AIが私たちを第2波の準備に役立つ方法 – 思想家

著者：エリック・パターノスター、インフォシス・パブリック・サービスCEO

今まで、既存のデータサイエンスモデルは、COVID-19の感染力、発展の程度、そして新しいホットスポットでの発生について予測するのに十分な仕事をしていません。多くのモデルは、限られた情報で急いで開発されました。

しかし、AIモデルは、適応性が高く、スケーラブルで、自動化されたもので、社会学的、経済的、COVID関連の健康データを組み合わせて、世界経済が次の波が起こった場合に成功的に再開できるようにします。

このモデルで使用されるデータは、正確で統計的に有意義で、信頼性も高くなければなりません。R値、群れ免疫レベル、死亡率などのデータは、特にテストと接触者追跡戦略が整っていない地域では、推定が非常に難しい状況でした。また、良質なテストが行われた場合でも、免疫診断テストの種類や標本収集方法の違いにより、感度と特異度のレートに大きな差がありました。

データが不十分なだけでなく、モデル自体も欠陥がありました。ホワイトハウスが使用したモデルは、インスティテュート・フォー・ヘルス・メトリックス・アンド・イベレーションによって構築されましたが、地域の重要なパラメーターの違いを考慮していないだけでなく、中国、スペイン、イタリアでウイルスが人口に与えた影響と同じ影響を米国人口にも与えるという前提で構築されました。当然、米国には非常に異なる人口特性、隔離レベル、テストの可用性があります。

世界中の主要な大学によって開発された他のモデルは、感染の推定や重症化や死亡のリスクを高める要因を組み込んでいましたが、不正確な前提に基づいていたため、作業モデルにエラーが生じました。たとえば、インペリアル・カレッジ・ロンドンが初期に開発したモデルは、政府の介入がない場合でも人口の行動の明らかな変化を推論できなかったばかりか、ウイルスの再生産番号（R0）がこの行動の変化によりどのように変化するかについても理解が不足していました。

したがって、特に米国と英国では、非常に多くの混乱が生じました。準備なしに制限を緩和することは、高価なものとなりました。決定を下すために、より詳細なレベルでの情報が必要です。人口を分層して、最初にロックダウンから解放される人を決定する必要があります。接触者追跡を大規模に行うための戦略を実装し、将来的に医療が十分であることを保証する必要があります。

これを支援するために、人工ニューラルネットワークとディープラーニング技術を使用して、既存の疫学モデルを強化し、リアルタイムでよりダイナミックで反応性の高いものにする必要があります。このAIモデルは、半教師あり学習または教師なし学習を使用し、限られた入力のみで大規模なテスト報告書から学習し、予測することができます。自己維持可能で、現在のモデルに比べて学習および予測に必要なデータ量が少なく、継続的に入力パラメータを調整し、継続的に学習することで、予測は避けられない調整遅延に苦しむことはありません。

ディープラーニングを使用すると、AIは複雑なパターンを自動的に発見し、自己学習し、自己修復することができます。また、変数の精度を判断し、既存のCOVIDデータサイエンスモデルよりもはるかに信頼性の高い結果を生成することができます。

このAIモデルの重要なパラメータは、臨床テスト報告書、接触者追跡データ、広域データセットから抽出され、地域の人口特性、社会経済的地位、喫煙、薬物依存、肥満などのリスク要因を含みます。隔離された感染者が隔離され、感染を拡散できなくなった数は、このモデルに組み込まれます。

これにより、タスクフォースのリーダーは、予測可能な方法でこの危険な病気を抑制するために必要な洞察を得ることができ、次のリアルタイムで合理的な決定を下し、世界経済に強力で十分な情報に基づいた脱出戦略を提供することができます。