Bagaimana AI Memprediksi Coronavirus dan Dapat Mencegah Wabah di Masa Depan – Opini

Prediksi AI BlueDot

Pada tanggal 6 Januari, Pusat Pengendalian dan Pencegahan Penyakit (CDC) Amerika Serikat mengumumkan kepada publik bahwa wabah seperti flu sedang menyebar di Kota Wuhan, Provinsi Hubei, Cina. Kemudian, Organisasi Kesehatan Dunia (WHO) merilis laporan serupa pada tanggal 9 Januari.

Sementara respons ini mungkin tampak tepat waktu, mereka terlambat dibandingkan dengan perusahaan AI yang disebut BlueDot. BlueDot merilis laporan pada tanggal 31 Desember, satu minggu penuh sebelum CDC merilis informasi serupa.

Lebih mengesankan, BlueDot memprediksi wabah Zika di Florida enam bulan sebelum kasus pertama pada tahun 2016.

Apa saja beberapa dataset yang dianalisis BlueDot?

• Pengawasan Penyakit, ini termasuk memindai 10.000+ sumber media dan publik dalam lebih dari 60 bahasa.
• Data demografi dari sensus nasional, dan laporan statistik nasional. (Kepadatan penduduk adalah faktor di balik penyebaran virus)
• Data iklim waktu nyata dari NASA, NOAA, dll. (Virus menyebar lebih cepat dalam kondisi lingkungan tertentu)
• Vektor serangga dan reservoir hewan (Penting ketika virus dapat menyebar dari spesies ke spesies).

BlueDot saat ini bekerja dengan berbagai lembaga pemerintah termasuk Urusan Global Kanada, Badan Kesehatan Masyarakat Kanada, Asosiasi Medis Kanada, dan Kementerian Kesehatan Singapura. Produk BlueDot Insights mengirim peringatan penyakit menular hampir waktu nyata. Beberapa kelebihan di balik produk ini termasuk:

• Mengurangi risiko paparan pekerja kesehatan garis depan
• Visibilitas global memungkinkan penghematan waktu pada pengawasan penyakit menular
• Kesempatan untuk mengkomunikasikan informasi penting dengan jelas sebelum terlambat.
• Kemampuan untuk melindungi populasi dari infeksi

Bagaimana Kemampuan Prediksi AI Dapat Ditingkatkan

Apa yang mencegah BlueDot AI dan AI serupa untuk meningkatkan? Faktor pembatas utama adalah ketidakmampuan untuk mengakses data besar dalam waktu nyata.

Sistem prediktif ini bergantung pada data besar yang dimasukkan ke dalam jaringan saraf tiruan (ANN), yang menggunakan pembelajaran dalam untuk mencari pola. Semakin banyak data yang dimasukkan ke dalam ANN, maka algoritma pembelajaran mesin menjadi lebih akurat.

Ini pada dasarnya berarti bahwa apa yang mencegah AI untuk dapat memperingatkan kemungkinan wabah lebih awal, adalah hanya kurangnya akses ke data yang diperlukan. Di negara-negara seperti Cina yang secara teratur memantau dan menyaring berita, keterlambatan pada data yang diperlukan menjadi lebih parah. Proses penyensoran setiap datapoint dapat secara signifikan mengurangi jumlah data yang tersedia, dan lebih buruk lagi, dapat bahkan menghilangkan akurasi data, yang menghilangkan potensi kegunaan data. Data yang salah bahkan mengapa upaya sebelumnya seperti Google Flu Trends gagal.

Dengan kata lain, masalah utama yang mencegah sistem AI untuk sepenuhnya dapat memprediksi wabah secepat mungkin adalah intervensi pemerintah. Pemerintah seperti Cina, dan administrasi Trump saat ini, perlu menghapus diri dari jenis penyaringan data, dan memungkinkan akses penuh ke pers untuk melaporkan masalah kesehatan global.

Itu dikatakan, para reporter hanya dapat bekerja dengan informasi yang tersedia untuk mereka. Menghindari laporan berita dan mengakses sumber langsung akan memungkinkan sistem pembelajaran mesin untuk mengakses data dalam waktu yang lebih cepat dan lebih efisien.

