Ένα νέο εργαλείο τεχνητής νοημοσύνης προβλέπει την εξάπλωση μεταδοτικών ασθενειών με πολύ μεγαλύτερη αποτελεσματικότητα από τις παραδοσιακές μεθόδους.
Το εργαλείο AI, το οποίο αναπτύχθηκε με ομοσπονδιακή χρηματοδότηση από τα Πανεπιστήμια Τζονς Χόπκινς και Ντιουκ στις ΗΠΑ, θα μπορούσε να αλλάξει ριζικά τον τρόπο πρόβλεψης και διαχείρισης επιδημιών ιογενών ασθενειών, όπως η γρίπη και η COVID-19.
Τα προβλήματα των μοντέλων στην πανδημία της COVID-19
«Η COVID-19 ανέδειξε τη μεγάλη πρόκληση της πρόβλεψης της εξάπλωσης μεταδοτικών νόσων εξαιτίας της ύπαρξης πολλών και πολύπλοκων παραγόντων που επηρέαζαν την εξάπλωση και οι οποίοι μεταβάλλονταν διαρκώς» δήλωσε η δρ Λόρεν Γκάρντνερ, μία από τις συγγραφείς της μελέτης που παρουσιάζει το νέο εργαλείο στο επιστημονικό περιοδικό «Nature Computational Science».
Η δρ Γκάρντνερ, καθηγήτρια στο Πανεπιστήμιο Τζονς Χόπκινς και ειδικός στην ανάπτυξη μοντέλων, ήταν η δημιουργός του πίνακα με τα καθημερινά στοιχεία για την COVID-19 κατά την πανδημία, ο οποίος αποτέλεσε παγκόσμιο σημείο αναφοράς εκείνα τα χρόνια.
«Οταν οι συνθήκες ήταν σταθερές τα μοντέλα ήταν αποτελεσματικά. Ωστόσο όταν αναδύθηκαν νέες παραλλαγές του ιού ή όταν άλλαξαν οι πολιτικές αντιμετώπισης της πανδημίας, ήμασταν τραγικοί στην πρόβλεψη καθώς δεν διαθέταμε τις δυνατότητες μοντελοποίησης ώστε να περιλάβουμε σημαντικές πληροφορίες. Το νέο εργαλείο κλείνει αυτό το κενό».
Η βάση του είναι ένα μεγάλο γλωσσικό μοντέλο
Όταν ξέσπασε η πανδημία του κορωνοϊού, δεν υπήρχε ακόμη η τεχνολογία που αξιοποιεί το νέο εργαλείο. Σήμερα, η ερευνητική ομάδα χρησιμοποίησε για πρώτη φορά ένα μεγάλο γλωσσικό μοντέλο στην πρόβλεψη της εξάπλωσης ασθενειών, δηλαδή τον τύπο AI στον οποίο βασίζεται και το πλέον γνωστό ChatGPT.
Το μοντέλο AI με την ονομασία PandemicLLM δεν προβλέπει με την προσέγγιση που χρησιμοποιείται για την επίλυση μαθηματικών προβλημάτων. Αντίθετα, αξιοποιεί λογική και συνυπολογίζει στοιχεία όπως πρόσφατες εξάρσεις του ιού, νέες παραλλαγές, καθώς και κυβερνητικά μέτρα για την αναχαίτισή του, μεταξύ των οποίων η υποχρεωτική χρήση μάσκας.
Οι επιστήμονες εισήγαγαν στο μοντέλο μεγάλο όγκο πληροφοριών, ακόμη και δεδομένα που δεν είχαν αξιοποιηθεί στο παρελθόν για την πρόβλεψη πανδημιών. Διαπίστωσαν ότι το PandemicLLM εντόπιζε με ακρίβεια τα μοτίβα της ασθένειας και τις τάσεις στις νοσηλείες, από μία έως τρεις εβδομάδες πριν.
Καλύτερο από τις άλλες μεθόδους, ακόμη και τις πιο προηγμένες
Οι επιδόσεις του ξεπέρασαν εκείνες κάθε άλλης αντίστοιχης μεθόδου, περιλαμβανομένων και των πιο προηγμένων, όπως το CovidHub των Αμερικανικών Κέντρων Ελέγχου και Πρόληψης Νοσημάτων (CDC).
Τέσσερις κατηγορίες δεδομένων για την «εκπαίδευσή» του
Η λειτουργία του PandemicLLM στηρίζεται σε τέσσερις βασικές κατηγορίες δεδομένων:
- Δημογραφικά δεδομένα και πληροφορίες για τα συστήματα υγείας.
- Επιδημιολογικά στοιχεία, όπως ο αριθμός κρουσμάτων, οι νοσηλείες και τα ποσοστά εμβολιασμού.
- Πληροφορίες για τις πολιτικές υγείας που εφαρμόζει κάθε χώρα.
- Δεδομένα γονιδιακής επιτήρησης, στα οποία περιλαμβάνονται τα χαρακτηριστικά των παραλλαγών κάθε ιού.
Η αναδρομική αξιολόγηση
Για να ελέγξουν τις δυνατότητες του εργαλείου, οι ερευνητές το δοκίμασαν αναδρομικά στην πανδημία της COVID-19. Του έδωσαν στοιχεία για καθεμία από τις αμερικανικές πολιτείες, τα οποία κάλυπταν διάστημα άνω των 19 μηνών. Τα αποτελέσματα έδειξαν ότι, σε σύγκριση με άλλα μοντέλα, το PandemicLLM προέβλεπε με ιδιαίτερη επιτυχία ακόμη και σε περιόδους μεγάλης μεταβλητότητας των δεδομένων της πανδημίας.
Μπορεί να προβλέψει την εξάπλωση κάθε μεταδοτικής ασθένειας
Οι δημιουργοί του εκτιμούν ότι, με κατάλληλη εκπαίδευση στα σχετικά δεδομένα, το μοντέλο μπορεί να προσαρμοστεί για προβλέψεις σχετικά με οποιαδήποτε μεταδοτική νόσο. Σε αυτές περιλαμβάνονται η γρίπη των πτηνών, ο αναπνευστικός συγκυτιακός ιός (RSV) και η Mpox, που παλαιότερα ονομαζόταν ευλογιά των πιθήκων.
Στόχος ο σχεδιασμός αποτελεσματικότερων πολιτικών υγείας
Η ομάδα διερευνά πλέον εάν μοντέλα όπως το PandemicLLM μπορούν να αναπαράγουν τον τρόπο με τον οποίο οι άνθρωποι παίρνουν αποφάσεις για την υγεία τους. Ελπίζει ότι η αξιοποίησή τους θα συμβάλει στη διαμόρφωση πολιτικών υγείας πιο ασφαλών και αποτελεσματικών.
Χρειάζονται καλύτερα εργαλεία ενόψει της επόμενης πανδημίας
«Μάθαμε από την COVID-19 ότι χρειαζόμαστε καλύτερα εργαλεία πρόβλεψης ώστε να ακολουθούμε και πιο αποτελεσματικές στρατηγικές προάσπισης της δημόσιας υγείας. Θα υπάρξει και άλλη πανδημία, για αυτό αυτού του τύπου τα μοντέλα θα είναι ζωτικής σημασίας ώστε να συμβάλλουν στην απόκρισή μας στους ιογενείς εχθρούς» κατέληξε η δρ Γκάρντνερ.
*Από τη Θεοδώρα Ν. Τσώλη
Το άρθρο στο ygeiax.gr: https://www.ygeiax.gr/health/ai-provlepei-tin-exaplosi-gripis-kai-covid-19-2/10256
