כלי AI חדש לחיזוי התפשטות מחלות זיהומיות עולה על ביצועי שיטות חיזוי חדישות קיימות.
הכלי, שנוצר עם תמיכה פדרלית על ידי חוקרים באוניברסיטאות ג'ונס הופקינס ודוכס, יכול לחולל מהפכה כיצד פקידי בריאות הציבור מנבאים, עוקבים אחר התפרצויות של מחלות זיהומיות כולל שפעת וקוביד -19.
"Covid-19 הבהיר את האתגר של חיזוי התפשטות מחלות בגלל יחסי הגומלין של גורמים מורכבים שהשתנו ללא הרף", אמרה הסופרת לורן גרדנר מג'ונס הופקינס, מומחה דוגמנות שיצר את לוח המחוונים Covid-19 עליו הסתמכו אנשים ברחבי העולם במהלך הפנדמיה. "כאשר התנאים היו יציבים הדגמים היו בסדר. עם זאת, כאשר גרסאות חדשות הופיעו או שהמדיניות השתנתה, היינו נוראים בחיזוי התוצאות מכיוון שלא היו לנו יכולות הדוגמנות לכלול סוגים קריטיים של מידע. הכלי החדש ממלא את הפער הזה."
היצירה מתפרסמת לאחרונה ב מדע חישובי טבעו
במהלך מגיפת הנגיף Coronavirus, הטכנולוגיה העומדת בבסיס הכלי החדש לא הייתה קיימת. הצוות בפעם הראשונה משתמש במודלים גדולים בשפה, סוג ה- AI הגנוצרי ששימש בצורה המפורסמת ביותר בצ'אט, כדי לחזות את התפשטות המחלה.
במקום להתייחס לחיזוי רק כמו בעיה במתמטיקה, המודל, שנקרא Pandemicllm, סיבות איתה, בהתחשב בתשומות כמו דוקרני זיהום אחרונים, גרסאות חדשות ומנדטים של מסכות.
הצוות האכיל את זרמי המידע, כולל נתונים שמעולם לא נעשה בהם בעבר בכלי חיזוי מגיפה, ומצא שמצאה פנדמיילם יכולים לחזות במדויק את דפוסי המחלה ומגמות האשפוז בשבוע עד שלושה שבועות, תוך ביצועים טובים יותר של שיטות אחרות כולל השיטות הגבוהות ביותר ב- Covidhub של CDC.
אתגר דחוף בחיזוי המחלות הוא לנסות להבין מה מניע נחשולים בזיהומים ובאשפוזים, ולבנות זרמי מידע חדשים אלה למודלים. "
לורן גרדנר מג'ונס הופקינס
המודל מסתמך על ארבעה סוגים של נתונים:
- נתונים מרחביים ברמת המדינה הכוללים מידע על דמוגרפיה, מערכת הבריאות ושייכות פוליטית.
- נתוני סדרות זמן אפידמיולוגיות כמו מקרים מדווחים, אשפוזים ושיעורי חיסונים.
- נתוני מדיניות לבריאות הציבור הכוללים מחרוזות וסוגי מדיניות ממשלתית.
- נתוני מעקב גנומיים כולל מידע על מאפייני גרסאות המחלה ושכיחותם.
לאחר צריכת מידע זה, המודל יכול לחזות כיצד היסודות השונים יתכנסו יחד כדי להשפיע על אופן התנהלות המחלה.
כדי לבדוק זאת, הצוות יישם אותו באופן רטרואקטיבי על המגיפה COVID-19, וקידח על כל מדינה בארה"ב במשך 19 חודשים. בהשוואה לדגמים אחרים, הכלי החדש היה מוצלח במיוחד כאשר ההתפרצות הייתה בשטף.
"באופן מסורתי אנו משתמשים בעבר כדי לחזות את העתיד", אמר הסופר האו "פרנק" יאנג, פרופסור עוזר ג'ונס הופקינס להנדסת אזרח ומערכות המתמחה בפיתוח AI אמין. "אבל זה לא נותן למודל מידע מספיק כדי להבין ולחזות מה קורה. במקום זאת, מסגרת זו משתמשת בסוגים חדשים של מידע בזמן אמת."
בעזרת הנתונים הדרושים ניתן להתאים את המודל לכל מחלה זיהומית, כולל שפעת ציפורים, Monkeypox ו- RSV.
הצוות בוחן כעת את יכולתם של LLMs לשכפל כיצד אנשים מקבלים החלטות לגבי בריאותם, בתקווה שמודל כזה יעזור לפקידים לתכנן מדיניות בטוחה ויעילה יותר.
גרדנר אמר כי "אנו יודעים מ- Covid-19 שאנחנו זקוקים לכלים טובים יותר כדי שנוכל ליידע מדיניות יעילה יותר". "תהיה מגיפה נוספת, וסוגים אלה של מסגרות יהיו מכריעים לתמיכה בתגובה לבריאות הציבור."
המחברים כללו: הסטודנט לתואר שלישי של ג'ונס הופקינס הונגרו דו; הסטודנט לתואר שני בג'ונס הופקינס יאנג ג'או; ג'יאן ג'או מאוניברסיטת מונטריאול; סטודנט דוקטורט של ג'ונס הופקינס, Shaochong Xu, Xihong Lin מאוניברסיטת הרווארד ואוניברסיטת דיוק פרופ 'יירן חן.
