Làm thế nào Trí tuệ nhân tạo có thể giúp chúng ta chuẩn bị cho làn sóng thứ hai – Các nhà lãnh đạo tư tưởng

Bởi Eric Paternoster, CEO của Infosys Public Services

Cho đến nay, các mô hình khoa học dữ liệu hiện có chưa làm tốt công việc dự đoán sự lây lan của COVID-19, mức độ phát triển và các đợt bùng phát ở các điểm nóng mới. Nhiều mô hình được phát triển trong sự vội vàng, với thông tin hạn chế.

Một mô hình trí tuệ nhân tạo, tuy nhiên, sẽ là thích ứng, được xây dựng để mở rộng quy mô và tự động hóa, kết hợp dữ liệu xã hội học, kinh tế và dữ liệu sức khỏe liên quan đến COVID để cho phép các nền kinh tế mở cửa lại thành công nếu có một làn sóng khác xảy ra.

Dữ liệu được sử dụng trong mô hình này nên chính xác và có ý nghĩa thống kê. Nó cũng phải đáng tin cậy. Cho đến nay, những thứ như giá trị R, mức độ miễn dịch của đàn, và tỷ lệ tử vong đã rất khó ước tính trên các khu vực địa lý, đặc biệt là ở những nơi không có chiến lược kiểm tra và theo dõi liên lạc hợp lý. Một vấn đề khác là, ngay cả khi kiểm tra tốt đã được thực hiện, đã có sự khác biệt lớn về độ nhạy và độ đặc hiệu, gây ra bởi sự thay đổi của các loại xét nghiệm miễn dịch và kỹ thuật thu thập mẫu.

Không chỉ dữ liệu thiếu sót, mà các mô hình chính nó cũng đã bị lỗi. Mô hình được sử dụng bởi Nhà Trắng, được xây dựng bởi Viện Sức khỏe và Đánh giá Y tế, đã không tính đến sự khác biệt trong các thông số khu vực chính và giả định rằng virus sẽ ảnh hưởng đến dân số theo cách giống như ở Trung Quốc, Tây Ban Nha và Ý. Tất nhiên, Hoa Kỳ có các đặc điểm dân số rất khác nhau, mức độ cách ly và khả năng kiểm tra.

Các mô hình khác, thường được phát triển bởi các trường đại học hàng đầu trên thế giới, đã làm tốt hơn một chút. Chúng đã kết hợp các ước tính về sự lây lan, cùng với các yếu tố làm tăng nguy cơ mắc bệnh nghiêm trọng hoặc tử vong. Nhưng ngay cả những mô hình này cũng dựa trên các giả định không chính xác, dẫn đến lỗi trong mô hình hoạt động. Ví dụ, mô hình ban đầu được phát triển bởi Đại học Imperial London đã không suy luận thay đổi rõ ràng trong hành vi dân số mà sẽ vẫn xảy ra trong sự vắng mặt của các can thiệp được chính phủ yêu cầu. Nó cũng thiếu hiểu biết về cách số nhân virus (R0) sẽ thay đổi do hành vi này.

Không có gì ngạc nhiên khi vậy mà sự nhầm lẫn đã xảy ra, đặc biệt là ở Mỹ và Anh. Việc nới lỏng các biện pháp kiểm soát mà không chuẩn bị cho hậu quả đã rất tốn kém, ngay cả khi bệnh có khả năng sẽ quay trở lại. Các biện pháp phải được thực hiện ngay bây giờ để thông báo việc ra quyết định ở mức độ chi tiết hơn. Dân số phải được phân tầng để xác định ai sẽ thoát khỏi tình trạng khóa cửa đầu tiên. Một chiến lược phải được thực hiện để cho phép theo dõi liên lạc ở quy mô lớn và đảm bảo rằng chăm sóc sức khỏe sẽ đủ trong tương lai.

Để giúp điều này, các mạng lưới thần kinh nhân tạo và các kỹ thuật học sâu nên được sử dụng, tăng cường các mô hình dịch tễ học hiện có và làm cho chúng trở nên năng động và phản ứng theo thời gian thực. Mô hình trí tuệ nhân tạo này sẽ sử dụng học bán giám sát hoặc học không giám sát và có thể hoạt động ngay cả với đầu vào hạn chế từ các báo cáo kiểm tra quy mô lớn. Nó sẽ tự duy trì và yêu cầu một lượng dữ liệu giảm để học và dự đoán, so với các mô hình hiện tại. Bằng cách liên tục điều chỉnh các tham số đầu vào và liên tục học, mô hình sẽ tạo ra các dự đoán mà không bị ảnh hưởng bởi các độ trễ điều chỉnh không thể tránh khỏi.

Với học sâu, trí tuệ nhân tạo có thể khám phá các mẫu phức tạp, tự học và tự chữa lành tự động. Nó có thể tự động phát hiện các bất thường và cũng có thể đánh giá độ chính xác của các biến, tạo ra các kết quả đáng tin cậy hơn nhiều so với các mô hình khoa học dữ liệu COVID hiện có.

Các thông số chính trong mô hình trí tuệ nhân tạo này sẽ được rút từ các báo cáo xét nghiệm lâm sàng, dữ liệu theo dõi liên lạc và các tập dữ liệu khu vực lớn, và bao gồm các đặc điểm dân số khu vực, tình trạng kinh tế – xã hội và các yếu tố nguy cơ như hút thuốc, nghiện thuốc và béo phì. Số lượng cá nhân nhiễm bệnh đã cách ly và không thể lây lan nhiễm bệnh nữa sẽ được kết hợp vào mô hình.

Điều này sẽ cung cấp cho các nhà lãnh đạo lực lượng đặc nhiệm những thông tin cần thiết để ngăn chặn bệnh nguy hiểm này một cách chủ động, cho phép họ đưa ra quyết định hợp lý trong thời gian thực, cung cấp cho các nền kinh tế thế giới một chiến lược thoát hiểm mạnh mẽ và thông tin đầy đủ.