Развитие ситуации с пандемией COVID-19 можно прогнозировать с помощью новых инструментов ИИ
Ученые Университета Альберты используют большое количество различных данных общественного здравоохранения о COVID-19 для создания инструментов на базе искусственного интеллекта, которые помогут прогнозировать пандемию и бороться с ней. Исследование "Точное долгосрочное прогнозирование смертности от COVID-19 в США" было опубликовано в журнале Scientific Reports.
"Наша команда использует идеи эпидемиологии и машинного обучения для разработки инструментов прогнозирования количества будущих случаев заболеваемости коронавирусом не только локально, но и на глобальном уровне", - сказал Расс Грейнер, профессор кафедры вычислительной техники и научный сотрудник Института машинного интеллекта Альберты (Amii). "Мы прогнозируем это число, применяя данные, которые известны сегодня о данном регионе, к модели, полученной на основе более ранних данных об этом регионе и других моделей случаев заболевания по всему миру"
Алгоритм прогнозирует возможное количество случаев заболевания COVID-19 на срок до 10 недель вперед, используя множество типов данных, включая текущее количество случаев заболевания по датам, демографические данные о населении, температуру и политику, проводимую в течение определенного времени - например, закрытие школ, ресторанов и ограничения на поездки.
"Мы можем использовать этот же подход для прогнозирования других важных показателей, таких как количество госпитализаций в отделениях интенсивной терапии через три недели или общее количество случаев заболевания и тенденции", - объяснил Грейнер. "Прогнозы, сделанные с помощью этого инструмента, могут быть использованы для разработки политики"
Прогнозы делаются с помощью модели машинного обучения - инструмента, работающего на основе искусственного интеллекта, обученного на больших объемах данных. Изучая закономерности как в Альберте, так и в других частях мира, а также то, как множество переменных влияют на количество случаев заболевания, модель машинного обучения просеивает данные, чтобы определить наиболее сильные предикторы количества случаев заболевания и сделать свой собственный прогноз на основе текущей ситуации.
"Идея прогнозирования распространения болезни не нова", - говорит руководитель проекта Пурия Рамази, бывший постдокторант Университета А, а ныне доцент Университета Брока. "Было разработано множество прогностических моделей, и некоторые из них успешны в прогнозировании ближайшего будущего. Однако для составления долгосрочных прогнозов требуются новые методы, потому что большинство предположений о неизменности во времени в традиционных моделях не работают. Именно здесь, как мы надеемся, модели машинного обучения смогут найти те "скрытые" взаимосвязи и закономерности, которые мы не смогли выявить"
