Як AI передбачила коронавірус і може запобігти майбутнім пандеміям – Опіна

Прогнозування BlueDot AI

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

Хоча ці реакції можуть здатися своєчасними, вони були повільними порівняно з компанією BlueDot, яка використовує технологію штучного інтелекту. BlueDot опублікувала звіт 31 грудня, за тиждень до того, як CDC опублікувала подібну інформацію.

Ще більш вражаючим є те, що BlueDot передбачила спалах Zika у Флориді за шість місяців до першого випадку у 2016 році.

Які дані аналізує BlueDot?

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

BlueDot зараз працює з різними урядовими агентствами, включаючи Міністерство закордонних 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. До переваг цього продукту належать:

• Зниження ризику зараження 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 можна покращити передбачуваність AI

Що заважає BlueDot AI та подібним системам покращуватися? Головним обмежувальним фактором є неможливість отримати доступ до необхідних великих даних в реальному часі.

Ці системи передбачення залежать від великих даних, які подаються до штучної нейронної мережі (ANN), яка використовує глибоке навчання для пошуку закономірностей. Чим більше даних подається до цієї ANN, тим точнішим стає алгоритм машинного навчання.

Це означає, що те, що заважає AI раніше виявити потенційний спалах, – це просто відсутність доступу до необхідних даних. У країнах, таких як Китай, які регулярно контролюють та фільтрують новини, ці затримки з необхідними даними ще більш виражені. Процес цензурування кожного пункту даних може суттєво зменшити кількість доступних даних і навіть повністю видалити точність цих даних, що робить ці дані безкорисними. Неправильні дані були причиною провалу попередніх спроб, таких як Google Flu Trends (GOOGL ).

Інакше кажучи, головною проблемою, яка заважає системам AI повністю передбачати спалах якомога раніше, є втручання урядів. Уряди, такі як Китай та адміністрація Трампа, повинні припинити будь-яке фільтрування даних та дозволити повний доступ до преси для повідомлення про глобальні питання охорони здоров’я.

Однак журналісти можуть працювати тільки з тією інформацією, яка доступна їм. Оминання звітів ЗМІ та отримання даних безпосередньо дозволить системам машинного навчання отримувати дані вчасно та ефективніше.

Що потрібно зробити

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

Індивідуальну приватну інформацію можна повністю видалити з кожної медичної картки, дозволяючи пацієнту залишатися анонімним, а важливу інформацію надсилати.

Мережа лікарень у будь-якому місті, яка збирає дані в реальному часі та надсилає ці дані, зможе пропонувати кращу охорону здоров’я. Наприклад, можна відстежувати, що певна лікарня показала збільшення кількості пацієнтів з симптомами, подібними до грипу, з 3 пацієнтів о 10:00 до 7 пацієнтів о 13:00 та до 49 пацієнтів о 17:00. Ці дані можна порівняти з лікарнями в тому ж регіоні для негайних сповіщень про те, що певний регіон є потенційною гарячою зоною.

Як тільки ці дані будуть зібрані та складені, система AI зможе сповіщати сусідні регіони про необхідні заходи.

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

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

Цей збір даних медичними працівниками має переваги для багатьох застосунків. Не має жодної причини, чому в 2020 році пацієнт повинен реєструватися в кожній лікарні окремо, а ці лікарні не спілкуються одна з одною в реальному часі. Ця відсутність спілкування може привести до втрати даних пацієнтів, які страждають деменцією чи іншими симптомами, які можуть запобігти їм повністю повідомити про тяжкість свого стану чи навіть про те, де ще вони лікувалися.

Уроки, вивчені

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

Наступного разу ми можемо не бути так щасливими, але те, що ми зараз знаємо, це те, що уряди зараз не готові до боротьби зі спалахами.

BlueDot була створена після спалаху SARS 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 штучного інтелекту продемонстрував видатну здатність передбачати шлях інфекційних захворювань, що залишається – людський компонент. Нам потрібні нові політики, щоб дозволити компаніям, таким як BlueDot, досягати успіху в тому, що вони роблять найкраще. Як люди, нам потрібно вимагати більше від наших політиків та працівників охорони здоров’я.