Første hint om Wuhan-virusudbruddet blev fanget af AI

Et AI-drevet sundheds-overvågnings- og sygdomsdetektionssystem kunne fange tegn på Wuhan-virusudbruddet cirka en uge før regeringsagenturer advarede offentligheden, og giver et indblik i, hvordan AI kan bruges til at fange sygdomsudbrud i en rettidig facon.

Mens den officielle Verdenssundhedsorganisationsmeddelelse om Wuhan-virusset blev sendt ud den 9. januar, og US Center for Disease Control and Prevention (CDC) modtog besked om udbruddet den 6. januar, blev de første advarselstegn på udbruddet fanget af et canadisk sundheds-overvågningsystem 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 detektere mønstre i sundhedsrapporter. Det tager også i betragtning information om planten- og dyresygdomsnetværk. Ved hjælp af den information, det indsamler, leverer BlueDot-epidemiologer derefter advarsler og forudsigelser om mulige sundhedsrisici og udbrud til sine abonnenter.

Når det handler om et udbrud af sygdom, er tidlig opdægelse altid bedre. Jo tidligere opdægelsen, 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 regeringsagenturer for at planlægge deres egne reaktioner. Men hvis et AI-system som BlueDot kan lave nøjagtige forudsigelser baseret på den information, der lækker igennem på tværs af 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-data, når det gælder forudsigelse af sygdomsudbrud, fordi data er for variabel og rodet til at være af nogen nytte. I stedet kombineres nyhedsrapporter, data om kendte dyresygdomsnetværk og flybilletdata for at skabe en model, der forudsigelse, hvor infektioner begynder, og hvor inficerede personer muligvis rejser herefter. BlueDot kunne korrekt forudse, at Wuhan-virus ville sprede sig til Taipei, Tokyo, Seoul og Bangkok inden for 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 sygdoms-overvågnings- og forudsigelsesmodeller. Maskinlæringsalgoritmer og naturlig sprogbehandlingsteknikker bruges til at udvinde data fra nyhedsrapporter, der dækker 65 forskellige sprog verden over. Khan sagde til Wired:

“Hvad 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 versus en genforening af heavy metal-bandet Anthrax.”

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

BlueDots system er langt fra det første forsøg af AI-feltet på at forudse sygdomsudbrud. Datavidenskabsmænd har brugt big data og maskinlæringsmodeller til at spore sygdomsudbrud i nogen tid nu, med nogle forsøg mere succesfulde end andre. Google prøvede sit eget håndtag på at spore sygdomsudbrud med Google Flu Trends, men dens forsøg på at forudse alvorligheden af 2013-flu-sæsonen var angiveligt forkert med omkring 140%. Kun tiden vil vise, om BlueDot kan konsekvent forudse sygdomsudbrud, men hvis det kan, kunne det banke vejen for hurtigere og mere nøjagtige estimater af sygdomsudbrud.