AI가 코로나바이러스를 예측하고 미래의 전염병을 예방할 수 있는 방법 – 의견

BlueDot AI 예측

1월 6일, 미국 질병통제예방센터(CDC)는 중국 후베이성 우한시에서 독감과 유사한 발병이 퍼지고 있다고 일반인에게 알렸다. 이후 세계보건기구(WHO)는 1월 9일에 유사한 보고서를 발표했다.

이러한 반응들은 적절한 것처럼 보이지만, BlueDot이라는 AI 회사와 비교할 때 느리다. BlueDot은 12월 31일에 보고서를 발표했는데, 이는 CDC가 유사한 정보를 발표한 것보다 일주일 전이었다.

더욱 놀라운 것은 BlueDot이 2016년 플로리다에서 지카 바이러스 발병을 6개월 전에 예측했다는 것이다.

BlueDot이 분석하는 일부 데이터셋은 무엇일까?

• 질병 감시, 이는 60개 이상의 언어로 된 10,000개 이상의 미디어 및 공공 출처를 스캔하는 것을 포함한다.
• 국가 센서스 및 국가 통계 보고서의 인구 통계 데이터. (인구 밀도는 바이러스 전파의 요인이다)
• NASA, NOAA 등에서 제공하는 실시간 기후 데이터. (바이러스가 특정 환경 조건에서 더 빠르게 퍼진다)
• 昆虫 벡터 및 동물 저장소. (바이러스가 종에서 종으로 퍼질 수 있을 때 중요하다)

BlueDot은 현재 글로벌 어페어즈 캐나다, 캐나다 보건부, 캐나다 의사 협회, 싱가포르 보건부를 포함한 다양한 정부 기관과 협력하고 있다. BlueDot Insights 제품은 거의 실시간으로 감염병 경보를 보낸다. 이 제품의 일부 장점은 다음과 같다:

• 일선 의료 근로자의 노출 위험 감소
• 전 세계 가시성이 감염병 감시 시간을 절약한다
• 중요한 정보를 너무 늦기 전에 명확하게 전달할 수 있는 기회
• 인구를 감염으로부터 보호할 수 있는 능력

AI 예측 가능성을 개선하는 방법

BlueDot AI 및 유사한 AI가 개선되는 것을 방해하는 것은 무엇일까? 가장 큰 제한 요인은 필요한 빅데이터에 실시간으로 접근할 수 없는 것이다.

이러한 예측 시스템은 인공 신경망(ANN)에 빅데이터를 입력하는 데 의존하는데, 이는 패턴을 찾기 위해 딥 러닝을 사용한다. ANN에 입력되는 데이터가 많을수록 기계 학습 알고리즘이 더 정확해진다.

즉, AI가 잠재적인 발병을 가능한 한 빨리 알릴 수 없는 이유는 단순히 필요한 데이터에 접근할 수 없기 때문이다. 중국과 같은 국가에서는 뉴스를 정기적으로 모니터링하고 필터링하기 때문에 이러한 지연이 더욱 두드러진다. 데이터의 검열 과정은 사용 가능한 데이터의 양을 크게 줄일 수 있고, 더 나쁨은 데이터의 정확성을 완전히 제거하여 데이터의 유용성을 없앨 수 있다. 잘못된 데이터는 이전의 노력인 Google Flu Trends가 실패한 이유이기도 했다.

다시 말해, AI 시스템이 발병을 가능한 한 빨리 예측하는 것을 방해하는 주요 문제는 정부의 간섭이다. 중국과 트럼프 행정부를 포함한 정부는 데이터 필터링에서 자신을 제거하고 글로벌 보건 문제에 대한 보도를 위해 언론에 완전한 접근을 허용해야 한다.

그럼에도 불구하고, 기자들은 사용 가능한 정보만으로 작업할 수 있다. 뉴스 보도를 우회하고 직접 출처에 접근하면 기계 학습 시스템이 데이터에 더 빠르고 효율적으로 접근할 수 있다.

해야 할 일

즉시 시작하여, 의료 비용을 줄이고 발병을 예방하려는 정부는 보건 클리닉과 병원이 공식, 기자, AI 시스템에 특정 데이터를 실시간으로 배포하는 방법을 검토하기 시작해야 한다.

개인 개인 정보는 각 환자에서 완전히 제거될 수 있으며, 환자는 익명으로 유지하면서 중요한 데이터를 공유할 수 있다.

도시의 병원 네트워크는 실시간으로 데이터를 수집하고 공유하면 우수한 의료 서비스를 제공할 수 있다. 예를 들어, 특정 병원이 10:00 AM에 유사한 독감 증상을 보이는 환자가 3명, 1:00 PM에 7명, 5:00 PM에 49명으로 증가한 것을 추적할 수 있다. 이 데이터는 같은 지역 내의 다른 병원과 비교하여 특정 지역이 잠재적인 핫존임을 즉시 알릴 수 있다.

이 정보가 수집되고 조립되면 AI 시스템은 인근 지역에 경보를 보내서 필요한 예방 조치를 취할 수 있다.

이것은 세계의某些 지역에서는 어려울 수 있지만, 캐나다와 같은 AI 허브와 작은 인구 밀도가 있는 국가에서는 이러한 고급 시스템을 도입할 수 있다. 캐나다에는 온타리오 주 워터루와 토론토, 퀘벡 주 몬트리올에 AI 허브가 있다. 이ような 병원 간 및 省 간 협력의 장점은 캐나다인에게 긴급 의료 서비스에 대한 가속된 접근 및 감소된 의료 비용과 같은 기타 이점을 제공할 수 있다. 캐나다에서는 AI와 의료에서 리더가 될 수 있으며, 이 기술을 다른 관할 구역에 라이선스할 수 있다.

가장 중요한 것은, 캐나다와 같은 국가가 시스템을 구축한 후에, 기술/방법론을 다른 지역으로 복제하고 수출할 수 있다. 궁극적으로, 목표는 발병이 과거의 유물이 되도록 세계 전체를 덮는 것이다.

의료 근로자가 수집하는 이러한 유형의 데이터 수집은 여러 응용 프로그램에ประโยชน이 있다. 2020년에 환자가 개별적으로 각 병원에 등록해야 하며, 병원들이 실시간으로 서로 통신하지 않는다는 이유는 없다. 이러한 통신의 부족은 치매 또는 기타 증상으로 인해 자신의 상태의 심각성을 완전히 전달할 수 없는 환자와 같은 데이터 손실을 초래할 수 있다.

배운 교훈

우리는 전 세계 정부가 코로나바이러스가 가르치는 중요한 교훈을 활용하기를 희망한다. 인류는 코로나바이러스가 과거의 일부 감염성 질환과 비교할 때 상대적으로 낮은 치사율을 가지고 있다는 것을幸運하게 생각해야 한다. 예를 들어, 흑사병은 유럽 인구의 30%에서 60%를 사망させ했다.

다음 번에는 그렇게幸運하지 않을 수 있다. 지금까지 알 수 있는 것은 정부가 발병의 심각성을 다루기에 현재 적절하게 준비되어 있지 않다는 것이다.

Bluedot은 2003년 토론토의 사스 발병 이후에 구상되었으며 2013년에 출시되었다. 목표는 감염병으로부터 세계의 사람들을 보호하는 것이었다. AI 구성 요소는 감염병의 경로를 예측하는 놀라운 능력을 보여주었다. 남은 것은 인간 구성 요소이다. 우리는 BlueDot과 같은 회사들이 최선을 다할 수 있도록 새로운 정책을 마련해야 한다. 우리는 정치인과 의료 제공자로부터 더 많은 것을 요구해야 한다.