AI가 코로나바이러스 예측과 미래의 전염병 예방 – 의견

블루닷 AI 예측

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

이러한 대응은 적절한 것으로 보이지만, 블루닷이라는 AI 회사에 비하면 느렸다. 블루닷은 12월 31일에 보고서를 발표했는데, 이는 CDC가 유사한 정보를 발표한 지 1주일 전이었다.

더욱 놀라운 것은 블루닷이 2016년 플로리다에서 제카 바이러스 발병을 6개월 전에 예측했다는 것이다.

블루닷이 분석하는 데이터셋은 무엇인가?

• 질병 감시, 60개 이상의 언어로 된 10,000개 이상의 미디어 및 공공 자료를 스캔한다.
• 국가 인구 통계 및 국가 통계 보고서의 인구 통계 데이터. (인구 밀도는 바이러스 전파의 요인이다)
• NASA, NOAA 등에서 제공하는 실시간 기후 데이터. (특정 환경 조건에서 바이러스가 더 빠르게 전파된다)
• 昆虫 매개체 및 동물 저장소. (바이러스가 종에서 종으로 전파되는 경우 중요하다)

블루닷은 현재 글로벌 어페어즈 캐나다, 캐나다 보건 기관, 캐나다 의사 협회, 싱가포르 보건부 등 다양한 정부 기관과 협력하고 있다. 블루닷 인사이트 제품은 감염병 경보를 실시간으로 전송한다. 이 제품의 일부 장점은 다음과 같다:

• 전방 의료 종사자의 노출 위험 감소
• 전 세계적으로 감염병 감시 시간 절약
• 중요한 정보를 kịp時に 전달할 수 있는 기회
• 인구를 감염으로부터 보호할 수 있는 능력

AI 예측성 향상을 위한 방법

블루닷 AI와 같은 시스템이 더 향상되지 못하는 이유는 무엇일까? 가장 큰 제한 요인은 필요한 빅데이터에 실시간으로 접근할 수 없는 것이다.

이러한 예측 시스템은 인공 신경망(ANN)에 빅데이터를 입력하여 패턴을 찾는 深層 학습을 사용한다. ANN에 입력되는 데이터가 많을수록 기계 학습 알고리즘이 더 정확해진다.

즉, AI가 잠재적인 발병을 가능한 한 빨리 경고할 수 없는 이유는 필요한 데이터에 접근할 수 없기 때문이다. 중국과 같은 국가에서는 뉴스와 데이터를 필터링하고 감시하기 때문에 이러한 지연이更加 두드러진다. 데이터의 검열 과정은 사용 가능한 데이터의 양을 줄이고, 심지어 데이터의 정확성을 완전히 제거할 수도 있다. 잘못된 데이터는 구글 플루 트렌드와 같은 이전 시도가 실패한 이유이기도 하다.

다시 말해, AI 시스템이 발병을 가능한 한 빨리 예측할 수 없는 주요 문제는 정부의 간섭이다. 중국과 트럼프 행정부 gibi 정부는 데이터 필터링에서 손을 뗄 필요가 있으며, 언론이 세계 보건 문제에 대해 보고할 수 있도록 해야 한다.

그렇지만 기자들은 이용 가능한 정보만으로 작업할 수 있다. 뉴스 보고서를 우회하고 소스를 직접 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 데이터를 실시간으로 공무원, 기자, AI 시스템에 분배할 수 있는 방법을 검토해야 한다.

개인 정보는 완전히匿名化될 수 있으며, 중요한 데이터는 공유될 수 있다.

도시의 병원이 실시간으로 데이터를 수집하고 공유한다면, 우수한 의료 서비스를 제공할 수 있다. 예를 들어, 특정 병원이 독감과 유사한 증상을 보이는 환자가 증가하고 있는 것을 추적할 수 있다. 10:00에 3명, 13:00에 7명, 17:00에 49명이다. 이 데이터는 같은 지역의 다른 병원과 비교하여 즉각적인 경보를 발령할 수 있다.

이 정보가 수집되고 조립되면, AI 시스템은 인근 지역에 경보를 발령하여 필요한 조치를 취할 수 있다.

이것은 세계의某些 지역에서는 어려울 수 있지만, 캐나다와 같은 AI 허브와 비교적 작은 인구 밀도를 가진 국가에서는 이러한 시스템을 도입할 수 있다. 캐나다에는 온타리오와 퀘벡에 AI 허브가 있다. 이러한 병원 간 및 省 간 협력의 장점은 캐나다인에게 긴급 의료 서비스에 대한 접근을 가속화하고, 의료 비용을 줄이는 등 다른 이점을 제공할 수 있다. 캐나다는 AI와 의료 분야에서 선도적 역할을 할 수 있으며, 이러한 기술을 다른 지역에 라이선스할 수 있다.

가장 중요한 것은, 캐나다와 같은 국가가 이러한 시스템을 도입하면, 기술/방법론을 다른 지역에 복제하여 수출할 수 있다. 궁극적인 목표는 전 세계를 커버하여 발병을 과거의 유물로 만들기 위한 것이다.

의료 종사자가 데이터를 수집하는 것은 여러 가지 적용에ประโยชน이 있다. 2020년에 환자가 각 병원에 개별적으로 등록해야 하며, 병원이 실시간으로 서로 통신하지 않는다는 것은 말이 되지 않는다. 이러한 통신의 부족은 치매나 기타 증상을 앓는 환자에게 데이터를 손실할 수 있으며, 심지어 환자의 상태나 이전에哪里에 치료받았는지에 대한 정보를 완전히 잃을 수 있다.

배운 교훈

우리는 전 세계 정부가 코로나바이러스가 우리에게 가르치는 중요한 교훈을 활용하기를หว한다. 인류는 코로나바이러스가 비교적 낮은 치사율을 가지고 있다는 것을幸運으로 여겨야 한다. 과거의 전염병과 비교했을 때, 예를 들어 흑사병은 유럽 인구의 30%에서 60%를 사망させ었다.

다음에 발병이 발생했을 때, 우리는 그렇게幸運하지 않을 수도 있다. 지금까지 알 수 있는 것은, 정부가 발병의 심각성을 다룰 준비가되어 있지 않다는 것이다.

블루닷은 2003년 토론토의 사스 발병 이후에 구상되었으며 2013년에 출시되었다. 목표는 인공지능과 인간 지능을 사용하여 전 세계 사람들을 감염병으로부터 보호하는 것이었다. AI 구성 요소는 감염병의 경로를 예측하는 놀라운 능력을 보여주었다. 이제 남은 것은 인간의 구성 요소이다. 우리는 블루닷과 같은 회사들이 최선을 다할 수 있도록 새로운 정책을 도입해야 한다. 우리는 정치인과 의료 제공자로부터 더 많은 것을 요구해야 한다.