Home Bots & Brains Onderzoek: ‘AI kan griep beter voorspellen’

Onderzoek: ‘AI kan griep beter voorspellen’

door Pieter Werner

Het voorspellen van griepuitbraken is volgens onderzoeker eenvoudiger geworden dankzij een nieuwe AI-gedreven voorspellingstool die is ontwikkeld aan het Stevens Institute of Technology.

Eerdere prognosetools hebben geprobeerd patronen te ontdekken door de manier waarop infectiecijfers in de loop van de tijd veranderen te bestuderen. Maar Yue Ning, die het werk bij Stevens leidde, en haar team gebruikten een grafisch neuraal netwerk om griepinfecties te coderen als onderling verbonden regionale clusters. Dat stelt hun algoritme in staat om patronen te ontrafelen in de manier waarop influenza-infecties van de ene regio naar de andere stromen, en ook om patronen te gebruiken die in de ene regio zijn waargenomen om zijn voorspellingen op andere locaties te informeren.

Verborgen patronen

“Door het samenspel van ruimte en tijd vast te leggen, kan ons mechanisme verborgen patronen identificeren en griepuitbraken nauwkeuriger dan ooit tevoren voorspellen”, zegt Ning, universitair hoofddocent informatica. “Door een betere toewijzing van middelen en planning van de volksgezondheid mogelijk te maken, zal deze tool een grote impact hebben op hoe we omgaan met uitbraken van griep.”

Historische griepgegevens

Ning en haar team trainden hun A.I. tool met behulp van real-world staats- en regionale gegevens uit de VS en Japan, en vervolgens zijn voorspellingen getoetst aan historische griepgegevens. Andere modellen kunnen gegevens uit het verleden gebruiken om griepuitbraken een week of twee van tevoren te voorspellen, maar door locatiegegevens op te nemen, zijn veel robuustere voorspellingen over een periode van enkele maanden mogelijk. Over hun werk wordt verslag uitgebracht in de Proceedings of the 29th ACM International Conference on Information and Knowledge Management van 19 – 23 oktober.

“Ons model is ook extreem transparant – waar andere AI-voorspellingen gebruikmaken van ‘black box’-algoritmen, kunnen we uitleggen waarom ons systeem specifieke voorspellingen heeft gedaan en hoe het denkt dat uitbraken op verschillende locaties elkaar beïnvloeden’, legt Ning uit.

COVID-19

In de toekomst zouden vergelijkbare technieken ook kunnen worden gebruikt om golven van COVID-19-infecties te voorspellen. Omdat COVID-19 een nieuw virus is, zijn er geen historische gegevens waarmee een A.I. algoritme; toch, merkte Ning op, worden nu dagelijks enorme hoeveelheden locatie-gecodeerde COVID-19-gegevens verzameld. “Dat zou ons in staat kunnen stellen om sneller algoritmen te trainen terwijl we de COVID-19-pandemie blijven bestuderen”, zei Ning.

Algoritme

Ning werkt nu aan het verbeteren van haar algoritme voor het voorspellen van griep door nieuwe gegevensbronnen op te nemen. Een belangrijke uitdaging is om uit te zoeken hoe verantwoording moet worden afgelegd voor interventies op het gebied van de volksgezondheid, zoals vaccinatie-educatie, het dragen van een masker en sociale afstand nemen. “Het is ingewikkeld, omdat het gezondheidsbeleid wordt vastgesteld als reactie op de ernst van de uitbraak, maar ook het verloop van die uitbraken bepaalt”, legt Ning uit. “We hebben meer onderzoek nodig om te leren hoe gezondheidsbeleid en pandemieën op elkaar inwerken.”

Uitdaging

Een andere uitdaging is om te bepalen welke gegevens echt griepuitbraken voorspellen, en wat alleen maar ruis is. Het team van Ning ontdekte dat vliegverkeerspatronen bijvoorbeeld geen zinvolle voorspelling zijn voor regionale griepuitbraken, maar dat weergegevens veelbelovender waren. “We worden ook beperkt door de informatie die openbaar beschikbaar is”, zei Ning. “Het hebben van locatie-gecodeerde gegevens over vaccinatiegraad zou erg nuttig zijn, maar het vinden van die informatie is niet eenvoudig.”

Reacties

Tot dusverre heeft de A.I. tool is niet gebruikt in de echte gezondheidsplanning, maar Ning zei dat het slechts een kwestie van tijd is voordat ziekenhuizen en beleidsmakers A.I. algoritmen voor krachtigere reacties op griepuitbraken. “Ons algoritme zal blijven leren en verbeteren naarmate we nieuwe gegevens verzamelen, waardoor we nog nauwkeurigere langetermijnvoorspellingen kunnen doen”, aldus Ning. “Terwijl we eraan werken om toekomstige pandemieën het hoofd te bieden, zullen deze technologieën een grote impact hebben.”

 

Misschien vind je deze berichten ook interessant