วิธีที่ AI คาดการณ์ไวรัสโคโรนาและป้องกันการระบาดในอนาคต – ความคิดเห็น

การคาดการณ์ของ BlueDot AI

เมื่อวันที่ 6 มกราคม US Centers for Disease Control and Prevention (CDC) ได้แจ้งให้สาธารณชนทราบว่ามีการระบาดของโรคไข้หวัดที่คล้ายกับไข้หวัดใหญ่ในเมืองอู่ฮั่น ประเทศจีน และองค์การอนามัยโลก (WHO) ได้เผยแพร่รายงานที่คล้ายกันเมื่อวันที่ 9 มกราคม

แม้ว่าการตอบสนองเหล่านี้อาจดูเหมือนจะทันเวลา แต่ก็ช้าเมื่อเทียบกับบริษัท AI ที่ชื่อ BlueDot BlueDot ได้เผยแพร่รายงานเมื่อวันที่ 31 ธันวาคม ซึ่งเป็นหนึ่งสัปดาห์ก่อนที่ CDC จะเผยแพร่ข้อมูลที่คล้ายกัน

สิ่งที่น่าประทับใจยิ่งขึ้นคือ BlueDot ได้คาดการณ์ไวรัสซิกาในฟลอริดา 6 เดือนก่อนที่จะมีการระบาดในปี 2016

สิ่งที่เป็นข้อมูลที่ BlueDot วิเคราะห์?

• การเฝ้าระวังโรค รวมถึงการ扫描ข้อมูลจากแหล่งข้อมูลสาธารณะและแหล่งข้อมูลสื่อมากกว่า 10,000 แหล่งในมากกว่า 60 ภาษา
• ข้อมูลประชากรจากสำมะโนประชากรและรายงานสถิติของประเทศ (ความหนาแน่นของประชากรเป็นปัจจัยที่อยู่เบื้องหลังการแพร่กระจายของไวรัส)
• ข้อมูลสภาพอากาศแบบเรียลไทม์จาก NASA, NOAA ฯลฯ (ไวรัสแพร่กระจายเร็วขึ้นในสภาพแวดล้อมบางอย่าง)
• เวกเตอร์ของแมลงและสัตว์ (สำคัญเมื่อไวรัสสามารถแพร่กระจายจากสปีชีส์หนึ่งไปยังอีกสปีชีส์หนึ่ง)

BlueDot ปัจจุบันทำงานร่วมกับหน่วยงานรัฐบาลต่างๆ รวมถึง Global Affairs Canada, Public Health Agency of Canada, Canadian Medical Association และ Singapore Ministry of Health ผลิตภัณฑ์ BlueDot Insights ส่งอัลลERT การระบาดของโรคติดเชื้อแบบเรียลไทม์ ข้อดีของผลิตภัณฑ์นี้รวมถึง:

• ลดความเสี่ยงในการสัมผัสกับเจ้าหน้าที่สาธารณสุข
• การมองเห็นระดับโลกช่วยให้ประหยัดเวลาในการเฝ้าระวังโรคติดเชื้อ
• โอกาสในการสื่อสารข้อมูลที่สำคัญอย่างชัดเจนก่อนที่จะสายเกินไป
• ความสามารถในการปกป้องประชากรจากการติดเชื้อ

วิธีการปรับปรุงความสามารถในการคาดการณ์ของ AI

สิ่งที่ขัดขวางไม่ให้ AI ของ BlueDot และ AI ที่คล้ายกันปรับปรุงคืออะไร ปัจจัยที่จำกัดอันดับหนึ่งคือความไม่สามารถเข้าถึงข้อมูลขนาดใหญ่แบบเรียลไทม์

ระบบคาดการณ์เหล่านี้พึ่งพาข้อมูลขนาดใหญ่ที่เข้ามาในเครือข่ายประสาทเทียม (ANN) ซึ่งใช้การเรียนรู้ลึกในการค้นหารูปแบบ ข้อมูลที่เข้ามาใน ANN มากเท่าไหร่ แอลกอริทึมการเรียนรู้ของเครื่องจะแม่นยำมากขึ้นเท่านั้น

