Jak AI przewidziało koronawirusa i może zapobiec przyszłym pandemiom – Opinia

Przewidywanie AI BlueDot

6 stycznia Centra Kontroli i Prewencji Chorób (CDC) w Stanach Zjednoczonych poinformowały publicznie, że w Wuhan City, w prowincji Hubei w Chinach, rozprzestrzenia się epidemia grypopodobna. Następnie Światowa Organizacja Zdrowia (WHO) opublikowała podobny raport 9 stycznia.

Choć te odpowiedzi mogą wydawać się terminowe, były spóźnione w porównaniu z firmą AI o nazwie BlueDot. BlueDot opublikowała raport 31 grudnia, pełny tydzień przed tym, jak CDC opublikowały podobne informacje.

Jeszcze bardziej imponujące, BlueDot przewidziała wybuch Zika na Florydzie sześć miesięcy przed pierwszym przypadkiem w 2016 roku.

Jakie są niektóre z zestawów danych, które BlueDot analizuje?

• Nadzór nad chorobami, obejmujący skanowanie 10 000+ źródeł medialnych i publicznych w ponad 60 językach.
• Dane demograficzne z narodowych spisów powszechnych i raportów statystycznych. (Gęstość zaludnienia jest czynnikiem stojącym za propagacją wirusa)
• Dane klimatyczne w czasie rzeczywistym z NASA, NOAA itp. (Wirusy rozprzestrzeniają się szybciej w określonych warunkach środowiskowych)
• Wektory owadzie i zbiorniki zwierzęce (Ważne, gdy wirus może rozprzestrzeniać się między gatunkami).

BlueDot obecnie współpracuje z różnymi agencjami rządowymi, w tym z Global Affairs Canada, Public Health Agency of Canada, Canadian Medical Association i Singapore Ministry of Health. Produkt BlueDot Insights wysyła alarmy o chorobach zakaźnych w czasie rzeczywistym. Niektóre zalety tego produktu obejmują:

• Zmniejszenie ryzyka narażenia pracowników służby zdrowia na pierwszą linię
• Globalna widoczność umożliwia oszczędność czasu w nadzorze nad chorobami zakaźnymi
• Możliwość komunikowania istotnych informacji w sposób jasny przed czasem.
• Możliwość ochrony populacji przed infekcjami

Jak przewidywalność AI może być udoskonalona

Co powstrzymuje AI BlueDot i podobne AI przed udoskonaleniem? Głównym czynnikiem ograniczającym jest brak dostępu do niezbędnych danych w czasie rzeczywistym.

Rodzaj systemów przewidywania opiera się na danych wprowadzanych do sztucznej sieci neuronowej (ANN), która wykorzystuje głębokie uczenie do wyszukiwania wzorców. Im więcej danych wprowadzonych do ANN, tym bardziej dokładny staje się algorytm uczenia maszynowego.

Oznacza to, że to, co powstrzymuje AI przed możliwością wcześniejszego zidentyfikowania potencjalnego wybuchu, jest po prostu brak dostępu do niezbędnych danych. W krajach takich jak Chiny, które regularnie monitorują i filtrowują wiadomości, opóźnienia w dostępie do niezbędnych danych są jeszcze bardziej wyraźne. Proces cenzurowania każdego punktu danych może znacznie zmniejszyć ilość dostępnych danych i co gorsza, może nawet całkowicie usunąć dokładność tych danych, co usuwa potencjalną przydatność tych danych. Błędne dane były nawet powodem, dla którego poprzednie próby, takie jak Google Flu Trends, nie powiodły się.

Innymi słowy, głównym problemem, który powstrzymuje systemy AI przed możliwością pełnego przewidywania wybuchu jak najwcześniej, jest ingerencja rządowa. Rządy, takie jak Chiny i obecna administracja Trumpa, muszą wycofać się z jakiejkolwiek filtracji danych i umożliwić pełny dostęp do prasy do raportowania o globalnych problemach zdrowotnych.

To powiedziawszy, dziennikarze mogą pracować tylko z informacjami, które są dostępne im. Omijanie raportów i uzyskiwanie dostępu do źródeł bezpośrednio umożliwiłoby systemom uczenia maszynowego uzyskanie dostępu do danych w sposób bardziej terminowy i wydajny.

