कैसे एआई ने कोरोनावायरस की भविष्यवाणी की और भविष्य में महामारी को रोक सकता है – राय

ब्लू डॉट एआई पूर्वानुमान

6 जनवरी को, अमेरिका के रोग नियंत्रण और रोकथाम केंद्र (सीडीसी) ने सार्वजनिक रूप से सूचित किया कि चीन के हुबेई प्रांत के वुहान शहर में एक फ्लू जैसे प्रकोप का प्रसार हो रहा था। इसके बाद, विश्व स्वास्थ्य संगठन (डब्ल्यूएचओ) ने 9 जनवरी को एक समान रिपोर्ट जारी की।

इन प्रतिक्रियाओं को समय पर लग सकता है, लेकिन एआई कंपनी ब्लू डॉट की तुलना में वे धीमी थीं। ब्लू डॉट ने 31 दिसंबर को एक रिपोर्ट जारी की, जो सीडीसी द्वारा समान जानकारी जारी करने से एक सप्ताह पहले थी।

और भी प्रभावशाली, ब्लू डॉट ने 2016 में फ्लोरिडा में ज़िका प्रकोप की भविष्यवाणी छह महीने पहले ही कर दी थी, जब पहला मामला सामने आया था।

ब्लू डॉट किन डेटासेट का विश्लेषण करता है?

• रोग निगरानी, जिसमें 60 से अधिक भाषाओं में 10,000 से अधिक मीडिया और सार्वजनिक स्रोतों की जांच शामिल है।
• राष्ट्रीय जनगणना और राष्ट्रीय सांख्यिकी रिपोर्ट से जनसांख्यिकीय डेटा। (वायरस प्रसार के पीछे जनसंख्या घनत्व एक कारक है)
• नासा, नोआए, आदि से वास्तविक समय जलवायु डेटा। (वायरस कertain पर्यावरणीय परिस्थितियों में तेजी से फैलते हैं)
• कीट वेक्टर और जानवरों के भंडार (वायरस जब प्रजाति से प्रजाति में फैलता है तो महत्वपूर्ण होता है)।

ब्लू डॉट वर्तमान में विभिन्न सरकारी एजेंसियों के साथ काम करता है, जिनमें ग्लोबल अफेयर्स कैनेडा, पब्लिक हेल्थ एजेंसी ऑफ कैनेडा, कैनेडियन मेडिकल एसोसिएशन और सिंगापुर स्वास्थ्य मंत्रालय शामिल हैं। ब्लू डॉट इनसाइट्स उत्पाद लगभग वास्तविक समय में संक्रामक रोग अलर्ट भेजता है। इस उत्पाद के पीछे कुछ लाभ हैं:

• फ्रंटलाइन स्वास्थ्य देखभाल कर्मचारियों के लिए संक्रमण के जोखिम को कम करना
• वैश्विक दृश्यता संक्रामक रोग निगरानी पर समय की बचत की अनुमति देती है
• महत्वपूर्ण जानकारी को स्पष्ट रूप से संवाद करने का अवसर जो बहुत देर होने से पहले ही हो जाता है
• संक्रमण से आबादी की रक्षा करने की क्षमता

एआई पूर्वानुमान कैसे सुधारा जा सकता है

ब्लू डॉट एआई और इसी तरह के एआई को सुधारने से क्या रोकता है? नंबर एक सीमित कारक वास्तविक समय में आवश्यक बड़े डेटा तक पहुंच की अक्षमता है।

इन प्रकार के पूर्वानुमान प्रणाली बड़े डेटा पर निर्भर करती हैं जो एक कृत्रिम तंत्रिका नेटवर्क (एएनएन) में खिलाया जाता है, जो पैटर्न की तलाश में गहरे शिक्षण का उपयोग करता है। जितना अधिक डेटा इस एएनएन में खिलाया जाता है, मशीन लर्निंग अल्गोरिथ्म उतना ही सटीक होता जाता है।

यह मूल रूप से मतलब है कि एआई को एक संभावित प्रकोप को जल्द से जल्द ध्वजांकित करने से रोकने वाली बात केवल आवश्यक डेटा तक पहुंच की कमी है। चीन जैसे देशों में, जो नियमित रूप से समाचार की निगरानी और फिल्टर करते हैं, डेटा में देरी और भी अधिक है। प्रत्येक डेटा बिंदु की सेंसरिंग प्रक्रिया उपलब्ध डेटा की मात्रा को काफी कम कर सकती है, और इससे भी बदतर, डेटा की सटीकता को पूरी तरह से हटा सकती है, जो डेटा की उपयोगिता को हटा देती है। दोषपूर्ण डेटा ही क्योंकि पिछले प्रयासों जैसे गूगल फ्लू ट्रेंड्स विफल हो गए थे।

संक्षेप में, एआई प्रणाली को एक प्रकोप की भविष्यवाणी करने से रोकने वाली मुख्य समस्या सरकारी हस्तक्षेप है। चीन और वर्तमान ट्रम्प प्रशासन जैसी सरकारों को डेटा फिल्टरिंग से खुद को हटाने और स्वास्थ्य मुद्दों पर रिपोर्ट करने के लिए पूरी तरह से प्रेस तक पहुंच की अनुमति देने की आवश्यकता है।

रिपोर्टर केवल उस जानकारी के साथ काम कर सकते हैं जो उनके लिए उपलब्ध है। समाचार रिपोर्टों को बायपास करना और सीधे स्रोतों तक पहुंचना मशीन लर्निंग प्रणाली को डेटा को अधिक कुशलता से और समय पर पहुंचाने में सक्षम बनाता है।

