AI は第 XNUMX 波への備えにどのように役立つか – 思想的リーダー

By エリック・パターノスター、Infosys Public Services の CEO

これまでのところ、既存のデータ サイエンス モデルは、新型コロナウイルス感染症の感染のしやすさ、その発展の程度、新たなホットスポットでの流行の予測において最善の成果を上げていません。 多くは急いで開発され、情報は限られていました。

しかし、AI モデルは適応性があり、規模に合わせて構築され、自動化され、社会学的、経済的、および新型コロナウイルス関連の健康データをまとめて処理することで、別の波が発生した場合でも経済を正常に再開できるようになります。

このモデルで使用されるデータは、正確かつ統計的に有意である必要があります。 また、信頼できるものでなければなりません。 これまでのところ、R 値、集団免疫レベル、致死率などを地理的に推定することは、特に一貫した検査や接触者追跡戦略がない場所では非常に困難でした。 もうXNUMXつの問題は、たとえ良好な検査が実施されたとしても、免疫診断検査の種類や検体採取技術の違いにより、感度と特異度に大きな差が生じることだった。

データが精彩を欠いているだけでなく、モデル自体にも欠陥があります。 ホワイトハウスが使用した、保健指標評価研究所が構築したモデルは、主要な地域パラメータの違いを考慮しておらず、ウイルスが中国、スペイン、イタリアと同じように人口に影響を与えると想定していた。 。 もちろん、米国では人口の特徴、隔離のレベル、検査の受けやすさが大きく異なります。

多くの場合、世界中の一流大学によって開発された他のモデルは、もう少し良い結果を出しました。 彼らは、伝染病の推定値と、重篤な病気や死亡のリスクを高める要因を組み込んでいます。 しかし、これらも不正確な仮定に基づいており、作業モデルにエラーが発生しました。 例えば、ロンドンのインペリアル・カレッジが最初に開発したモデルは、政府による介入がなかった場合でも依然として生じるであろう人口行動の明らかな変化を推測することができなかった。 また、この動作によりウイルスの再生産 (R0) 数が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、特に米国と英国でこれほど多くの混乱が生じたのも不思議ではありません。 たとえ病気が再発する可能性がある場合でも、放射性降下物への備えをせずに規制を緩和すると、コストが高くつく。 意思決定をより詳細なレベルで知らせるための措置を今すぐ講じる必要があります。 誰が最初にロックダウンから解放されるかを決定するには、人口を階層化する必要があります。 大規模な接触追跡を可能にし、将来的に十分な医療を確保するための戦略を導入する必要があります。

これを支援するには、人工ニューラル ネットワークと深層学習技術を使用して、既存の疫学モデルを強化し、リアルタイムでの動的かつ応答性の高いモデル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、大規模なテスト レポートからの限られた入力でも機能します。これは自立型であり、現在のモデルと比較して、学習と予測に必要なデータ量が削減されます。入力パラメーターを継続的に調整し、継続的に学習することで、モデルは避けられない調整遅延に悩まされない予測を生成します。

ディープラーニングを使用すると、AI が複雑なパターンを発見し、自己学習し、自動的に自己修復できるようになります。 異常を自動検出でき、変数の精度を判断することもできるため、既存の 新型コロナウイルス 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が得られます。

この AI モデルの主要なパラメーターは、臨床検査レポート、接触追跡データ、大規模な地域データセットから抽出され、地域の人口特性、社会経済的状態、喫煙、薬物依存、肥満などの危険因子が含まれます。 隔離されて感染を広めることができなくなった感染者の数がモデルに組み込まれることになる。

これにより、対策本部のリーダーは、この危険な病気を積極的に食い止めるために必要な洞察が得られ、ほぼリアルタイムで合理的な意思決定ができ​​るようになり、世界経済に堅牢で十分な情報に基づいた出口戦略が提供されることになります。