Første hint om Wuhan-virusudbruddet blev fanget af AI

En AI-dreven sundhedsmonitorering og sygdomsdetektionssystem var i stand til at fange tegn på Wuhan-virusudbruddet omkring en uge før regeringsmyndigheder advarede offentligheden, og giver et glimt af, hvordan AI kan bruges til at fange sygdomsudbrud i tide.

Mens den officielle Verdenssundhedsorganisations (WHO) meddelelse om Wuhan-virusset udsendtes den 9. januar, og US Center for Disease Control and Prevention (CDC) fik besked om udbruddet den 6. januar, blev de første advarselssignaler om udbruddet fanget af et canadisk sundhedsmonitoreringssystem næsten en uge tidligere. Som Wired rapporterede, advarede det AI-drevne sundhedssystem BlueDot sine kunder om det mulige udbrud den 31. december. Bluedot bruger AI-algoritmer til at overvåge forskellige globale nyhetskilder og opdage mønstre i sundhedsrapporter. Det tager også i betragtning information om plantesydomsnetværk og dyresygdomsnetværk. Ved hjælp af den information, som det indsamler, leverer BlueDot-epidemiologer advarsler og forudsigelser om mulige sundhedsrisici og udbrud til deres abonnenter.

Når det handler om et udbrud af sygdom, er tidlig opdækkelse altid bedre. Jo tidligere opdækkelsen, jo mere tid har sundhedsmyndighederne til at reagere. I tilfælde af Wuhan-virus og andre sygdomsudbrud i Kina, har den kinesiske regering ofte været langsom til at dele information med globale sundhedsmyndigheder. Dette udgør et problem, da CDC og WHO afhænger af kommunikation fra andre regeringsmyndigheder for at planlægge deres egne reaktioner. Men hvis et AI-system som BlueDot kan lave nøjagtige forudsigelser baseret på den information, som lækker igennem fra mange enkeltstående nyhedsrapporter, blogs og fora, kunne dette potentielt enable sundhedsorganisationer til at handle hurtigere i forhold til udbrud.

Ifølge Kamran Khan, grundlæggeren af BlueDot, bruger virksomheden ikke sociale medier til at forudsige sygdomsudbrud, da data er for variabel og rodet til at være nyttig. I stedet kombineres nyhedsrapporter, data om kendte dyresygdomsnetværk og flybilletdata for at skabe en model, der forudsiger, hvor infektioner begynder, og hvor inficerede personer muligvis rejser hen til. BlueDot kunne korrekt forudsige, at Wuhan-virusset ville sprede sig til Taipei, Tokyo, Seoul og Bangkok få dage efter dets manifestation.

BlueDot blev lanceret af Khan i 2014, og virksomheden har i øjeblikket 40 ansatte, herunder datavidenskabsmænd, læger og programmører, der arbejder sammen for at skabe sygdomsmonitorerings- og forudsigelsesmodeller. Maskinlæringsalgoritmer og tekniker til naturlig sprogbehandling bruges til at udvinde data fra nyhedsrapporter verden over og dækker 65 forskellige sprog. Khan sagde til Wired:

“Det, vi har gjort, er at bruge naturlig sprogbehandling og maskinlæring til at træne denne motor til at genkende, om dette er et udbrud af anthrax i Mongoliet eller en genforening af heavy metal-bandet Anthrax.”

Efter den automatiserede dataindsamling og den første analyse er fuldført, dobbelttjekker menneskelige analytikere dataene og sikrer, at modellens konklusioner synes solide. Til sidst genereres en rapport og sendes ud til applikationens kunder.

BlueDots system er langt fra det første forsøg fra AI-feltet på at forudsige sygdomsudbrud. Datavidenskabsmænd har brugt big data og maskinlæringsmodeller til at spore sygdomsudbrud i nogen tid nu, med nogle forsøg, der er mere succesfulde end andre. Google (GOOGL ) forsøgte at spore sygdomsudbrud med Google Flu Trends, men dets forsøg på at forudsige sværheden af 2013-influenzasæsonen var ifølge rapporter omkring 140% forkert. Kun tiden vil vise, om BlueDot kan forudsige sygdomsudbrud konsekvent, men hvis det kan, kunne det bana vejen for hurtigere og mere nøjagtige estimeringer af sygdomsudbrud.