机器学习可以帮助减缓未来的流行病

人工智能可能成为在未来大流行中限制感染传播的关键之一。在一项新的研究中，哥德堡大学的研究人员研究了在疫情爆发期间如何使用机器学习来找到有效的测试方法，从而帮助更好地控制疫情爆发。

在这项研究中，研究人员开发了一种方法，在疫情爆发期间改进测试策略，而且这种方法相对有限信息能够预测哪些人具有最好的测试潜力。

“这可能是迈向社会更好地控制未来的主要疫情，减少关闭社会需要的第一步，”哥德兰堡大学物理博士生和发表研究的主要作者的博士生劳拉·纳塔利说。

模拟显示疫情迅速得到控制

机器学习是一种人工智能并且可以被描述为一个数学模型在那里，电脑被训练学会使用不同的数据集来观察连接和解决问题。研究人员在模拟流行病爆发时使用了机器学习，第一批确诊病例的信息被用来估计其他人群的感染情况。使用了有关感染者接触网络的数据和其他信息:他们曾密切接触过谁、在哪里和接触了多长时间。

“在研究中，当使用方法时，可以在控制中快速控制爆发，而随机测试会导致爆发的爆发的不受控制与许多受感染的个体。在现实世界的条件下，可以添加信息，例如人口统计数据，如人口统计数据，年龄和健康相关的条件，可以提高方法的效率。如果疾病后疫苗只暂时，相同的方法也可用于预防人群中的抗切肉。“

更准确的定位感染

她强调说，这项研究是模拟的，需要用真实数据进行测试，才能进一步改进这种方法。与此同时，她认为这项研究是能够实施更有针对性的举措以减少传播的第一步感染，由于基于机器学习的测试策略自动适应疾病的特定特征。作为一个例子，她提到了如果应该测试特定年龄组或者有限的地理区域是风险区域，例如学校，社区或特定社区的风险区域，她提到了很容易预测。

“当一个大爆发已经开始，重要的是快速有效地识别传染性人。在随机测试中，有一个重大风险无法实现这一目标，但是通过更有目标的测试策略，我们可以找到更多受感染的个体，从而获得必要的信息来减少感染的传播。我们表明机器学习可用于开发这种类型的测试策略，“她说。

更有效地使用测试资源

以前还有审查的研究机器学习可以在流行病的情况下使用，特别是在清晰的重点上，寻找最佳测试策略。

“我们证明了使用相对简单和有限的信息让谁是最有利的预测测试。这允许更好地利用可用的测试资源。“

---

---