Första tecknen på Wuhan-virusutbrottet upptäcktes av AI

En AI-driven plattform för hälsövervakning och sjukdomsdetektering kunde upptäcka tecknen på Wuhan-virusutbrottet ungefär en vecka innan myndigheterna varnade allmänheten, vilket ger en inblick i hur AI kan användas för att upptäcka sjukdomsutbrott i tid.

Medan den officiella Världshälsoorganisationens meddelande om Wuhan-viruset skickades ut den 9 januari och US Center for Disease Control and Prevention (CDC) fick besked om utbrottet den 6 januari, upptäcktes de första varningstecknen på utbrottet av ett kanadensiskt hälsövervakningssystem nästan en vecka tidigare. Som Wired rapporterade, varnade det AI-drivna hälsosystemet BlueDot sina kunder om det möjliga utbrottet den 31 december. Bluedot använder AI-algoritmer för att övervaka olika globala nyhetskällor och upptäcka mönster i hälsorapporter. Det tar också hänsyn till information om växt- och djursjukdomsnätverk. Med den information som samlas in, levererar BlueDot-epidemiologer varningar och förutsägelser om möjliga hälsorisker och utbrott till sina abonnenter.

När det gäller ett utbrott av sjukdom är tidig upptäckt alltid bättre. Ju tidigare upptäckt, desto mer tid har hälsomyndigheterna att reagera. I fallet med Wuhan-viruset och andra sjukdomsutbrott i Kina, har den kinesiska regeringen ofta varit långsam med att dela information med globala hälsomyndigheter. Detta utgör ett problem eftersom CDC och WHO förlitar sig på kommunikation från andra regeringsmyndigheter för att planera sina egna svar. Men om ett AI-system som BlueDot kan göra precisa förutsägelser baserat på den information som läcker ut genom många enskilda nyhetsrapporter, bloggar och forum, kan detta potentiellt möjliggöra för hälsomyndigheter att agera snabbare i svar på utbrott.

Enligt Kamran Khan, grundare av BlueDot, använder företaget inte sociala medier när de förutsäger spridningen av sjukdomar eftersom data är för variabel och rörig för att vara användbar. Istället kombineras nyhetsrapporter, data om kända djursjukdomsnätverk och flygbiljettdata för att skapa en modell som förutsäger var infektioner börjar och var smittade personer kan resa till härnäst. BlueDot kunde korrekt förutsäga att Wuhan-viruset skulle spridas till Taipei, Tokyo, Seoul och Bangkok inom några dagar efter dess manifestation.

BlueDot lanserades av Khan 2014, och företaget har för närvarande 40 anställda, inklusive dataforskare, läkare och programmerare som arbetar tillsammans för att skapa sjukdomsövervaknings- och förutsägelsemodeller. Maskinlärningsalgoritmer och tekniker för naturlig språkbehandling används för att utvinna data från nyhetsrapporter över hela världen och som täcker 65 olika språk. Khan sa till Wired:

“Det vi har gjort är att använda naturlig språkbehandling och maskinlärning för att träna den här motorn att känna igen om detta är ett utbrott av antrax i Mongoliet eller en återförening av heavy metal-bandet Anthrax.”

Efter att den automatiserade datainsamlingen och den första analysen är klara, dubbelkollar mänskliga analytiker data och ser till att modellens slutsatser verkar rimliga. Till slut genereras en rapport och skickas ut till applikationens kunder.

BlueDots system är långt ifrån det första försöket av AI-området att förutsäga spridningen av sjukdomar. Dataforskare har använt stora data och maskinlärningsmodeller för att spåra spridningen av olika sjukdomar under en längre tid, med vissa försök som varit mer framgångsrika än andra. Google (GOOGL ) försökte med sin egen version av att spåra spridningen av sjukdom med Google Flu Trends, men deras försök att förutsäga svårighetsgraden av 2013 års influensasäsong var rapporterade vara fel med cirka 140%. Endast tiden kommer att visa om BlueDot kan förutsäga spridningen av sjukdomar på ett konsekvent sätt, men om de kan, kan det bana väg för snabbare och mer exakta uppskattningar av sjukdomsutbrott.