क्या करने की आवश्यकता है

तत्काल प्रभाव से, स्वास्थ्य देखभाल की लागत को कम करने और प्रकोप को रोकने में वास्तव में रुचि रखने वाली सरकारों को अपने स्वास्थ्य क्लिनिकों और अस्पतालों को अधिकारियों, रिपोर्टरों और एआई प्रणालियों को वास्तविक समय में कुछ डेटा बिंदुओं को वितरित करने के लिए एक अनिवार्य समीक्षा शुरू करनी चाहिए।

प्रत्येक रोगी की व्यक्तिगत जानकारी पूरी तरह से हटाई जा सकती है, जिससे रोगी को गुमनाम रहते हुए महत्वपूर्ण डेटा साझा किया जा सकता है।

किसी भी शहर में अस्पतालों का एक नेटवर्क जो वास्तविक समय में डेटा एकत्र करता है और इसे साझा करता है, यह उच्च गुणवत्ता वाली स्वास्थ्य देखभाल प्रदान करने में सक्षम होगा। उदाहरण के लिए, यह ट्रैक किया जा सकता है कि एक विशिष्ट अस्पताल में फ्लू जैसे लक्षण वाले रोगियों की संख्या में वृद्धि हुई है, 10:00 बजे 3 रोगियों से लेकर 1:00 बजे 7 रोगियों तक, और 5:00 बजे तक 49 रोगियों तक। यह डेटा उसी क्षेत्र में अस्पतालों के साथ तुलना की जा सकती है ताकि तत्काल अलर्ट दिए जा सकें कि एक विशिष्ट क्षेत्र एक संभावित हॉटज़ोन है।

एक बार यह जानकारी एकत्र और इकट्ठा हो जाने के बाद, एआई प्रणाली आसपास के क्षेत्रों में अलर्ट ट्रिगर कर सकती है ताकि आवश्यक सावधानियां बरती जा सकें।

हालांकि यह दुनिया के कुछ क्षेत्रों में मुश्किल हो सकता है, कनाडा जैसे देश जो बड़े एआई हब और छोटी आबादी घनत्व वाले हैं, ऐसी उन्नत प्रणाली की स्थापना कर सकते हैं। कनाडा में ओंटारियो (वाटरलू और टोरंटो) और क्यूबेक (मॉन्ट्रियल) जैसे सबसे अधिक आबादी वाले प्रांतों में एआई हब हैं। इस अंतर- अस्पताल और अंतर-प्रांतीय सहयोग के लाभ कनाडाई लोगों को तेजी से आपातकालीन चिकित्सा देखभाल तक पहुंच और स्वास्थ्य देखभाल पर खर्च में कमी जैसे अन्य लाभ प्रदान करने के लिए विस्तारित किए जा सकते हैं। कनाडा एआई और स्वास्थ्य देखभाल दोनों में एक नेता बन सकता है, और इस प्रौद्योगिकी/विधियों को अन्य क्षेत्राधिकारों को लाइसेंस दे सकता है।

सबसे महत्वपूर्ण बात, एक बार जब कनाडा जैसा देश एक प्रणाली की स्थापना कर लेता है, तो प्रौद्योगिकी/विधियों को अन्य क्षेत्रों में क्लोन और निर्यात किया जा सकता है। अंतिम लक्ष्य पूरे विश्व को कवर करना होगा, ताकि प्रकोप एक चीज़ की बात हो जाए जो अतीत की बात है।

स्वास्थ्य देखभाल कर्मचारियों द्वारा इस प्रकार के डेटा संग्रह के कई अनुप्रयोगों के लाभ हैं। 2020 में, कोई कारण नहीं है कि एक रोगी को प्रत्येक अस्पताल के साथ व्यक्तिगत रूप से पंजीकरण करना चाहिए, और उन अस्पतालों के बीच वास्तविक समय में संवाद नहीं होना चाहिए। रोगियों के साथ डेटा की कमी जो मनोभ्रंश या अन्य लक्षणों से पीड़ित हैं जो उन्हें अपनी स्थिति की गंभीरता या जहां उन्हें पहले इलाज किया गया था, उसकी पूरी तरह से संवाद करने से रोक सकते हैं।

सीखे गए सबक

हमें उम्मीद करनी चाहिए कि दुनिया भर की सरकारें कोरोनावायरस से सीखे गए महत्वपूर्ण सबकों का लाभ उठाएं। मानवता को खुद को भाग्यशाली मानना चाहिए कि कोरोनावायरस की तुलना में अपेक्षाकृत मामूली मृत्यु दर है, कुछ संक्रामक एजेंटों की तुलना में जो अतीत में थे, जैसे कि ब्लैक प्लेग जिसने यूरोप की 30% से 60% आबादी को मार डाला था।

अगली बार हम इतने भाग्यशाली नहीं हो सकते हैं, जो हमें अभी तक पता है, वह यह है कि सरकारें वर्तमान में प्रकोप की गंभीरता से निपटने के लिए तैयार नहीं हैं।

ब्लू डॉट की शुरुआत 2003 के टोरंटो के सार्स प्रकोप के बाद हुई थी और 2013 में लॉन्च किया गया था। लक्ष्य दुनिया भर के लोगों को संक्रामक रोगों से मानव और कृत्रिम बुद्धिमत्ता के साथ बचाना था। एआई घटक ने संक्रामक रोगों के पथ की भविष्यवाणी करने में उल्लेखनीय क्षमता का प्रदर्शन किया है, जो शेष है वह मानव घटक है। हमें ऐसी कंपनियों को उत्कृष्टता प्राप्त करने के लिए नई नीतियों की आवश्यकता है जो वे करते हैं। हमें अपने राजनेताओं और स्वास्थ्य प्रदाताओं से अधिक मांग करने की आवश्यकता है।