人工智能可能是限制未来大流行中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如何在流行病暴发期间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暴发。
在这项研究中,研究人员开发了一种方法来改进流行病暴发期间的检测策略,并且在信息相对有限的情况下,能够预测哪些个体具有最佳的检测潜力中国机械网okmao.com。
哥德堡大学物理学博士生,已发表研究的主要作者劳拉·纳塔利(Laura Natali)说:“这可能是社会更好地控制未来重大疾病爆发并减少关闭社会的第一步。”
机器学习是人工智能的一种,可以描述为数学模型,其中训练计算机学习使用不同的数据集查看连接并解决问题。研究人员将机器学习用于流行病暴发的模拟中,其中使用有关第一个确诊病例的信息来估计其余人群的感染情况。使用了有关受感染个体的联系网络的数据和其他信息:他们与谁密切联系,在何处以及持续了多长时间。
“在这项研究中,使用该方法可以快速控制疫情,而随机测试会导致更多感染者的暴发不加控制。在现实世界中,可以添加信息,例如人口统计数据,年龄和与健康有关的状况,可以进一步提高该方法的有效性。如果只是暂时的免疫力,也可以使用相同的方法来预防人群的再次感染。”
她强调,这项研究是模拟,需要对真实数据进行测试才能进一步改进该方法。因此,将其用于正在进行的冠状病毒大流行还为时过早。同时,她认为这项研究是能够实施更具针对性的措施以减少感染扩散的第一步,因为基于机器学习的测试策略会自动适应疾病的特定特征。例如,她提到可以轻松预测是否应测试特定年龄段的人,或者是有限的地理区域是否是危险区域(例如学校,社区或特定社区)的潜力。
“大规模爆发开始时,快速有效地识别传染性个体很重要。在随机检测中,存在无法实现的巨大风险,但是通过采用更具目标性的检测策略,我们可以发现更多的感染者,从而它还获得了必要的信息,以减少感染的传播。我们证明了机器学习可以用于开发这种类型的测试策略,”她说。
之前的研究很少研究如何将机器学习用于大流行病,尤其是明确地寻找最佳测试策略。
“我们表明,可以使用相对简单和有限的信息来预测谁将最有利于测试。这可以更好地利用可用的测试资源。”