AI คาดการณ์ไวรัสโคโรนาและสามารถป้องกันการแพร่ระบาดในอนาคตได้อย่างไร – ความคิดเห็น

การทำนาย BlueDot AI

ในวันที่ 6 มกราคม^thศูนย์ควบคุมและป้องกันโรคแห่งสหรัฐอเมริกา (CDC) แจ้งต่อสาธารณชนว่ามีการระบาดของโรคคล้ายไข้หวัดใหญ่ในเมืองอู่ฮั่น มณฑลหูเป่ย ประเทศจีน ต่อมา องค์การอนามัยโลก (WHO) ได้เผยแพร่รายงานในลักษณะเดียวกันนี้เมื่อวันที่ 9 มกราคม^th.

แม้ว่าการตอบสนองเหล่านี้อาจดูทันท่วงที แต่ก็ช้าเมื่อเทียบกับบริษัท AI ที่โทรมา BlueDot. BlueDot เผยแพร่รายงานเมื่อวันที่ 31 ธันวาคม^stหนึ่งสัปดาห์เต็มก่อนที่ CDC จะเปิดเผยข้อมูลที่คล้ายกัน

ที่น่าประทับใจยิ่งกว่านั้น BlueDot ทำนายการระบาดของ Zika ในฟลอริดา หกเดือนก่อนคดีแรกในปี 2016

ชุดข้อมูลใดบ้างที่ BlueDot วิเคราะห์

• การเฝ้าระวังโรค ซึ่งรวมถึงการสแกนสื่อและแหล่งข้อมูลสาธารณะมากกว่า 10,000 รายการในกว่า 60 ภาษา
• ข้อมูลประชากรจากสำมะโนของประเทศและรายงานสถิติของประเทศ (ความหนาแน่นของประชากรเป็นปัจจัยเบื้องหลังการแพร่กระจายของไวรัส)
• ข้อมูลสภาพอากาศตามเวลาจริงจาก NASA, NOAA ฯลฯ (ไวรัสแพร่กระจายได้เร็วกว่าในสภาพแวดล้อมบางอย่าง)
• แมลงพาหะและแหล่งกักเก็บสัตว์ (สำคัญเมื่อไวรัสสามารถแพร่กระจายจากสปีชีส์หนึ่งไปยังอีกสปีชีส์หนึ่ง)

ปัจจุบัน BlueDot ทำงานร่วมกับหน่วยงานรัฐบาลต่างๆ รวมถึง Global Affairs Canada, Public Health Agency of Canada, Canadian Medical Association และ Singapore Ministry of Health ผลิตภัณฑ์ BlueDot Insights ส่งการแจ้งเตือนโรคติดเชื้อที่ใกล้เคียงเวลาจริง ข้อดีบางประการที่อยู่เบื้องหลังผลิตภัณฑ์นี้ได้แก่:

• ลดความเสี่ยงจากการสัมผัสกับบุคลากรทางการแพทย์แนวหน้า
• การมองเห็นทั่วโลกช่วยให้ประหยัดเวลาในการเฝ้าระวังโรคติดเชื้อ
• โอกาสในการสื่อสารข้อมูลสำคัญอย่างชัดเจนก่อนที่จะสายเกินไป
• ความสามารถในการปกป้องประชากรจากการติดเชื้อ

ความสามารถในการคาดการณ์ของ AI สามารถปรับปรุงได้อย่างไร

อะไรที่ทำให้ BlueDot AI และ AI ที่คล้ายกันไม่สามารถปรับปรุงได้ ปัจจัยจำกัดอันดับหนึ่งคือการไม่สามารถเข้าถึงข้อมูลขนาดใหญ่ที่จำเป็นในแบบเรียลไทม์

ระบบคาดการณ์ประเภทนี้อาศัยการป้อนข้อมูลขนาดใหญ่เข้าไปในโครงข่ายประสาทเทียม (ANN) ซึ่งใช้การเรียนรู้เชิงลึกเพื่อค้นหารูปแบบ ยิ่งข้อมูลถูกป้อนเข้าสู่ ANN นี้มากเท่าไร อัลกอริธึมการเรียนรู้ของเครื่องก็จะยิ่งมีความแม่นยำมากขึ้นเท่านั้น

