Første hint om Wuhan-virusutbruddet ble fanget av AI

Et AI-drevet helseovervåkningssystem og sykdomsdeteksjonssystem kunne fange tegnene på Wuhan-virusutbruddet omtrent en uke før offentlige myndigheter advarte allmennheten, og ga et innblikk i hvordan AI kan brukes til å fange sykdomsutbrudd på en tidlig måte.

Mens den offisielle Verdens helseorganisasjons varsling om Wuhan-viruset gikk ut den 9. januar og USAs sentre for sykdomskontroll og forebygging (CDC) mottok melding om utbruddet den 6. januar, ble de første advarselstegnene på utbruddet fanget av et canadisk helseovervåkningssystem nesten en uke tidligere. Som Wired rapporterte, advarte det AI-drevne helsesystemet BlueDot sine kunder om det mulige utbruddet den 31. desember. BlueDot bruker AI-algoritmer til å overvåke ulike globale nyhetskilder og detektere mønster i helsesrapporter. Det tar også hensyn til informasjon om plant- og dyresykdomsnettverk. Ved hjelp av informasjonen det samler inn, leverer BlueDot-epidemiologer advarsler og prediksjoner om mulige helseproblemer og utbrudd til sine abonnenter.

Når det gjelder et utbrudd av sykdom, er tidlig oppdaging alltid bedre. Jo tidligere oppdagingen skjer, jo mer tid har helsemyndighetene til å reagere. I tilfelle Wuhan-viruset og andre sykdomsutbrudd i Kina, har den kinesiske regjeringen ofte vært sen med å dele informasjon med globale helsemyndigheter. Dette utgjør et problem, da CDC og WHO avhenger av kommunikasjon fra andre myndigheter for å planlegge sine egne reaksjoner. Men hvis et AI-system som BlueDot kan gjøre nøyaktige prediksjoner basert på informasjonen som lekker gjennom fra mange enkeltstående nyhetsrapporter, blogger og forum, kan dette potensielt muliggjøre at helseorganisasjoner kan reagere raskere på utbrudd.

Ifølge Kamran Khan, grunnleggeren av BlueDot, bruker selskapet ikke sosiale medier når de forutsier spredningen av sykdommer, fordi dataene er for variable og uordnete til å være nyttige. I stedet kombineres nyhetsrapporter, data om kjente dyresykdomsnettverk og flybillettdata for å skape en modell som forutsier hvor infeksjoner begynner og hvor infiserte personer kan reise neste. BlueDot kunne korrekt forutsi at Wuhan-viruset ville spre seg til Taipei, Tokyo, Seoul og Bangkok innen få dager etter det første utbruddet.

BlueDot ble lansert av Khan i 2014, og selskapet har i dag 40 ansatte, inkludert dataforskere, leger og programmerere som arbeider sammen for å skape sykdomsovervåkning og prediksjonsmodeller. Maskinlæringsalgoritmer og naturlig språkbehandlingsteknikker brukes til å utvinne data fra nyhetsrapporter som dekker 65 forskjellige språk over hele verden. Khan sa til Wired:

“Hva vi har gjort, er å bruke naturlig språkbehandling og maskinlæring til å trene denne motoren til å gjenkjenne om dette er et utbrudd av antraks i Mongolia eller en gjenforening av heavy metal-bandet Anthrax.”

Etter at den automatiske datainnsamlingen og den første analysen er fullført, dobbeltsjekker menneskelige analytikere dataene og sikrer at modellens konklusjoner ser ut til å være solide. Til slutt genereres en rapport og sendes ut til kundene av applikasjonen.

BlueDots system er langt ifra det første forsøket fra AI-feltet til å forutsi spredningen av sykdommer. Dataforskere har brukt store data og maskinlæringsmodeller til å spore spredningen av ulike sykdommer i noen tid nå, med noen forsøk som er mer vellykkede enn andre. Google prøvde sin egen hånd til å spore spredningen av sykdom med Google Flu Trends, men deres forsøk på å forutsi alvorlighetsgraden av influensa-sesongen i 2013 var rapportert å være feil av omtrent 140%. Bare tiden vil vise om BlueDot kan konsekvent forutsi spredningen av sykdommer, men hvis det kan, kan det bana vei for raskere og mer nøyaktige estimater av sykdomsutbrudd.