โดยพื้นฐานแล้ว สิ่งที่ขัดขวางไม่ให้ AI สามารถระบุการระบาดที่อาจเกิดขึ้นก่อนที่จะเกิดขึ้น คือการขาดการเข้าถึงข้อมูลที่จำเป็น ในประเทศอย่างจีนซึ่ง 監督และกรองข่าวอย่างสม่ำเสมอ การล่าช้าของข้อมูลเหล่านี้จะชัดเจนยิ่งขึ้น กระบวนการกรองของแต่ละจุดข้อมูลสามารถลดปริมาณข้อมูลที่มีอยู่ได้ และแย่กว่านั้น สามารถลบความแม่นยำของข้อมูลนี้ได้ ซึ่งจะลบความมีประโยชน์ของข้อมูลนี้ ข้อมูลที่ผิดพลาดเป็นสาเหตุของความล้มเหลวของความพยายามในอดีต เช่น Google Flu Trends (GOOGL )

ในอีกคำหนึ่ง ปัญหาที่สำคัญที่สุดที่ขัดขวางไม่ให้ระบบ AI สามารถคาดการณ์การระบาดได้เร็วที่สุดเท่าที่จะเป็นไปได้คือการแทรกแซงของรัฐบาล รัฐบาลอย่างจีนและรัฐบาลทรัมป์ในปัจจุบันต้องถอนตัวออกจากการกรองข้อมูลและให้การเข้าถึงข้อมูลเต็มรูปแบบแก่สื่อเพื่อรายงานเกี่ยวกับปัญหาสุขภาพระดับโลก

นักข่าวสามารถทำงานกับข้อมูลที่มีอยู่เท่านั้น การข้ามข่าวและเข้าถึงแหล่งข้อมูลโดยตรงจะช่วยให้ระบบการเรียนรู้ของเครื่องสามารถเข้าถึงข้อมูลได้เร็วขึ้นและเป็นระเบียบมากขึ้น

สิ่งที่ต้องทำ

โดยเริ่มทันที รัฐบาลที่ต้องการลดค่าใช้จ่ายในการดูแลสุขภาพและป้องกันการระบาดควรเริ่มการตรวจสอบข้อมูลที่บังคับเกี่ยวกับวิธีการที่คลินิกและโรงพยาบาลสามารถแจกจ่ายจุดข้อมูลบางอย่างให้กับเจ้าหน้าที่ นักข่าว และระบบ AI ในแบบเรียลไทม์

ข้อมูลส่วนบุคคลสามารถถูกถอดออกจากผู้ป่วยแต่ละคนได้ ทำให้ผู้ป่วยสามารถรักษาความลับได้ในขณะที่แบ่งปันข้อมูลที่สำคัญ

เครือข่ายของโรงพยาบาลในเมืองใดที่รวบรวมข้อมูลในแบบเรียลไทม์และแบ่งปันข้อมูลนี้สามารถให้บริการดูแลสุขภาพที่ดีกว่าได้ ตัวอย่างเช่น สามารถติดตามได้ว่าโรงพยาบาลใดมีผู้ป่วยที่มีอาการคล้ายไข้หวัดเพิ่มขึ้นจาก 3 คนในเวลา 10:00 น. เป็น 7 คนในเวลา 13:00 น. และ 49 คนในเวลา 17:00 น. ข้อมูลนี้สามารถเปรียบเทียบกับโรงพยาบาลในภูมิภาคเดียวกันเพื่อเตือนภูมิภาคที่อาจเป็นจุดร้อนได้

เมื่อรวบรวมและจัดระเบียบข้อมูลนี้แล้ว ระบบ AI สามารถกระตุ้นการเตือนไปยังภูมิภาคใกล้เคียงเพื่อให้ดำเนินการตามขั้นตอนที่จำเป็น