สิ่งนี้หมายความว่าสิ่งที่ทำให้ AI ไม่สามารถระบุการแพร่ระบาดที่อาจเกิดขึ้นได้เร็วกว่าในภายหลัง เป็นเพียงการขาดการเข้าถึงข้อมูลที่จำเป็น ในประเทศต่างๆ เช่น จีน ซึ่งติดตามและกรองข่าวเป็นประจำ ความล่าช้าในการเข้าถึงข้อมูลที่จำเป็นเหล่านี้ยิ่งเด่นชัดมากขึ้นไปอีก กระบวนการเซ็นเซอร์ของแต่ละดาต้าพอยต์สามารถลดจำนวนข้อมูลที่มีอยู่ได้อย่างมาก และที่แย่กว่านั้นคือสามารถลบความถูกต้องของข้อมูลนี้ออกไปได้ทั้งหมด ซึ่งจะทำให้ข้อมูลนี้ไม่มีประโยชน์ ข้อมูลผิดพลาดได้ว่าทำไมความพยายามก่อนหน้านี้เช่น Google เทรนด์ไข้หวัดใหญ่ ล้มเหลว

กล่าวอีกนัยหนึ่ง ปัญหาหลักที่ทำให้ระบบ AI ไม่สามารถคาดการณ์การระบาดได้อย่างเต็มที่โดยเร็วที่สุดคือการแทรกแซงของรัฐบาล รัฐบาลอย่างจีนและรัฐบาลทรัมป์ในปัจจุบัน จำเป็นต้องถอดตัวเองออกจากการกรองข้อมูลทุกประเภท และเปิดให้สื่อมวลชนเข้าถึงรายงานเกี่ยวกับปัญหาด้านสุขภาพทั่วโลกได้อย่างเต็มที่

ตามที่ระบุไว้ นักข่าวสามารถทำงานกับข้อมูลที่มีให้เท่านั้น การข้ามรายงานข่าวและการเข้าถึงแหล่งที่มาโดยตรงจะทำให้ระบบแมชชีนเลิร์นนิงเข้าถึงข้อมูลได้ทันท่วงทีและมีประสิทธิภาพมากขึ้น

สิ่งที่ต้องทำ

เริ่มทันที รัฐบาลที่สนใจอย่างแท้จริงในการลดค่าใช้จ่ายด้านการรักษาพยาบาลและป้องกันการระบาด ควรเริ่มทบทวนภาคบังคับว่าคลินิกสุขภาพและโรงพยาบาลของตนสามารถกระจายจุดข้อมูลบางอย่างแบบเรียลไทม์ไปยังเจ้าหน้าที่ นักข่าว และระบบ AI ได้อย่างไร

ข้อมูลส่วนตัวส่วนบุคคลสามารถแยกออกจากผู้ป่วยแต่ละรายได้อย่างสมบูรณ์ ทำให้ผู้ป่วยยังคงไม่เปิดเผยตัวตนในขณะที่ข้อมูลสำคัญถูกแบ่งปัน

เครือข่ายโรงพยาบาลในเมืองใดก็ตามที่รวบรวมข้อมูลแบบเรียลไทม์และแบ่งปันข้อมูลนี้จะสามารถให้บริการด้านการรักษาพยาบาลที่เหนือกว่าได้ ตัวอย่างเช่น สามารถติดตามได้ว่าโรงพยาบาลแห่งใดแห่งหนึ่งมีผู้ป่วยที่แสดงอาการคล้ายไข้หวัดเพิ่มขึ้น โดยมีผู้ป่วย 3 ราย เวลา 10 น. เพิ่มเป็น 00 ราย เวลา 7 น. เพิ่มเป็น 1 ราย เวลา 00 น. ข้อมูลนี้สามารถเปรียบเทียบกับโรงพยาบาลในภูมิภาคเดียวกัน เพื่อการแจ้งเตือนทันทีว่าภูมิภาคใดพื้นที่หนึ่งเป็นเขตร้อน

เมื่อข้อมูลนี้ถูกรวบรวมและรวบรวมแล้ว ระบบ AI จะส่งการแจ้งเตือนไปยังภูมิภาคใกล้เคียงทั้งหมด เพื่อให้สามารถดำเนินการป้องกันที่จำเป็นได้

