Як AI передбачила коронавірус і може запобігти майбутнім пандеміям – Опіна

Прогноз BlueDot AI

6 січня Центри контролю та профілактики захворювань США (CDC) повідомили громадськість, що в місті Ухань, провінція Хубей, Китай, поширюється подібна на грип епідемія. Наступного дня, 9 січня, Всесвітня організація охорони здоров’я (ВООЗ) опублікувала подібний звіт.

Хоча ці реакції можуть здатися своєчасними, вони були повільними порівняно з компанією AI під назвою BlueDot. BlueDot опублікувала звіт 31 грудня, за тиждень до того, як CDC опублікувала подібну інформацію.

Ще більш вражаюче, що BlueDot передбачила спалах Зіка у Флориді за шість місяців до першого випадку у 2016 році.

Які деякі з наборів даних, які аналізує BlueDot?

• Надзір за захворюваннями, це включає сканування 10 000+ ЗМІ та публічних джерел більш ніж 60 мовами.
• Демографічні дані з національних переписів та національних статистичних звітів. (Густота населення є фактором поширення вірусу)
• Дані про клімат в реальному часі від NASA, NOAA тощо. (Віруси поширюються швидше в певних умовах середовища)
• Комарі-вектори та тваринні резервуари (Важливі, коли вірус може поширюватися з одного виду на інший).

BlueDot зараз працює з різними урядовими агентствами, включаючи Міністерство міжнародних справ Канади, Агентство громадського здоров’я Канади, Канадську медичну асоціацію та Міністерство охорони здоров’я Сінгапуру. Продукт BlueDot Insights надсилає сповіщення про інфекційні захворювання в реальному часі. Деякі переваги цього продукту включають:

• Зниження ризику експозиції працівників охорони здоров’я
• Глобальна видимість дозволяє економити час на нагляд за інфекційними захворюваннями
• Можливість передавати важливу інформацію чітко до того, як буде пізно.
• Можливість захисту населення від інфекцій

Як передбачуваність AI можна покращити

Що перешкоджає BlueDot AI та подібним AI покращувати? Основним обмежувальним фактором є неможливість отримати доступ до необхідних великих даних в реальному часі.

Ці типи прогнозних систем залежать від великих даних, які подаються в штучну нейронну мережу (ANN), яка використовує глибоке навчання для пошуку закономірностей. Чим більше даних подається в цю ANN, тим більш точним стає алгоритм машинного навчання.

Це означає, що те, що перешкоджає AI відзначити потенційний спалах раніше, ніж пізніше, є просто відсутністю доступу до необхідних даних. У країнах, таких як Китай, які регулярно контролюють та фільтрують новини, ці затримки необхідних даних ще більш виражені. Процес цензурування кожного пункту даних може суттєво зменшити кількість доступних даних і, що ще гірше, навіть повністю видалити точність цих даних, що робить ці дані безкорисними. Неправильні дані були причиною невдачі попередніх спроб, таких як Google Flu Trends.

Іншими словами, основною проблемою, яка перешкоджає системам AI повністю передбачати спалах якомога раніше, є урядова інтерференція. Уряди, такі як Китай та адміністрація Трампа, повинні припинити будь-яку видачу даних та дозволити повний доступ до преси для повідомлення про глобальні питання охорони здоров’я.

Тим не менше, журналісти можуть працювати лише з інформацією, яка доступна їм. Обхід новинних звітів та доступ до джерел безпосередньо дозволили б системам машинного навчання отримувати дані в більш своєчасній та ефективній формі.

Що потрібно зробити

Починаючи зразу, уряди, які真正ньо зацікавлені в зменшенні витрат на охорону здоров’я та запобіганні спалаху, повинні розпочати обов’язковий огляд того, як їх клініки та лікарні можуть розподіляти певні дані в реальному часі до офіційних осіб, журналістів та систем AI.

Індивідуальна приватна інформація може бути повністю видалена з кожного пацієнта, дозволяючи пацієнту залишатися анонімним, а важлива інформація буде спільно використовуватися.

Мережа лікарень у будь-якому місті, яка збирає дані в реальному часі та спільно використовує ці дані, могла б пропонувати кращу охорону здоров’я. Наприклад, можна було б відстежувати, що певна лікарня показала збільшення пацієнтів з симптомами, подібними до грипу, з 3 пацієнтів о 10:00 до 7 пацієнтів о 13:00, до 49 пацієнтів о 17:00. Ці дані можна було б порівняти з лікарнями в тому ж регіоні для негайних сповіщень про потенційний гарячий пункт.

Як тільки ця інформація буде зібрана та складена, система AI могла б сповіщати всі сусідні регіони, щоб були прийняті необхідні заходи.

Хоча це було б складно у певних регіонах світу, країни з великими центрами AI та меншою густотою населення, такими як Канада, могли б встановити таку просунуту систему. Канада має центри AI у найбільш заселених провінціях (Вотерлоо та Торонто, Онтаріо, і Монреаль, Квебек). Переваги цієї міжлікарняної та міжпровінційної співпраці могли б бути розширені, щоб пропонувати канадцям інші переваги, такі як прискорений доступ до екстреної медичної допомоги та зменшення витрат на охорону здоров’я. Канада могла б стати лідером як у галузі AI, так і у сфері охорони здоров’я, ліцензуючи цю технологію іншим юрисдикціям.

Найважливіше, що як тільки країна, така як Канада, має систему на місці, технології/методології можна клонувати та експортувати до інших регіонів. В кінцевому підсумку, метою було б покрити весь світ, щоб спалахи стали реліктами минулого.

Цей тип збору даних медичними працівниками має переваги для множинних застосувань. Не має жодної причини, чому в 2020 році пацієнт повинен реєструватися в кожній лікарні окремо, і чому ці лікарні не спілкуються одна з одною в реальному часі. Ця відсутність спілкування може привести до втрати даних пацієнтів, які страждають на деменцію чи інші симптоми, які можуть запобігти їм повністю спілкуватися про серйозність їхнього стану, або навіть про те, де ще вони були лікуватися.

Уроки, вивчені

Ми можемо тільки сподіватися, що уряди по всьому світу використовуватимуть важливі уроки, які коронавірус нам вчить. Людство повинно вважати себе щасливим, що коронавірус має відносно низький рівень летальності порівняно з деякими інфекційними агентами минулого, такими як Чорна смерть, яка, як вважають, вбила 30% до 60% населення Європи.

Наступного разу ми можемо не бути так щасливі, те, що ми знаємо на даний момент, це те, що уряди зараз не готові справитися з серйозністю спалаху.

Bluedot була створена після спалаху САРС у Торонто в 2003 році та запущена в 2013 році. Метою було захистити людей по всьому світу від інфекційних захворювань за допомогою людського та штучного інтелекту. Компонент AI продемонстрував видатну здатність передбачати шлях інфекційних захворювань, що залишається, це людський компонент. Нам потрібні нові політики, щоб дозволити компаніям, таким як BlueDot, excelize в тому, що вони роблять найкраще. Як люди, нам потрібно вимагати більше від наших політиків та постачальників медичних послуг.