Eerste Aanwijzingen Van De Wuhan-Virusuitbraak Werden Gevangen Door AI

Een AI-gestuurd gezondheidsmonitoring- en ziektedetectiesysteem was in staat om de tekenen van de Wuhan-virusuitbraak te detecteren ongeveer een week voordat de overheidswaarschuwingen aan het publiek werden gegeven, waardoor een kijkje werd gegeven op hoe AI kan worden gebruikt om ziekte-uitbraken op tijd te detecteren.

Terwijl de officiële World Health Organization-melding van de Wuhan-virus op 9 januari werd verstuurd en het US Center for Disease Control and Prevention (CDC) op 6 januari bericht kreeg over de uitbraak, werden de eerste waarschuwingssignalen van de uitbraak opgevangen door een Canadees gezondheidsmonitoringssysteem bijna een week eerder. Zoals Wired rapporteerde, waarschuwde het AI-gestuurde gezondheidssysteem BlueDot zijn klanten over een mogelijke uitbraak op 31 december. BlueDot gebruikt AI-algoritmen om wereldwijde nieuwsbronnen te monitoren en patronen in gezondheidsrapporten te detecteren. Het houdt ook rekening met informatie over plant- en diereziektenetwerken. Met behulp van de verzamelde informatie leveren BlueDot-epidemiologen waarschuwingen en voorspellingen over mogelijke gezondheidsrisico’s en uitbraken aan hun abonnees.

Bij het omgaan met een ziekte-uitbraak is vroege detectie altijd beter. Hoe eerder de detectie, hoe meer tijd gezondheidsfunctionarissen hebben om te reageren. In het geval van de Wuhan-virus en andere ziekte-uitbraken in China, is de Chinese regering vaak langzaam geweest in het delen van informatie met mondiale openbare gezondheidsfunctionarissen. Dit vormt een probleem, aangezien de CDC en de WHO afhankelijk zijn van communicatie van andere regeringsinstanties om hun eigen reacties te plannen. Echter, als een AI-systeem zoals BlueDot accurate voorspellingen kan doen op basis van de informatie die via individuele nieuwsrapporten, blogs en forums lekt, kan dit potentieel gezondheidsorganisaties in staat stellen sneller te reageren op uitbraken.

Volgens Kamran Khan, de oprichter van BlueDot, gebruikt het bedrijf geen socialemediadata bij het voorspellen van de verspreiding van ziekten, omdat de gegevens te variabel en rommelig zijn om nuttig te zijn. In plaats daarvan worden nieuwsrapporten, gegevens over bekende diereziektenetwerken en vliegticketgegevens gecombineerd om een model te creëren dat voorspelt waar infecties beginnen en waar geïnfecteerde mensen mogelijk naar toe reizen. BlueDot was in staat om correct te voorspellen dat de Wuhan-virus zich zou verspreiden naar Taipei, Tokio, Seoel en Bangkok binnen een paar dagen na zijn manifestatie.

BlueDot werd in 2014 gelanceerd door Khan en het bedrijf heeft momenteel 40 medewerkers, waaronder datawetenschappers, artsen en programmeurs die samenwerken om de ziektebewakings- en voorspellingsmodellen te creëren. Machine learning-algoritmen en technieken voor natuurlijke taalverwerking worden gebruikt om gegevens te ontginnen uit nieuwsrapporten over de hele wereld en in 65 verschillende talen. Khan zei tegen Wired:

“Wat we hebben gedaan, is natuurlijke taalverwerking en machine learning gebruiken om deze motor te trainen om te herkennen of dit een uitbraak van antrax in Mongolië is of een reünie van de heavy metalband Anthrax.”

Nadat de geautomatiseerde gegevensverzameling en initiële analyse zijn voltooid, controleren menselijke analisten de gegevens en zorgen ervoor dat de conclusies van het model logisch lijken. Ten slotte wordt een rapport gegenereerd en naar de klanten van de toepassing verzonden.

BlueDot’s systeem is verre van de eerste poging van het AI-veld om de verspreiding van ziekten te voorspellen. Datawetenschappers gebruiken big data en machine learning-modellen al enige tijd om de verspreiding van verschillende ziekten te volgen, met sommige pogingen die succesvoller zijn dan andere. Google (GOOGL ) probeerde zijn eigen hand te leggen aan het volgen van de verspreiding van ziekten met Google Flu Trends, maar de pogingen om de ernst van de griepepidemieën van 2013 te voorspellen waren naar verluidt ongeveer 140% verkeerd. Alleen de tijd zal leren of BlueDot consistent de verspreiding van ziekten kan voorspellen, maar als het dat kan, kan het de weg vrijmaken voor snellere, nauwkeurigere schattingen van ziekte-uitbraken.