Як ШІ може допомогти нам підготуватися до другої хвилі – Лідери думок

By Ерік Патерностер, генеральний директор Infosys Public Services

Наразі існуючі моделі науки про дані не найкраще справлялися з прогнозуванням легкості передачі COVID-19, ступеня його розвитку та спалахів у нових гарячих точках. Багато з них були розроблені поспішно з обмеженою інформацією.

Однак модель штучного інтелекту буде адаптивною, створеною для масштабування та автоматизованою, об’єднуючи соціологічні, економічні та пов’язані з COVID дані про здоров’я, щоб дозволити економікам успішно відновити роботу, якщо станеться нова хвиля.

Дані, які використовуються в цій моделі, повинні бути як точними, так і статистично значущими. Він також повинен бути надійним. Поки що такі показники, як R-значення, рівні колективного імунітету та показники смертності, було дуже важко оцінити в різних географічних регіонах, особливо в місцях без послідовної стратегії тестування та відстеження контактів. Інша проблема полягала в тому, що, навіть якщо було проведено якісне тестування, існували шалені відмінності в рівнях чутливості та специфічності, викликані відмінностями в типах імунодіагностичних тестів і методах збору зразків.

Мало того, що дані тьмяні, але й самі моделі мають недоліки. Модель, використана Білим домом, розроблена Інститутом показників і оцінки здоров’я, не враховувала відмінності в ключових регіональних параметрах і припускала, що вірус вплине на населення так само, як це було в Китаї, Іспанії та Італії. . Звичайно, у США дуже різні характеристики населення, рівні карантину та доступність тестування.

Інші моделі, часто розроблені провідними університетами світу, показали себе трохи краще. Вони включили оцінки зараження разом із факторами, які збільшують ризик серйозної хвороби або смерті. Але навіть вони ґрунтувалися на неточних припущеннях, що призвело до помилок у робочій моделі. Наприклад, модель, спочатку розроблена Імперським коледжем Лондона, не змогла зробити висновок про очевидні зміни в поведінці населення, які все одно виникли б за відсутності втручання з боку уряду. Також бракувало розуміння того, як зміниться число розмноження вірусу (R0) через таку поведінку.

Тому не дивно, що виникла така плутанина, особливо в США та Великобританії. Пом’якшення контролю без підготовки до наслідків було дорогим, навіть якщо хвороба, ймовірно, повернеться. Зараз необхідно вжити заходів, щоб інформувати процес прийняття рішень на більш детальному рівні. Популяції повинні бути стратифіковані, щоб визначити, хто першим вийде з карантину. Необхідно запровадити стратегію, яка дозволить відстежувати контакти в масштабах і забезпечити достатню медичну допомогу в майбутньому.

Щоб допомогти в цьому, слід використовувати штучні нейронні мережі та методи глибокого навчання, доповнюючи існуючі епідеміологічні моделі та роблячи їх більш динамічними та чуйними в реальному часі. Ця модель штучного інтелекту використовуватиме напівконтрольоване або неконтрольоване навчання і може працювати навіть з обмеженими даними великомасштабних звітів про тестування. Він був би самодостатнім і потребував би меншої кількості даних для вивчення та прогнозування порівняно з поточними моделями. Завдяки безперервному регулюванню вхідних параметрів і безперервному навчанню модель генерувала б прогнози, які не страждали б від неминучих затримок налаштування.

Завдяки глибокому навчанню ШІ може виявляти складні закономірності, самонавчатися та автоматично відновлюватися. Він може автоматично виявляти аномалії, а також зможе оцінювати точність змінних, даючи набагато надійніші результати, ніж існуючі моделі науки про дані COVID.

Ключові параметри в цій моделі штучного інтелекту будуть взяті зі звітів про клінічні випробування, даних відстеження контактів і великих регіональних наборів даних, а також включатимуть регіональні характеристики населення, соціально-економічний статус і фактори ризику, такі як куріння, залежність від наркотиків і ожиріння. Кількість інфікованих осіб, які перебувають на карантині та більше не можуть поширювати інфекцію, буде включено в модель.

Це дало б керівникам цільових груп знання, необхідні для того, щоб упереджувати цю небезпечну хворобу, дозволяючи їм приймати раціональні рішення майже в реальному часі, надаючи світовій економіці надійну та обґрунтовану стратегію виходу.