แม้ว่าสิ่งนี้จะยากในบางภูมิภาคของโลก ประเทศที่มีศูนย์กลาง AI ที่ใหญ่และความหนาแน่นของประชากรที่น้อย เช่น แคนาดา สามารถจัดตั้งระบบที่ซับซ้อนเช่นนี้ได้ แคนาดามีศูนย์กลาง AI ในจังหวัดที่มีประชากรมากที่สุด (วอเตอร์ลูและโตรอนโต รัฐออนตาริโอ และมอนทรีออล รัฐควิเบก) ข้อดีของการทำงานร่วมกันระหว่างโรงพยาบาลและระหว่างจังหวัดสามารถขยายออกไปเพื่อให้คนแคนาดามีประโยชน์อื่นๆ เช่น การเข้าถึงการดูแลฉุกเฉินเร็วขึ้น และการลดค่าใช้จ่ายในการดูแลสุขภาพ แคนาดาสามารถเป็นผู้นำในด้าน AI และการดูแลสุขภาพได้ โดยออกใบอนุญาตเทคโนโลยีนี้ให้กับเขตอำนาจศาลอื่น

สิ่งที่สำคัญที่สุดคือ เมื่อประเทศอย่างแคนาดามีระบบในสถานที่แล้ว เทคโนโลยี/วิธีการสามารถถูกโคลนและส่งออกไปยังภูมิภาคอื่นได้ ในที่สุด วัตถุประสงค์คือการครอบคลุมโลกทั้งหมดเพื่อให้การระบาดเป็นเรื่องของอดีต

การรวบรวมข้อมูลนี้โดยผู้ให้บริการดูแลสุขภาพมีประโยชน์สำหรับการใช้งานหลายอย่าง ไม่มีเหตุผลใดที่ผู้ป่วยควรต้องลงทะเบียนกับโรงพยาบาลแต่ละแห่งและโรงพยาบาลเหล่านั้นไม่สื่อสารกันในแบบเรียลไทม์ การขาดการสื่อสารนี้สามารถส่งผลให้สูญเสียข้อมูลของผู้ป่วยที่เป็นโรคจิตหรืออาการอื่นๆ ที่อาจป้องกันไม่ให้พวกเขาสื่อสารถึงความรุนแรงของอาการหรือแม้แต่สถานที่ที่พวกเขาได้รับการรักษา

บทเรียนที่เรียนรู้

เราสามารถหวังว่ารัฐบาลทั่วโลกจะใช้บทเรียนสำคัญที่ไวรัสโคโรนาสอนเรา มนุษยชาติควรพิจารณาตัวเองว่าโชคดีที่ไวรัสโคโรนามีอัตราการเสียชีวิตที่ค่อนข้างนุ่มนวลเมื่อเทียบกับตัวแทนการติดเชื้อในอดีต เช่น โรคระบาดดำซึ่งเชื่อกันว่าฆ่าคน 30% ถึง 60% ของประชากรยุโรป

ครั้งหน้าเราอาจไม่โชคดีเท่านี้ สิ่งที่เรารู้จนถึงตอนนี้คือ รัฐบาลไม่ได้เตรียมพร้อมที่จะรับมือกับความรุนแรงของการระบาด

Bluedot ถูกสร้างขึ้นหลังการระบาดของ SARS ในโตรอนโตในปี 2003 และเปิดตัวในปี 2013 วัตถุประสงค์คือการปกป้องผู้คนจากโรคติดเชื้อโดยใช้ปัญญาประดิษฐ์และมนุษย์ ส่วนประกอบ AI ได้แสดงให้เห็นถึงความสามารถที่น่าประทับใจในการคาดการณ์เส้นทางของโรคติดเชื้อ สิ่งที่เหลือคือส่วนประกอบของมนุษย์ เราต้องการนโยบายใหม่เพื่อให้บริษัทอย่าง BlueDot สามารถทำสิ่งที่ดีที่สุดได้ ในฐานะผู้คน เราต้องเรียกร้องให้ผู้นำทางการเมืองและผู้ให้บริการดูแลสุขภาพของเราทำมากกว่านี้