本地Covid-19 AI预测

尽管在整个美国的努力去年春天抑制了新的冠状病毒的传播，但全国各地的各国在过去几周内经历过尖峰。自大流行开始以来，全国的确认Covid-19案件的数量攀升至3500多万。

包括加州在内的许多州的政府官员现在已经开始取消重新开放的程序，以帮助遏制病毒的传播。最终，州和地方决策者将面临再次决定何时以及如何重新开放他们的社区的问题。加州大学圣巴巴拉分校工程学院的两位研究人员严喜峰和王玉祥开发了一种新的预测方法模型受人工智能(AI)技术的启发，该公司在更局部的层面上提供及时的信息，让官员和公众中的任何人都可以在决策过程中使用。

计算机科学Venkatesh Narayanamurti讲座主席Yan副教授说:“我们都被这些数据弄得不知所措，其中大部分是国家和邦一级提供的。”“家长们更感兴趣的是他们所在学区发生了什么，以及他们的孩子秋季去学校是否安全。然而，很少有网站提供这方面的信息。我们的目标是在局部水平上提供对居民和决策者更有用的数据预测和解释。”

该预测项目“使用神经域适应模型预测当地社区的COVID-19干预反应”获得了美国国家科学基金会(NSF)的快速反应研究(Rapid Response Research, Rapid)拨款近20万美元。

“弄乱数据感的挑战恰恰是我们在AI和机器学习中工作的计算机科学家们每天处理的问题的类型，”尤金AAS椅子座位助理教授王说。“我们被迫借给我们的专业知识来帮助社区做出明智的决定。”

闫和王的基于A的创新预测算法深度学习模式被称为变压器。该模型由直观地学习如何的注意机制驱动预报通过学习过去的时间段来看看以及哪些数据是最重要和相关的。

“如果我们试图预测具体地区与圣巴巴拉县一样，我们的算法比较不同地区在一段时间内的COVID-19病例增长曲线，以确定最相似的地区。然后权衡这些地区来预测目标地区的病例。”

除了Covid-19数据之外，该算法还在校准当地社区预测时，从美国人口普查中绘制了超本地细节的信息。

“人口普查数据非常出色，因为它隐含地捕捉了每个当地社区中的文化，生活方式，人口统计和企业类型，”王说。“当您将与区域提供的Covid-19数据相结合时，它有助于我们将从一个地区的知识转移到另一个地区，这对于希望涉及干预措施有效性的社区将是有用的。”

研究人员的模型表明，在最近的斯派克期间，圣巴巴拉县经验丰富地蔓延，类似于梅克伦堡，韦克斯和北卡罗来纳州的北卡罗来纳州的州县，于3月初和4月初看到。研究人员注意到基于Santa Barbara County的未来案件的预测案件超大了最常用的流行病学模型：SIR（易感，受感染，恢复的）模型，描述了通过三个互斥阶段的个体流动;和自回归模型，它使预测完全基于随时间显示的一系列数据点。基于AI的模型具有0.030的平均绝对百分比误差（MAPE），而SIR模型为0.11，并具有0.072的自回归。MAPE是统计数据预测准确性的常见量度。

Yan和Wang说，他们的模型预测更准确，因为它消除了与当前模型相关的关键弱点。普查数据提供了现有模拟模型中缺少的细粒度细节，而注意机制利用了大量现在公开可用的数据。

“人类，即使是训练有素的专业人员，也无法像计算机算法那样有效地处理大量数据，”王磊说。“我们的研究提供了自动从数据中提取有用信息的工具，从而简化图像，而不是把它变得更复杂。”

该项目与Richard Beswick博士和Santa Barbara的山寨医院博士的Richard Beswick和Lynn Fitzgibbons进行了合作进行的。在计算研究协会（CRA）虚拟会议期间，将于本月晚些时候展示。1972年成立于全国各地电脑科学部门部门椅的论坛，CRA的会员已经增长，包括200多个积极的组织在计算研究中。

燕和王的研究努力不会阻止那里。他们计划通过网站将其模型和预测提供给公众，并收集足够的数据以预测全国各地的社区。“我们希望预测该国的每个社区，因为我们相信，当人们充分了解当地数据时，他们将发出知情的决策，”燕说。

他们还希望他们的算法可以用来预测在特定时间实施特定干预会发生什么。

“因为我们的研究重点介绍了更基本的方面，所开发的工具可以应用于各种因素，”Yan添加。“希望，下次我们处于这样的情况下，我们将更好地装备能够在合适的时间做出正确的决定。”

---

---