Co należy zrobić

Rozpoczynając natychmiast, rządy, które są prawdziwie zainteresowane zmniejszeniem kosztów opieki zdrowotnej i zapobieganiem wybuchom, powinny rozpocząć obowiązkową kontrolę, w jaki sposób ich kliniki i szpitale mogą dystrybuować pewne punkty danych w czasie rzeczywistym do urzędników, dziennikarzy i systemów AI.

Prywatne informacje indywidualne mogą być całkowicie usunięte z każdego pacjenta, umożliwiając pacjentowi pozostanie anonimowym, podczas gdy ważne dane są udostępniane.

Sieć szpitali w dowolnym mieście, która gromadzi dane w czasie rzeczywistym i udostępnia te dane, mogłaby zaoferować lepszą opiekę zdrowotną. Na przykład, można było śledzić, że konkretny szpital wykazał wzrost pacjentów z objawami grypopodobnymi, z 3 pacjentami o 10:00, do 7 pacjentów o 13:00, do 49 pacjentów o 17:00. Te dane mogłyby być porównane z szpitalami w tym samym regionie, w celu natychmiastowych alarmów, że określony region jest potencjalną strefą zagrożenia.

Gdy tylko te informacje zostaną zebrane i złożone, system AI mógłby wyzwolić alarmy do wszystkich sąsiednich regionów, aby niezbędne środki ostrożności mogły być podjęte.

Chociaż byłoby to trudne w pewnych regionach świata, kraje z dużymi węzłami AI i mniejszą gęstością zaludnienia, takie jak Kanada, mogłyby wprowadzić taki zaawansowany system. Kanada ma węzły AI w najbardziej zaludnionych prowincjach (Waterloo i Toronto, Ontario, oraz Montreal, Quebec). Zalety tej współpracy między szpitalami i między prowincjami mogłyby być rozszerzone, aby zapewnić Kanadyjczykom inne korzyści, takie jak przyspieszony dostęp do opieki medycznej w nagłych wypadkach i zmniejszenie wydatków na opiekę zdrowotną. Kanada mogłaby stać się liderem w dziedzinie AI i opieki zdrowotnej, licencjonując tę technologię innym jurysdykcjom.

Najważniejsze, gdy kraj taki jak Kanada ma system na miejscu, technologia/metodologie mogą być następnie sklonowane i wyeksportowane do innych regionów. Ostatecznie celem byłoby pokrycie całego świata, aby zapewnić, że wybuchy są reliktami przeszłości.

Ten typ zbierania danych przez pracowników służby zdrowia ma korzyści dla wielu aplikacji. Nie ma powodu, dla którego w 2020 roku pacjent powinien musieć zarejestrować się w każdym szpitalu indywidualnie, i że te same szpitale nie komunikują się ze sobą w czasie rzeczywistym. Brak komunikacji może skutkować utratą danych u pacjentów, którzy cierpią na demencję lub inne objawy, które mogą uniemożliwić im w pełni komunikowanie się o ciężkości ich stanu lub nawet o tym, gdzie indziej byli leczeni.

Lekcje nauczone

Możemy tylko liczyć, że rządy na całym świecie, skorzystają z ważnych lekcji, które koronawirus nas uczy. Ludzkość powinna uważać się za szczęśliwą, że koronawirus ma stosunkowo niski wskaźnik śmiertelności w porównaniu z niektórymi czynnikami zakaźnymi z przeszłości, takimi jak Czarna Śmierć, której szacuje się, że zabiła 30% do 60% populacji Europy.

Następnym razem możemy nie być tak szczęśliwi, co do tej pory wiemy, że rządy są obecnie nieprzygotowane do radzenia sobie z nasileniem wybuchu.

Bluedot została założona w następstwie wybuchu SARS w Toronto w 2003 roku i uruchomiona w 2013 roku. Celem było ochrona ludzi na całym świecie przed chorobami zakaźnymi za pomocą inteligencji ludzkiej i sztucznej. Składnik AI wykazał zdumiewającą zdolność do przewidywania przebiegu chorób zakaźnych, co pozostaje, to składnik ludzki. Potrzebujemy nowych polityk, aby umożliwić firmom takim jak BlueDot doskonałość w tym, co robią najlepiej. Jako ludzie musimy żądać więcej od naszych polityków i dostawców opieki zdrowotnej.