Гарвард: использование искусственного интеллекта для персонифицированного предсказательного карантина

пустойWikimedia Commons Flickr / Dipartimento Protezione Civile
Пожалуйста, поделитесь этой историей!
image_pdfimage_print
Если ваш интеллектуальный ИИ не работает с предупреждением преступности, почему бы не попробовать его вместо этого на карантине? Гарвард говорит, что все, что ему нужно, это больше данных, где правительство «безусловно может ускорить сбор данных о состоянии здоровья населения путем создания или развертывания более полных электронных медицинских карт». ⁃ TN Editor

За последние несколько месяцев в мире произошла серия вспышек Covid-19, которые, как правило, шли по одному и тому же пути: начальная фаза с небольшим количеством инфекций и ограниченным ответом, сопровождаемая взлетом знаменитого эпидемическая кривая сопровождается блокировкой по всей стране сгладить кривую, Затем, как только кривая достигнет пика, правительства должны рассмотреть то, что президент Трамп назвал «самое большое решениеЕго жизни: когда и как справляться с лишением свободы.

На протяжении всей пандемии большое внимание уделялось обмену (или его отсутствию) важной информацией между странами - в частности из Китая - о распространении болезни. Напротив, относительно мало было сказано о том, как Covid-19 можно было бы лучше управлять, используя передовые технологии передачи данных, которые преобразовали предприятия за последние 20 лет. В этой статье мы обсуждаем один способ, которым правительства могли бы использовать эти технологии для управления будущей пандемией - и, возможно, даже завершающими фазами нынешней.

Сила персонифицированного прогноза

Альтернативный подход для лиц, определяющих политику, чтобы рассмотреть возможность добавления в их смесь для борьбы с Covid-19 основан на технология персонализированного прогнозирования, которая изменила многие отрасли за последние 20 лет. Используя технологии машинного обучения и искусственного интеллекта (ИИ), компании, работающие с данными (от «больших технологий» до финансовых услуг, путешествий, страхования, розничной торговли и средств массовой информации), дают индивидуальные рекомендации о том, что покупать, и применяют индивидуальные цены, риски, кредиты. и тому подобное, используя данные, которые они накопили о своих клиентах.

В недавней статье HBRНапример, Мин Цзэн, бывший главный директор Alibaba по стратегии, рассказал, как Ant Financial, компания по кредитованию малого бизнеса его компании, может оценивать соискателей в режиме реального времени, анализируя их транзакции и данные связи на платформах электронной коммерции Alibaba. Между тем, такие компании, как Netflix, оценивают прошлый выбор и характеристики потребителей, чтобы делать прогнозы о том, что они будут смотреть дальше.

Тот же подход может сработать для пандемий - и даже для будущего Covid-19. Используя несколько источников данных, модели машинного обучения будут обучены измерять индивидуальные Клинический риск получения тяжелых результатов (при заражении Covid): Какова вероятность того, что им потребуется интенсивная терапия, для которой имеются ограниченные ресурсы? Насколько вероятно, что они умрут? Данные могут включать основные медицинские истории людей (для Covid-19, тяжесть симптомов, кажется, увеличивается с возрастом и с наличие сопутствующих заболеваний такой как диабет or гипертония) а также другие данные, такие как состав домохозяйства. Например, молодого здорового человека (которого в противном случае можно было бы отнести к категории «низкого риска») можно было бы отнести к «высокому риску», если он или она живет со старыми или немощными людьми, которые, вероятно, нуждаются в интенсивной терапии в случае заражения.

Эти прогнозы клинического риска могут быть затем использованы для настройки политики и распределения ресурсов на уровне отдельных лиц / домохозяйств с надлежащим учетом стандартных медицинских обязательств и рисков. Это может, например, позволить нам ориентироваться на социальное дистанцирование и защиту для людей с высокими показателями клинического риска, в то же время позволяя людям с низкими показателями жить более или менее нормально. Конечно, необходимо определить критерии отнесения людей к группам высокого или низкого риска, учитывая также имеющиеся ресурсы, риски медицинской ответственности и другие компромиссы риска, но подходы к данным на основе данных являются стандартными и используются в многочисленных Приложения.

Индивидуальный подход имеет несколько преимуществ. Это может помочь построить коллективный иммунитет с более низкой смертностью - и быстро. Это также позволило бы лучше и более справедливо распределять ресурсы, например, дефицитное медицинское оборудование (такое как тестовые наборы, защитные маски и больничные койки) или другие ресурсы.

Стратегии лишения свободы на более поздних стадиях пандемии - следующий ключевой шаг для Covid-19 в большинстве стран - могут принести пользу аналогичным образом. Решение о том, с какими людьми начинать процесс ограничения содержания, по своей природе является проблемой классификации, схожей с проблемами классификации, знакомыми большинству управляемых данными фирм. Некоторые правительства уже приближаются к ограничению свободы, используя возраст в качестве показателя риска, относительно грубую классификацию, которая потенциально не учитывает других людей с высоким риском (например, приведенный выше пример здоровых молодых людей, живущих с пожилыми людьми).

Выполнение классификации на основе данных и моделей прогнозирования ИИ может привести к принятию решений об ограничении свободы, которые безопасны на уровне сообщества и намного дешевле для человека и экономики. Мы знаем, что ключевой особенностью Covid-19 является то, что он обладает исключительно высокой скоростью передачи, но также относительно низкими тяжелыми симптомами или уровнем смертности. Данные показывают, что, возможно, более 90% инфицированных людей либо не имеют симптомов, либо испытывают легкие симптомы при заражении.

Теоретически, с надежным прогнозом того, кто эти 90%, мы можем ограничить всех этих людей. Даже если бы они заразили друг друга, у них не было бы серьезных симптомов, и они не могли бы сокрушить медицинскую систему или умереть. Эти 90% ограниченных по клиническому риску людей также помогли бы быстро нарастить высокий стадный иммунитет, после чего оставшиеся 10% могли бы быть также ограничены.

Прочитайте полную историю здесь…

Присоединиться к нашему списку рассылки!


Подписаться
Уведомление о
гость
4 Комментарии
Старые
Новые По голосам
Встроенные отзывы
Посмотреть все комментарии
Чарльз Харпер

Да, они продолжают это, и люди будут поддаваться отравлению вместо covid-19.

JCLincoln

Если бы Бог использовал простые вещи мира, чтобы посрамить мудрых, потребовались бы детские погремушки и резиновая лента, чтобы сделать студентов Гарварда кататоническими.