Ako nám AI môže pomôcť pripraviť sa na druhú vlnu – Myšlienkoví lídri

By Eric Paternoster, generálny riaditeľ spoločnosti Infosys Public Services

Existujúce modely vedy o údajoch doteraz neodviedli najlepšiu prácu pri predpovedaní ľahkého prenosu COVID-19, rozsahu jeho vývoja a prepuknutia na nových horúcich miestach. Mnohé boli vyvinuté v zhone, s obmedzenými informáciami.

Model AI by však bol adaptívny, vytvorený na mieru a automatizovaný, pričom by spájal sociologické, ekonomické a zdravotné údaje súvisiace s COVID, aby umožnil úspešné opätovné otvorenie ekonomík, ak by nastala ďalšia vlna.

Údaje použité v tomto modeli by mali byť presné a štatisticky významné. Musí byť tiež spoľahlivý. Doteraz bolo veľmi ťažké odhadnúť hodnoty R, úrovne imunity stáda a úmrtnosť v rôznych zemepisných oblastiach, najmä na miestach bez koherentného testovania a stratégie sledovania kontaktov. Ďalším problémom bolo, že aj keď sa vykonalo dobré testovanie, existovali veľké rozdiely v miere citlivosti a špecifickosti, spôsobené rozdielmi v typoch imunodiagnostických testov a technikách odberu vzoriek.

Nielenže sú údaje nevýrazné, ale chybné sú aj samotné modely. Model používaný Bielym domom, ktorý vytvoril Inštitút pre metriky a hodnotenie zdravia, nezohľadnil rozdiely v kľúčových regionálnych parametroch a predpokladal, že vírus ovplyvní populáciu rovnakým spôsobom ako v Číne, Španielsku a Taliansku. . Samozrejme, USA majú veľmi odlišné charakteristiky populácie, úrovne karantény a dostupnosť testovania.

Iné modely, často vyvinuté poprednými univerzitami po celom svete, dopadli o niečo lepšie. Zahrnuli odhady nákazy spolu s faktormi, ktoré zvyšujú riziko vážneho ochorenia alebo smrti. Ale aj tie boli založené na nepresných predpokladoch, čo viedlo k chybám v pracovnom modeli. Napríklad model, ktorý pôvodne vyvinula Imperial College London, nedokázal odvodiť zjavnú zmenu v správaní obyvateľstva, ku ktorej by stále dochádzalo, ak by neboli vládou nariadené zásahy. Chýbalo tiež pochopenie toho, ako sa v dôsledku tohto správania zmení číslo reprodukcie vírusu (R0).

Niet divu, že najmä v USA a Spojenom kráľovstve vznikol toľký zmätok. Zmiernenie kontrol bez prípravy na spad bolo nákladné, aj keď je pravdepodobné, že sa choroba vráti. Teraz je potrebné prijať opatrenia na informovanie o rozhodovaní na podrobnejšej úrovni. Populácie musia byť stratifikované, aby sa určilo, kto sa dostane z uzamknutia ako prvý. Musí sa implementovať stratégia, ktorá umožní sledovanie kontaktov vo veľkom rozsahu a zabezpečí, že zdravotná starostlivosť bude v budúcnosti dostatočná.

Aby sme tomu pomohli, mali by sa použiť umelé neurónové siete a techniky hlbokého učenia, ktoré rozšíria existujúce epidemiologické modely a urobia ich dynamickejšími a pohotovejšími v reálnom čase. Tento model AI by používal učenie sa čiastočne pod dohľadom alebo bez dozoru a mohol by fungovať aj s obmedzeným vstupom z rozsiahlych testovacích správ. V porovnaní so súčasnými modelmi by bol sebestačný a vyžadoval by si menšie množstvo údajov na učenie a predpovedanie. Nepretržitou úpravou vstupných parametrov a neustálym učením by model generoval predpovede, ktoré by netrpeli nevyhnutnými oneskoreniami pri úpravách.

Vďaka hlbokému učeniu by AI mohla objavovať zložité vzorce, automaticky sa učiť a samoliečiť. Dokáže automaticky rozpoznať anomálie a bude tiež schopný posúdiť presnosť premenných, čím sa získajú oveľa spoľahlivejšie výsledky ako existujúce modely vedy o údajoch COVID.

Kľúčové parametre v tomto modeli AI by čerpali zo správ o klinických testoch, údajov sledovania kontaktov a veľkých regionálnych súborov údajov a zahŕňali charakteristiky regionálnej populácie, socioekonomický stav a rizikové faktory, ako je fajčenie, drogová závislosť a obezita. Do modelu by sa začlenil počet infikovaných jedincov, ktorí boli v karanténe a nemohli ďalej šíriť infekciu.

Vedúcim pracovných skupín by to poskytlo poznatky potrebné na zastavenie tejto nebezpečnej choroby proaktívnym spôsobom, čo by im umožnilo robiť racionálne rozhodnutia v najbližšom reálnom čase, čo by svetovým ekonomikám poskytlo robustnú a dobre informovanú stratégiu odchodu.