Apa yang Perlu Dilakukan

Mulai sekarang, Pemerintah yang benar-benar tertarik untuk mengurangi biaya kesehatan, dan mencegah wabah, harus memulai tinjauan wajib tentang bagaimana klinik kesehatan dan rumah sakit mereka dapat mendistribusikan datapoint tertentu dalam waktu nyata kepada pejabat, reporter, dan sistem AI.

Informasi pribadi individu dapat sepenuhnya dihilangkan dari setiap pasien, memungkinkan pasien untuk tetap anonim sementara data penting dibagikan.

Jaringan rumah sakit di kota yang mengumpulkan data dalam waktu nyata dan berbagi data ini akan dapat menawarkan kesehatan yang superior. Misalnya, dapat dilacak bahwa rumah sakit tertentu telah menunjukkan peningkatan pasien dengan gejala seperti flu, dengan 3 pasien pada pukul 10:00 pagi, hingga 7 pasien pada pukul 13:00, hingga 49 pasien pada pukul 17:00. Data ini dapat dibandingkan dengan rumah sakit di dalam wilayah yang sama, untuk peringatan segera bahwa wilayah tertentu adalah potensi zona panas.

Setelah informasi ini dikumpulkan dan disusun, sistem AI dapat memicu peringatan ke semua wilayah tetangga sehingga tindakan pencegahan yang diperlukan dapat dilakukan.

Sementara ini akan sulit di beberapa wilayah di dunia, negara-negara dengan pusat AI besar dan kepadatan penduduk yang lebih kecil seperti Kanada dapat membangun sistem seperti itu. Kanada memiliki pusat AI di provinsi yang paling padat penduduknya (Waterloo dan Toronto, Ontario, dan Montreal, Quebec). Kelebihan dari kerja sama antar-rumah sakit dan antar-provinsi ini dapat diperluas untuk menawarkan warga Kanada manfaat lain seperti akses yang dipercepat ke perawatan medis darurat, dan pengeluaran kesehatan yang berkurang. Kanada dapat menjadi pemimpin dalam AI dan kesehatan, melisensikan teknologi ini ke yurisdiksi lain.

Yang paling penting, setelah negara seperti Kanada memiliki sistem di tempat, teknologi/metodologi dapat kemudian dikloning dan diekspor ke wilayah lain. Akhirnya, tujuannya adalah untuk menutupi seluruh dunia, untuk memastikan wabah menjadi hal yang langka di masa depan.

Pengumpulan data ini oleh pekerja kesehatan memiliki manfaat untuk aplikasi lain. Tidak ada alasan mengapa pada tahun 2020 pasien harus mendaftar diri mereka dengan setiap rumah sakit secara individu, dan bahwa rumah sakit tersebut tidak berkomunikasi satu sama lain dalam waktu nyata. Kekurangan komunikasi ini dapat mengakibatkan kehilangan data pada pasien yang menderita demensia, atau gejala lain yang mungkin mencegah mereka untuk sepenuhnya mengkomunikasikan tingkat keparahan kondisi mereka, atau bahkan di mana mereka telah dirawat sebelumnya.

Pelajaran yang Dipelajari

Kita hanya dapat berharap bahwa pemerintah di seluruh dunia, mengambil keuntungan dari pelajaran penting yang coronavirus ajarkan kepada kita. Kemanusiaan harus menganggap diri mereka beruntung bahwa coronavirus memiliki tingkat kematian yang relatif rendah dibandingkan dengan beberapa agen infeksi di masa lalu seperti Wabah Hitam yang diperkirakan telah membunuh 30% hingga 60% dari populasi Eropa.

Kali berikutnya kita mungkin tidak beruntung, apa yang kita ketahui sejauh ini, adalah bahwa pemerintah saat ini tidak siap untuk menangani keparahan wabah.

Bluedot dikonseptualisasikan dalam menghadapi wabah SARS Toronto pada tahun 2003 dan diluncurkan pada tahun 2013. Tujuannya adalah untuk melindungi orang-orang di seluruh dunia dari penyakit menular dengan kecerdasan manusia dan buatan. Komponen AI telah menunjukkan kemampuan luar biasa untuk memprediksi jalur penyakit menular, apa yang tersisa adalah komponen manusia. Kita memerlukan kebijakan baru untuk memungkinkan perusahaan seperti BlueDot untuk melakukan yang terbaik. Sebagai orang, kita perlu menuntut lebih dari politisi dan penyedia kesehatan kita.