Første hint om Wuhan-virusutbruddet ble fanget av AI

En AI-drevet helseovervåkings- og sykdomsdeteksjonsplattform var i stand til å fange tegnene på Wuhan-virusutbruddet omtrent en uke før regjeringens helsemyndigheter advarte offentligheten, og ga en glimt av hvordan AI kan brukes til å fange sykdomsutbrudd i tide.

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 helseovervåkingssystem 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 forskjellige globale nyhetskilder og detektere mønster i helsesrapporter. Det tar også hensyn til informasjon om plantesykdommer og dyresykdommer. Ved hjelp av informasjonen det samler inn, leverer Bluedot-epidemiologer advarsler og forutsigelser om mulige helsesikkerhetsrisikoer 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 regjeringer for å planlegge sine egne reaksjoner. Men hvis et AI-system som BlueDot kan gjøre nøyaktige forutsigelser basert på informasjonen som lekker gjennom fra mange enkeltstående nyhetsrapporter, blogger og fora, 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 uordentlige til å være nyttige. I stedet kombineres nyhetsrapporter, data om kjente dyresykdommer og flybillettdata for å skape en modell som forutsier hvor infeksjoner starter og hvor infiserte personer kan reise neste. BlueDot var korrekt i stand til å 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 sykdomsovervåkings- og forutsigelsesmodellene. Maskinlæringsalgoritmer og naturligspråklig prosesseringsteknikk brukes til å utvinne data fra nyhetsrapporter over hele verden og dekker 65 forskjellige språk. Khan sa til Wired:

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

Etter at den automatiske datainnsamlingen og den innledende analysen er fullført, dobbeltsjekker menneskelige analytikere dataene og sikrer at modellens konklusjoner ser ut til å være gyldige. 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 forskjellige sykdommer i noen tid nå, med noen forsøk som er mer suksessfulle enn andre. Google (GOOGL ) 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 med omtrent 140%. Bare tid vil vise om BlueDot kan forutsi spredningen av sykdommer på en konsekvent måte, men hvis de kan, kan det åpne veien for raskere og mer nøyaktige estimater av sykdomsutbrudd.