πρόσφατη ανάρτηση στο site του ΟΟΣΑ, σύμφωνα με την οποία τεχνολογίες και εργαλεία ΑΙ διαδραματίζουν ρόλο-κλειδί σε κάθε έκφανση της αντιμετώπισης της κρίσης για τον Covid-19. Ειδικότερα, όπως απαριθμεί ο ΟΟΣΑ τέτοιες λύσεις χρησιμοποιούνται από πολύ νωρίς για:
- Την κατανόηση του ιού και την επιτάχυνση της φαρμακευτικής έρευνας σε φάρμακα και θεραπείες. Χαρακτηριστικό είναι το παρακάτω γράφημα που αφορά τις εφαρμογές της τεχνητής νοημοσύνης στην επιτάχυνση της έρευνας.Την ανίχνευση και τη διάγνωση του ιού και στην πρόβλεψη της εξέλιξής του
- Την πρόληψη ή επιβράδυνση της εξάπλωσης του ιού μέσω παρακολούθησης και ανίχνευσης επαφών
- Την ανταπόκριση στην κρίση της υγείας μέσω εξατομικευμένων πληροφοριών και μάθησης
- Την παρακολούθηση της ανάκτησης και τη βελτίωση των εργαλείων έγκαιρης προειδοποίησης

Στο γράφημα του ΟΑΣΑ μπορούμε να δούμε τους τρόπους με τους οποίους η ΑΙ τεχνολογία χρησιμοποιείται σε όλο το φάσμα της αντιμετώπισης της πανδημίας: από την ανίχνευση (από ψηφιακά ίχνη και δημιουργία μοτίβων) στην πρόληψη (μοντέλα πιθανοτήτων μόλυνσης, παρακολούθηση σε πραγματικό χρόνο) στην καταπολέμηση και στην αντίδραση (drones για τη μεταφορά προμηθειών, chatbots-ψηφιακοί βοηθοί), μέχρι και την ανάκαμψη (μελέτη δεδομένων από social media και άλλες πηγές).
Όμως η συμβολή της τεχνητής νοημοσύνης κατά τη διάρκεια της πανδημίας δεν περιορίστηκε μόνο στο επίπεδο του software αλλά επεκτάθηκε και στο πεδίο της ρομποτικής, με εφαρμογές όχι μόνο στα νοσοκομεία αλλά και έξω στην κοινωνία. Εφαρμογές που ήταν απαραίτητες, ιδιαίτερα στην περίοδο της κλιμάκωσης της εξάπλωσης της πανδημίας, όταν και το ιικό φορτίο ήταν ιδιαίτερα έντονο. Ειδικότερα, μέσα στους προηγούμενους μήνες είδαμε:
- Ρομπότ που απολυμαίνουν αυτόνομα χώρους στα νοσοκομεία
- Ρομπότ που συμβάλλουν στη διατήρηση της ασφάλειας των γιατρών από τον κορονοϊό (χαρακτηριστική είναι η περίπτωση του ρομπότ Tommy στην Ιταλία, που έπαιξε και στα τηλεοπτικά κανάλια)
- Ρομπότ που παραδίδουν φάρμακα, εξετάσεις αίματος, φαγητό και παρέχουν βοήθεια στην εφοδιαστική αλυσίδα των νοσοκομείων
- Ρομπότ που βοηθούν ασθενείς και ηλικιωμένους να διατηρήσουν την κοινωνική τους επαφή και την επικοινωνία με αγαπημένα τους πρόσωπα, ήταν μόνο μερικές από τις λύσεις που έδωσε η ρομποτική τους τελευταίους μήνες.
Η εξέλιξη, η εμπειρία των προηγούμενων μηνών αλλά και η καλύτερη προετοιμασία των υγειονομικών αρχών στην αντιμετώπιση της πανδημίας είναι σχεδόν βέβαιο ότι θα αναδείξουν και άλλες ανάγκες και ευκαιρίες για την τεχνητή νοημοσύνη στον κλάδο της υγείας. Ευκαιρίες που θα τις δούμε να ξεκλειδώνονται στο μέλλον, άμεσο και απώτερο.