人工智能工具提供了更精确的流感预测

预测流感暴发只是有点容易,多亏了一个新的人工智能动力由史蒂文斯理工学院的研究人员开发的预测工具。

通过加入位置数据,人工智能系统能够比其他先进的预测方法,提供了一个增加11%精度和预测流感爆发提前15周。

过去的预测工具试图发现模式通过研究感染率随时间变化的方式但悦宁,领导在史蒂文斯的工作,和她的团队使用图形编码流感感染的神经网络作为相互联系的区域集群。允许他们的算法梳理的流感感染模式流从一个地区到另一个,并使用模式在一个地区发现告知其预测在其他位置。

“捕获时间和空间的相互作用让我们识别隐藏的模式和机制比以往任何时候都更准确地预测流感爆发,“宁说,计算机科学副教授。“通过支持更好的资源分配和公共卫生规划,这个工具将产生重大影响我们如何应对流感爆发。"

宁和她的团队训练他们的人工智能工具使用真实世界的国家和地区的数据来自美国和日本,然后测试其对流感的历史数据的预测。其他模型可以利用过去的数据预测流感的爆发提前一到两周,但是合并位置数据允许更健壮的预测几个月的时间。他们的工作是报道10月19学报第29届ACM国际会议信息和知识管理。

“我们的模型也是极其transparent-where其他人工智能预测使用“黑盒”算法,我们可以解释为什么我们的系统做出了具体的预测,以及如何影响它认为疫情在不同的位置,“宁解释道。

在未来,类似的技术也可以用来预测波COVID-19感染。自从COVID-19是一种新型病毒,没有历史数据来训练一个人工智能算法;不过,宁指出,大量的location-coded COVID-19数据正在收集每天。”,可以让我们更快地训练算法我们继续研究COVID-19大流行,“宁说。

宁现在正努力改善她influenza-forecasting算法通过将新数据源。一个关键的挑战是如何占接种教育等公共卫生干预措施,戴面罩和社会距离。“很复杂,因为卫生政策制定在回应爆发严重程度,而且形状的那些爆发,”宁解释道。“我们需要更多的研究来了解卫生政策和流行病互动。”

另一个挑战是确定哪些数据真正预测流感的爆发,这就是噪声。宁的研究小组发现,飞行交通模式不有效地预测地区流感疫情,例如,但天气数据更有前途。“我们也受到公开的信息,“宁说。“location-coded疫苗接种率的数据将会非常有帮助,但采购信息并不容易。”

到目前为止,还没有使用人工智能工具在实际的健康计划,但宁表示,这只是一个时间问题,直到医院和政策制定者开始使用人工智能算法来提供更健壮的应对流感的爆发。“我们的算法将不断学习和改善我们收集新数据,使我们能够提供更准确的长期预测,”宁说。“当我们努力应付未来的大流行,这些技术将有很大的影响。”

---

---