Как ИИ предсказал коронавирус и может предотвратить будущие пандемии – Мнение

Прогноз ИИ BlueDot

6 января Центры по контролю и профилактике заболеваний США (CDC) уведомили общественность о том, что в городе Ухань провинции Хубэй в Китае распространяется похожий на грипп вирус. 9 января Всемирная организация здравоохранения (ВОЗ) выпустила аналогичный отчет.

Эти реакции могут показаться своевременными, но они были медленными по сравнению с компанией ИИ под названием BlueDot. BlueDot выпустила отчет 31 декабря, за неделю до того, как CDC выпустила аналогичную информацию.

Еще более впечатляющим является то, что BlueDot предсказала вспышку Зика в Флориде за шесть месяцев до первого случая в 2016 году.

Какие некоторые из наборов данных, которые анализирует BlueDot?

• Наблюдение за заболеваниями, включая сканирование более 10 000 СМИ и государственных источников на более чем 60 языках.
• Демографические данные из национальных переписей и отчетов национальной статистики. (Плотность населения является фактором распространения вируса)
• Реальные данные о климате от NASA, NOAA и т. д. (Вирусы распространяются быстрее в определенных условиях окружающей среды)
• Векторы насекомых и животные резервуары (Важно, когда вирус может распространяться от вида к виду).

BlueDot в настоящее время работает с различными государственными агентствами, включая Министерство глобальных дел Канады, Агентство общественного здравоохранения Канады, Канадскую медицинскую ассоциацию и Министерство здравоохранения Сингапура. Продукт BlueDot Insights отправляет почти реальные предупреждения об инфекционных заболеваниях. Некоторые преимущества этого продукта включают:

• Снижение риска воздействия на медицинских работников первой линии
• Глобальная видимость позволяет сэкономить время на наблюдении за инфекционными заболеваниями
• Возможность передать важную информацию четко до того, как будет слишком поздно.
• Возможность защитить население от инфекций

Как можно улучшить предсказуемость ИИ

Что мешает ИИ BlueDot и аналогичным ИИ улучшаться? Главным ограничивающим фактором является невозможность получить доступ к необходимым данным в реальном времени.

Эти типы прогностических систем полагаются на большие данные, поступающие в искусственную нейронную сеть (ИНС), которая использует глубокое обучение для поиска закономерностей. Чем больше данных поступает в ИНС, тем более точным становится алгоритм машинного обучения.

Это означает, что то, что мешает ИИ обнаружить потенциальную вспышку раньше, а не позже, – это просто отсутствие доступа к необходимым данным. В странах, таких как Китай, где регулярно контролируются и фильтруются новости, эти задержки необходимых данных еще более выражены. Процесс цензуры каждого пункта данных может существенно уменьшить количество доступных данных и, что хуже, может даже полностью удалить точность этих данных, что делает эти данные бесполезными. Неправильные данные были даже причиной предыдущих неудач, таких как Google Flu Trends (GOOGL ).

Иными словами, основной проблемой, которая мешает системам ИИ полностью предсказывать вспышку как можно раньше, является вмешательство правительства. Правительства, такие как Китай и нынешняя администрация Трампа, должны удалить себя из любого вида фильтрации данных и разрешить полный доступ к прессе для освещения глобальных проблем здравоохранения.

В других словах, журналистам можно работать только с той информацией, которая доступна им. Обход новостных отчетов и прямой доступ к источникам позволили бы системам машинного обучения получить доступ к данным более своевременно и эффективно.

Что необходимо сделать

Начиная сразу, правительства, которые действительно заинтересованы в снижении стоимости здравоохранения и предотвращении вспышек, должны начать обязательный обзор того, как их клиники и больницы могут распространять определенные пункты данных в реальном времени среди должностных лиц, журналистов и систем ИИ.

Индивидуальную частную информацию можно полностью удалить из каждого пациента, позволяя пациенту остаться анонимным, а важные данные будут обменены.

Сеть больниц в любом городе, которая собирает данные в реальном времени и делится ими, сможет предложить лучшую медицинскую помощь. Например, можно отслеживать, что в определенной больнице наблюдается увеличение количества пациентов с симптомами, похожими на грипп, с 3 пациентами в 10:00 утра до 7 пациентов в 13:00 и до 49 пациентов к 17:00. Эти данные можно сравнить с больницами в том же регионе для немедленных предупреждений о том, что определенный регион является потенциальной горячей зоной.

Как только эта информация будет собрана и собрана, система ИИ сможет отправить предупреждения всем соседним регионам, чтобы необходимые меры предосторожности могли быть приняты.

Хотя это было бы сложно в определенных регионах мира, страны с большими хабами ИИ и меньшей плотностью населения, такие как Канада, могли бы ввести такую передовую систему. Канада имеет хабы ИИ в наиболее населенных провинциях (Ватерлоо и Торонто, Онтарио, и Монреаль, Квебек). Преимущества этого межбольничного и межпровинциального сотрудничества можно было бы расширить, чтобы предложить канадцам другие преимущества, такие как ускоренный доступ к экстренной медицинской помощи и снижение расходов на здравоохранение. Канада могла бы стать лидером как в ИИ, так и в здравоохранении, лицензируя эту технологию другим юрисдикциям.

Самым важным является то, что как только страна, такая как Канада, имеет систему на месте, технологии/методологии можно клонировать и экспортировать в другие регионы. В конечном итоге целью будет покрытие всей планеты, чтобы вспышки стали реликвием прошлого.

Такой сбор данных медицинскими работниками имеет преимущества для множества применений. Нет причины, по которой в 2020 году пациент должен регистрироваться в каждой больнице индивидуально, и эти больницы не общаются друг с другом в реальном времени. Это отсутствие связи может привести к потере данных у пациентов, страдающих деменцией или другими симптомами, которые могут предотвратить их полное общение о тяжести их состояния или даже о том, где еще они лечились.

Уроки, извлеченные

Мы можем только надеяться, что правительства всего мира воспользуются важными уроками, которые коронавирус преподает нам. Человечество должно считать себя счастливым, что коронавирус имеет относительно мягкий уровень смертности по сравнению с некоторыми инфекционными агентами из прошлого, такими как Черная смерть, которая, по оценкам, убила 30-60% населения Европы.

В следующий раз мы можем не быть так удачливы; то, что мы знаем на данный момент, – это то, что правительства в настоящее время не способны справиться с тяжестью вспышки.

Bluedot была задумана после вспышки САРС в Торонто в 2003 году и запущена в 2013 году. Целью было защитить людей по всему миру от инфекционных заболеваний с помощью человеческого и искусственного интеллекта. Компонент ИИ продемонстрировал замечательную способность предсказывать путь инфекционных заболеваний; что остается, – это человеческий компонент. Нам нужны новые политики, чтобы позволить компаниям, таким как BlueDot, excelling в том, что они делают лучше всего. Как люди, нам нужно требовать больше от наших политиков и поставщиков медицинских услуг.