Kuinka AI ennusti koronaviruksen ja voi ehkäistä tulevia pandemioita – Mielipide

BlueDot AI -ennuste

Huhtikuun 6. päivänä Yhdysvaltain tautikeskus (CDC) ilmoitti, että influenssan kaltaisen taudin puhkeaminen levisi Wuhanin kaupungissa Kiinan Hubein maakunnassa. Myöhemmin Maailman terveysjärjestö (WHO) julkaisi samanlaisen raportin 9. tammikuuta.

Nämä vastaukset saattavat vaikuttaa ajantasaisilta, mutta ne olivat hitaita verrattuna BlueDot-nimiseen AI-yritykseen. BlueDot julkaisi raportin 31. joulukuuta, täyden viikon ennen kuin CDC julkaisi samanlaista tietoa.

Entistä vaikuttavampaa on, että BlueDot ennusti Zikan taudin puhkeamisen Floridassa kuusi kuukautta ennen ensimmäistä tapausta vuonna 2016.

Mikä ovat joitain tietoja, joita BlueDot analysoi?

• Tautien valvonta, johon sisältyy yli 10 000 median ja julkisen sektorin lähteen tarkkailu yli 60 kielellä.
• Väestötietoja kansallisten väestönlaskentojen ja kansallisten tilastoraporttien mukaan. (Väestötiheys on tekijä, joka vaikuttaa viruksen leviämiseen)
• Reaaliaikaiset ilmastotiedot NASA: lta, NOAA: lta jne. (Virus leviää nopeammin tietyissä ympäristöolosuhteissa)
• Hyönteisten ja eläinten varastot (Tärkeä, kun virus voi leviä lajista toiseen).

BlueDot työskentelee tällä hetkellä useiden hallitusten kanssa, mukaan lukien Global Affairs Kanada, Kanadan terveysvirasto, Kanadan lääkäriliitto ja Singaporen terveysministeriö. BlueDot Insights -tuote lähettää lähes reaaliaikaisia tartuntatautien hälytyksiä. Joitain etuja tämän tuotteen hyödyntämisestä ovat:

• Altistumisen riskin vähentäminen eturintamalla työskenteleville terveydenhuollon työntekijöille
• Globaali näkyvyys mahdollistaa ajan säästön tartuntatautien valvonnassa
• Mahdollisuus viestiä tärkeää tietoa selkeästi ennen kuin on liian myöhäistä.
• Mahdollisuus suojella väestöjä infektioilta

Miten AI:n ennustettavuutta voitaisiin parantaa

Mikä estää BlueDot AI: ta ja muita vastaavia AI: ta parantamasta? Ykkösrajoite on kyvyttömyys päästä tarvittaviin suuriin tietoihin reaaliajassa.

Nämä ennustevälineet riippuvat suurten tietojen syöttämisestä tekoälyverkkoon (ANN), joka käyttää syväoppimista mallien etsimiseen. Mitä enemmän tietoa syötetään tähän ANN: iin, sitä tarkempi koneoppimisalgoritmi tulee.

Tämä tarkoittaa käytännössä, että se, mikä estää AI: ta havaitsemasta mahdollista puhkeamista aikaisemmin, on yksinkertaisesti puute tarvittavasta tiedosta. Maissa, kuten Kiinassa, joissa uutisia valvotaan ja suodatetaan säännöllisesti, nämä viiveet tarvittavasta tiedosta ovat vielä voimakkaampia. Jokaisen tietopisteen sensuuri voi merkittävästi vähentää saatavilla olevan tiedon määrää ja pahimmassa tapauksessa jopa poistaa tämän tiedon oikeellisuuden, mikä poistaa tämän tiedon mahdollisen hyödyn. Virheellinen tieto oli myös syy sille, miksi aiemmat yritykset, kuten Google Flu Trends (GOOGL ), epäonnistuivat.

Toisin sanoen, suurin ongelma, joka estää AI-järjestelmiä täysin ennustamasta puhkeamista mahdollisimman aikaisin, on hallitusten sekaantuminen. Hallitukset, kuten Kiina ja nykyinen Trumpin hallinto, tarvitsevat päästä eroon kaikenlaisesta tietojen suodattamisesta ja antaa täydellisen pääsyn lehdistölle raportoida globaaleista terveydenhuollon kysymyksistä.

Toisaalta toimittajat voivat työskennellä vain sillä tiedolla, joka on heidän saatavillaan. Uutisten ohittaminen ja suoran pääsyn siihen, mitä machine learning -järjestelmät voivat käyttää, voisi mahdollistaa tiedon käytön ajallisemmin ja tehokkaammin.

