Як штучний інтелект може допомогти нам підготуватися до другої хвилі – лідери думок

Від Еріка Патерностера, генерального директора Infosys Public Services

До цього існуючі моделі науки про дані не зробили найкращої роботи в передбаченні легкості передачі COVID-19, ступеня його розвитку та спалахів у нових гарячих точках. Багато з них були розроблені поспіхом, з обмеженою інформацією.

Модель штучного інтелекту, однак, була б адаптивною, створеною для масштабування та автоматизованою, об’єднуючи соціологічні, економічні та дані про здоров’я, пов’язані з COVID, для того, щоб дозволити економікам успішно відновитися у разі виникнення другої хвилі.

Дані, використані в цій моделі, повинні бути як точними, так і статистично значимими. Вони повинні бути надійними. До цього часу такі речі, як R-значення, рівні герд-імунітету та показники смертності, були дуже важкими для оцінки по географії, особливо в місцях без чіткої стратегії тестування та відстеження контактів. Іншою проблемою було те, що навіть при проведенні доброго тестування були великі розбіжності у чутливості та специфічності, викликані відмінностями у типах імунодіагностичних тестів та техніках збору зразків.

Не тільки дані є поганими, але й самі моделі мали помилки. Модель, використана в Білому домі, створена Інститутом оцінки здоров’я та метрик, не врахувала відмінностей у ключових регіональних параметрах та припускала, що вірус вплине на населення так само, як у Китаї, Іспанії та Італії. Очевидно, що у США є дуже різні характеристики населення, рівні карантину та доступність тестування.

Інші моделі, часто розроблені провідними університетами світу, робили трохи краще. Вони включали оцінки зараження, разом з факторами, які збільшують ризик серйозної хвороби або смерті. Але навіть ці моделі були засновані на неточних припущеннях, що призвело до помилок у робочій моделі. Наприклад, модель, спочатку розроблена Імперіал-Коледж-Лондон, не змогла зробити очевидний висновок про зміну поведінки населення, яка все одно виникне у відсутності урядових заходів. Вона також не мала розуміння того, як число відтворення вірусу (R0) зміниться через цю поведінку.

Нема дивовиж, що так багато плутанини виникло, особливо у США та Великій Британії. Зняття контролю без підготовки до наслідків було дорого, навіть якщо хвороба, ймовірно, повернеться. Забезпечення прийняття рішень на більш детальному рівні повинно бути здійснено зараз. Населення повинно бути стратифіковано для визначення, хто вийде з карантину першим. Стратегія повинна бути реалізована для забезпечення відстеження контактів у масштабі та забезпечення достатньої охорони здоров’я в майбутньому.

Для допомоги в цьому повинні бути використані штучні нейронні мережі та техніки глибокого навчання, доповнюючи існуючі епідеміологічні моделі та роблячи їх більш динамічними та реагуючими в реальному часі. Ця модель штучного інтелекту буде використовувати напівнагляді або ненагляді навчання та зможе працювати навіть з обмеженою інформацією з великомасштабних звітів про тестування. Вона буде самодостатньою та потребуватиме зменшеної кількості даних для навчання та передбачення, порівняно з поточними моделями. Постійно коригуючи вхідні параметри та продовжуючи навчання, модель буде генерувати передбачення, які не будуть страждати від неминучих затримок коригування.

З допомогою глибокого навчання штучний інтелект може виявити складні закономірності, самонавчитися та самозцілитися автоматично. Він може авто-виявляти аномалії та зможе оцінювати точність змінних, забезпечуючи набагато більш надійні результати, ніж існуючі моделі науки про дані COVID.

Ключові параметри цієї моделі штучного інтелекту будуть витягуватися з клінічних звітів про тестування, даних про відстеження контактів та великих регіональних наборів даних та будуть включати регіональні характеристики населення, соціально-економічний статус та фактори ризику, такі як куріння, залежність від наркотиків та ожиріння. Кількість інфікованих осіб, які карантинувалися та більше не могли поширювати інфекцію, буде включено до моделі.

Це дозволить лідерам задач давати необхідні знання для протидії цій небезпечній хворобі проактивним способом, дозволяючи їм приймати раціональні рішення майже в реальному часі, забезпечуючи світові економіці міцну та інформовану стратегію виходу.