Πρώτες Ενδείξεις Του Ιού της Γουχάν Πιάστηκαν Από Τον AI

Μια πλατφόρμα υγείας με έξυπνη παρακολούθηση και ανίχνευση ασθενειών ήταν σε θέση να πιάσει τα σημάδια της ιογενής έξαρσης της Γουχάν περίπου μια εβδομάδα πριν οι κυβερνητικές υπηρεσίες προειδοποιήσουν το κοινό, παρέχοντας μια ματιά στο πώς ο AI μπορεί να χρησιμοποιηθεί για να πιάσει τις ασθένειες σε έγκαιρο τρόπο.

Ενώ η επίσημη ειδοποίηση του Παγκόσμιου Οργανισμού Υγείας για τον ιό της Γουχάν έγινε στις 9 Ιανουαρίου και το Κέντρο Ελέγχου και Πρόληψης Ασθενειών των ΗΠΑ (CDC) έλαβε ειδοποίηση για την έξαρση στις 6 Ιανουαρίου, τα πρώτα σημάδια της έξαρσης πιάστηκαν από ένα καναδικό σύστημα παρακολούθησης υγείας σχεδόν μια εβδομάδα πριν. Όπως ανέφερε το Wired, το σύστημα BlueDot προειδοποίησε τους πελάτες του για την πιθανή έξαρση στις 31 Δεκεμβρίου. Η BlueDot χρησιμοποιεί αλγόριθμους AI για να παρακολουθεί διάφορες διεθνείς πηγές ειδήσεων και να ανιχνεύει μοτίβα στις αναφορές υγείας. Επίσης, λαμβάνει υπόψη της πληροφορίες για δίκτυα ασθενειών φυτών και ζώων. Χρησιμοποιώντας τις πληροφορίες που συλλέγει, οι επιδημιολόγοι της BlueDot παρέχουν προειδοποιήσεις και προβλέψεις για πιθανές υγειονομικές рисκες και έξαρση σε τους συνδρομητές της.

Όταν αντιμετωπίζουμε μια έξαρση ασθένειας, η έγκαιρη ανίχνευση είναι πάντα καλύτερη. Όσο πιο γρήγορα γίνεται η ανίχνευση, τόσο περισσότερο χρόνο έχουν οι υγειονομικές αρχές για να ανταποκριθούν. Στην περίπτωση του ιού της Γουχάν και άλλων εξαρσεων ασθενειών στην Κίνα, η κινεζική κυβέρνηση συχνά ήταν αργή στην κοινοποίηση πληροφοριών με τις διεθνείς υγειονομικές αρχές. Αυτό δημιουργεί ένα πρόβλημα, καθώς το CDC και ο Παγκόσμιος Οργανισμός Υγείας βασίζονται στις επικοινωνίες από άλλες κυβερνητικές υπηρεσίες για να σχεδιάσουν τις δικές τους απαντήσεις. Ωστόσο, αν ένα σύστημα AI όπως η BlueDot μπορεί να κάνει ακριβείς προβλέψεις με βάση τις πληροφορίες που διαρρέουν από πολλές ατομικές αναφορές ειδήσεων, μπλογκ και φόρουμ, αυτό θα μπορούσε να επιτρέψει στις υγειονομικές οργανώσεις να ανταποκριθούν πιο γρήγορα στις έξαρση.

Σύμφωνα με τον Kamran Khan, ιδρυτή της BlueDot, η εταιρεία δεν χρησιμοποιεί δεδομένα από τα κοινωνικά μέσα όταν προβλέπει την εξάπλωση ασθενειών, επειδή τα δεδομένα είναι πολύ μεταβλητά και ακατάλληλα για χρήση. Αντίθετα, οι αναφορές ειδήσεων, τα δεδομένα για γνωστά δίκτυα ασθενειών ζώων και τα δεδομένα για ταξιδιωτικά εισιτήρια συνδυάζονται για να δημιουργηθεί ένα μοντέλο που προβλέπει πού αρχίζουν οι λοιμώξεις και πού μπορεί να ταξιδέψουν οι μολυσμένοι άνθρωποι. Η BlueDot ήταν σε θέση να προβλέψει σωστά ότι ο ιός της Γουχάν θα εξαπλωθεί σε Ταϊπέι, Τόκιο, Σεούλ και Μπανγκόκ μέσα σε quelques ημέρες από την εμφάνισή του.

Η BlueDot ιδρύθηκε από τον Khan το 2014 και η εταιρεία έχει σήμερα 40 υπαλλήλους, συμπεριλαμβανομένων επιστημόνων δεδομένων, ιατρών και προγραμματιστών που εργάζονται μαζί για να δημιουργήσουν τα μοντέλα επιτήρησης και πρόβλεψης ασθενειών. Αλγόριθμοι μηχανικής μάθησης και τεχνικές επεξεργασίας φυσικής γλώσσας χρησιμοποιούνται για να εξορύξουν δεδομένα από αναφορές ειδήσεων σε όλο τον κόσμο και να καλύψουν 65 διαφορετικές γλώσσες. Ο Khan είπε στο Wired:

«Αυτό που έχουμε κάνει είναι να χρησιμοποιήσουμε επεξεργασία φυσικής γλώσσας και μηχανική μάθηση για να εκπαιδεύσουμε αυτό το μηχάνημα να αναγνωρίζει αν αυτό είναι μια έξαρση ανθράκων στη Μογγολία ή μια επανένωση του heavy metal μπάντου Anthrax».

Μετά την αυτοματοποιημένη συλλογή δεδομένων και την αρχική ανάλυση, ανθρώπινοι αναλυτές ελέγχουν τα δεδομένα και βεβαιώνονται ότι τα συμπεράσματα του μοντέλου φαίνονται λογικά. Τέλος, δημιουργείται μια αναφορά και αποστέλλεται στους πελάτες της εφαρμογής.

Το σύστημα της BlueDot είναι μακράν η πρώτη προσπάθεια του τομέα του AI να προβλέψει την εξάπλωση ασθενειών. Επιστήμονες δεδομένων έχουν χρησιμοποιήσει μεγάλα δεδομένα και μοντέλα μηχανικής μάθησης για να παρακολουθήσουν την εξάπλωση διαφόρων ασθενειών για κάποιο χρόνο τώρα, με κάποιες προσπάθειες να είναι πιο επιτυχείς από άλλες. Η Google (GOOGL ) προσπάθησε το χέρι της στην παρακολούθηση της εξάπλωσης ασθενειών με το Google Flu Trends, αλλά οι προσπάθειές της να προβλέψει τη σοβαρότητα της εποχής του 2013 ήταν αναφερθεί ότι ήταν λάθος περίπου 140%. Μόνο ο χρόνος θα δείξει αν η BlueDot μπορεί να προβλέψει συνεχώς την εξάπλωση ασθενειών, αλλά αν μπορεί, θα μπορούσε να ανοίξει το δρόμο για πιο γρήγορες και ακριβείς εκτιμήσεις των εξαρσεων ασθενειών.