Mitä on tehtävä

Hetkestä, jolloin hallitukset, jotka ovat todella kiinnostuneita terveydenhuollon kustannusten vähentämisestä ja puhkeamisen ehkäisemisestä, aloittavat pakollisen terveydenhuoltopalvelujensa ja sairaaloidensa tarkastelun siitä, miten ne voivat jakaa tiettyjä tietoja viranomaisille, toimittajille ja AI-järjestelmille reaaliajassa.

Yksityiset henkilötietoja voidaan poistaa kokonaan potilaan tiedoista, jolloin potilas voi säilyttää anonymiteettinsä, kun taas tärkeät tiedot jaetaan.

Sairaalaverkosto, joka kerää tietoja reaaliajassa ja jakaa ne, voisi tarjota parempaa terveydenhuoltoa. Esimerkiksi voitaisiin seurata, että tietyn sairaalan potilasmäärä, jolla on influenssan kaltaisia oireita, on lisääntynyt 3 potilaasta kello 10:00 7 potilaaseen kello 13:00 ja 49 potilaaseen kello 17:00. Tietoja voitaisiin verrata muihin sairaaloihin samalla alueella, jotta voidaan antaa välittömiä hälytyksiä siitä, että tietty alue on mahdollinen kuuma piste.

Kun tieto on kerätty ja kootu, AI-järjestelmä voisi laukaista hälytyksiä kaikille lähialueille, jotta voidaan tehdä tarvittavat varotoimet.

Vaikka tämä olisi haasteellista tietyillä alueilla, maat, joilla on suuria AI-keskuksia ja pieniä väestötiheyksiä, kuten Kanada, voivat perustaa sellaisen järjestelmän. Kanadassa on AI-keskuksia väkirikkaimmilla provinsseilla (Waterloo ja Toronto, Ontario, ja Montreal, Quebec). Tällaisen sairaala- ja provinssien välistä yhteistyön edut voitaisiin laajentaa tarjoamaan kanadalaisille muita etuja, kuten nopeampaa pääsyä hätätilanteiden hoitoon ja vähennettyjä terveydenhuollon kustannuksia. Kanada voisi tulla johtajaksi sekä AI:ssa että terveydenhuollossa ja lisensoida tällaisen teknologian muiden maiden käyttöön.

Ennen kaikkea, kun maa, kuten Kanada, on perustanut sellaisen järjestelmän, teknologia/metodit voidaan kloonata ja viedä muihin alueisiin. Lopullinen tavoite olisi peittää koko maailma, jotta puhkeamat ovat menneisyyden jätteitä.

Tällaisen terveydenhuollon työntekijöiden keräämä tieto on hyödyllistä moniin sovelluksiin. Ei ole mitään syytä, miksi potilaan pitäisi rekisteröityä yksittäin jokaiselle sairaalalle ja miksi nämä sairaalat eivät viestisi toisiinsa reaaliajassa. Tällainen viestinnän puute voi johtaa tietojen menetykseen potilailla, jotka kärsivät dementiasta tai muista oireista, jotka voivat estää heitä kertomasta oireidensa vakavuudesta tai siitä, missä he ovat käyneet hoidossa.

Oppitunnit

Voimme toivoa, että hallitukset ympäri maailmaa hyödyntävät tärkeitä oppeja, joita koronavirus opettaa meille. Ihmiskunta voi pitää itseään onnekkaana, että koronavirus on suhteellisen lievä kuolleisuuslukuun nähden verrattuna joillekin aiempiin tartuntatauteihin, kuten musta surma, joka on arvioitu surmanneen 30-60 % Euroopan väestöstä.

Seuraavalla kerralla emme välttämättä ole yhtä onnekkaita, mitä tiedämme toistaiseksi, on, että hallitukset eivät ole valmiit käsittelemään puhkeamisen vakavuutta.

Bluedot perustettiin Toronton SARS-epidemian seurauksena vuonna 2003 ja lanseerattiin vuonna 2013. Tavoitteena oli suojella ihmisiä ympäri maailmaa tartuntataudeilta sekä ihmisen että tekoälyn avulla. AI-komponentti on osoittanut merkittävää kykyä ennustaa tartuntatautien leviämistä, mikä jää ihmisen komponentiksi. Tarvitsemme uusia politiikkoja, jotta yritykset, kuten BlueDot, voivat menestyä parhaalla tavalla. Meidän on vaadittava enemmän poliitikoilta ja terveydenhuollon tarjoajilta.