แม้ว่าสิ่งนี้อาจเป็นเรื่องยากในบางภูมิภาคของโลก แต่ประเทศที่มีฮับ AI ขนาดใหญ่และมีความหนาแน่นของประชากรน้อยกว่า เช่น แคนาดา ก็สามารถจัดตั้งระบบขั้นสูงดังกล่าวได้ แคนาดามีศูนย์ AI ในจังหวัดที่มีประชากรมากที่สุด (วอเตอร์ลูและโตรอนโต ออนแทรีโอ และมอนทรีออล ควิเบก) ข้อดีของความร่วมมือระหว่างโรงพยาบาลและระหว่างจังหวัดนี้สามารถขยายออกไปเพื่อมอบสิทธิประโยชน์อื่นๆ แก่ชาวแคนาดา เช่น การเข้าถึงการรักษาพยาบาลฉุกเฉินที่รวดเร็วขึ้น และลดค่าใช้จ่ายด้านการรักษาพยาบาล แคนาดาอาจกลายเป็นผู้นำทั้งด้าน AI และการดูแลสุขภาพ โดยให้สิทธิ์ใช้งานเทคโนโลยีนี้กับเขตอำนาจศาลอื่น

สิ่งสำคัญที่สุดคือ เมื่อประเทศต่างๆ เช่น แคนาดามีระบบแล้ว เทคโนโลยี/ระเบียบวิธีสามารถถูกโคลนและส่งออกไปยังภูมิภาคอื่นๆ ได้ ในที่สุด เป้าหมายคือครอบคลุมทั้งโลก เพื่อให้แน่ใจว่าการแพร่ระบาดเป็นร่องรอยของอดีต

การรวบรวมข้อมูลประเภทนี้โดยบุคลากรทางการแพทย์มีประโยชน์สำหรับการใช้งานที่หลากหลาย ไม่มีเหตุผลใดที่ในปี 2020 ผู้ป่วยควรลงทะเบียนด้วยตนเองกับโรงพยาบาลแต่ละแห่ง และโรงพยาบาลเดียวกันเหล่านั้นไม่สื่อสารถึงกันแบบเรียลไทม์ การขาดการสื่อสารนี้อาจส่งผลให้เกิดการสูญเสียข้อมูลของผู้ป่วยที่เป็นโรคสมองเสื่อม หรืออาการอื่นๆ ซึ่งอาจทำให้พวกเขาไม่สามารถสื่อสารได้อย่างเต็มที่ถึงความรุนแรงของอาการ หรือแม้แต่ในที่อื่นๆ ที่พวกเขาได้รับการรักษา

บทเรียนที่ได้รับ

เราได้แต่หวังว่ารัฐบาลทั่วโลกจะใช้ประโยชน์จากบทเรียนสำคัญที่ไวรัสโคโรนากำลังสอนเรา มนุษยชาติควรพิจารณาตัวเองว่าโชคดีที่ไวรัสโคโรนามีอัตราการเสียชีวิตค่อนข้างน้อย เมื่อเทียบกับเชื้อบางชนิดในอดีต เช่น กาฬโรค ซึ่งคาดว่าจะคร่าชีวิตประชากรในยุโรปไปแล้ว 30% ถึง 60%

ครั้งต่อไปเราอาจไม่โชคดีอย่างที่เรารู้จนถึงตอนนี้ คือรัฐบาลกำลังขาดความพร้อมในการจัดการกับความรุนแรงของการระบาด

บลูดอท เกิดขึ้นหลังจากการระบาดของโรคซาร์สในโตรอนโตในปี 2003 และเปิดตัวในปี 2013 เป้าหมายคือเพื่อปกป้องผู้คนทั่วโลกจากโรคติดเชื้อด้วยปัญญาประดิษฐ์และมนุษย์ ส่วนประกอบของ AI ได้แสดงให้เห็นถึงความสามารถที่น่าทึ่งในการทำนายเส้นทางของโรคติดเชื้อ ส่วนประกอบที่เหลืออยู่คือส่วนประกอบของมนุษย์ เราจำเป็นต้องมีนโยบายใหม่เพื่อให้บริษัทต่างๆ เช่น BlueDot สามารถเป็นเลิศในสิ่งที่พวกเขาทำได้ดีที่สุด ในฐานะประชาชน เราจำเป็นต้องเรียกร้องเพิ่มเติมจากนักการเมืองและผู้ให้บริการด้านการแพทย์ของเรา