Harvard: Brug af AI til personlig forudsigende karantæne

Wikimedia Commons Flickr / Dipartimento Protezione Civile
Del denne historie!
image_pdfimage_print
Hvis din forudsigelige AI ikke fungerer med kriminalitetsforebyggelse, hvorfor ikke prøve det på forudsigelige karantæner i stedet? Harvard siger, at alt det behøver, er flere data, hvor regeringen "helt sikkert kan øge indsamlingen af ​​nationale sundhedsdata ved at oprette eller udrulle mere omfattende elektroniske medicinske poster." ⁃ TN Editor

I de sidste par måneder har verden oplevet en række udbrud af Covid-19, der generelt har fulgt den samme vej: en indledende fase med få infektioner og begrænset respons, efterfulgt af en start af den berømte epidemikurve ledsaget af en landsdækkende nedlukning til flad kurven. Så når kurven er nået, er regeringerne nødt til at tackle det, som præsident Trump har kaldt "den største beslutning”Af hans liv: hvornår og hvordan man håndterer afgrænsning.

I hele pandemien er der lagt stor vægt på deling (eller mangel på den) af kritisk information på tværs af lande - især fra Kina - om spredningen af ​​sygdommen. Derimod er der relativt lidt blevet sagt om, hvordan Covid-19 kunne have været bedre styret ved at udnytte de avancerede datateknologier, der har forvandlet virksomheder i de sidste 20 år. I denne artikel diskuterer vi en måde, hvorpå regeringer kan udnytte disse teknologier til styring af en fremtidig pandemi - og måske endda de afsluttende faser af den nuværende.

Kraften i personlig forudsigelse

En alternativ tilgang for beslutningstagerne til at overveje at tilføje i deres mix for at kæmpe mod Covid-19 er baseret på teknologien til personlig forudsigelse, som har transformeret mange industrier i de sidste 20 år. Brug af maskinindlæring og kunstig intelligens (AI) -teknologi, datadrevne virksomheder (fra "Big Tech" til finansielle tjenester, rejser, forsikring, detailhandel og medier) fremstiller personlige henstillinger til, hvad de skal købe, og praktiserer personlig prisfastsættelse, risiko, kredit , og lignende ved hjælp af de data, de har samlet om deres kunder.

I en nylig artikel om HBRfor eksempel beskrev Ming Zeng, Alibabas tidligere strategibetjent, hvordan Ant Financial, hans virksomheds udlånsvirksomhed til små virksomheder, kan vurdere låneansøgere i realtid ved at analysere deres transaktions- og kommunikationsdata på Alibabas e-handelsplatforme. I mellemtiden vurderer virksomheder som Netflix forbrugernes tidligere valg og egenskaber for at forudsige, hvad de vil se næste.

Den samme tilgang kunne fungere for pandemier - og endda fremtiden for Covid-19. Ved hjælp af flere datakilder kan maskinlæringsmodeller trænes til at måle en persons klinisk risiko for at lide alvorlige resultater (hvis inficeret med Covid): hvad er sandsynligheden for, at de har brug for intensiv pleje, som der er begrænsede ressourcer til? Hvor sandsynligt er det, at de dør? Dataene kunne omfatte individer 'grundlæggende medicinske historie (for Covid-19 ser symptomernes sværhedsgrad ud til at stige med alderen og med tilstedeværelse af co-morbiditeter såsom diabetes or forhøjet blodtryk) såvel som andre data, såsom husholdningssammensætning. For eksempel kan et ungt, sundt individ (som ellers kan klassificeres som ”lav risiko”) klassificeres som ”høj risiko”, hvis han eller hun bor hos gamle eller svagelige mennesker, der sandsynligvis skulle have brug for intensiv pleje, hvis de smittes.

Disse kliniske risikoforudsigelser kunne derefter bruges til at tilpasse politikker og ressourcetildeling på individ / husholdningsniveau og passende redegøre for standard medicinske forpligtelser og risici. Det kunne f.eks. Gøre det muligt for os at målrette social afstand og beskyttelse for dem med høj klinisk risikoscore, samtidig med at de med lave score kan leve mere eller mindre normalt. Kriterierne for tildeling af enkeltpersoner til grupper med høj eller lav risiko ville naturligvis være nødt til at blive fastlagt, også med hensyn til tilgængelige ressourcer, medicinsk ansvarsrisiko og andre risikoforhold, men de data videnskabelige tilgange til dette er standard og anvendes i talrige applikationer.

En personlig tilgang har flere fordele. Det kan hjælpe med at bygge besætning immunitet med lavere dødelighed - og hurtigt. Det vil også give mulighed for bedre - og mere retfærdig - allokering af ressourcer, for eksempel til mangel på medicinsk udstyr (såsom testkits, beskyttelsesmasker og hospitalsenge) eller andre ressourcer.

Afgrænsningsstrategier i senere faser af en pandemi - et næste vigtige trin for Covid-19 i de fleste lande - kan drage fordel på en lignende måde. At beslutte, hvilke mennesker der skal starte afgrænsningsprocessen med, er i sagens natur et klassificeringsproblem, der ligner klassificeringsproblemerne, som de fleste datadrevne virksomheder kender. Nogle regeringer nærmer sig allerede indeslutning ved at bruge alder som en fuldmagt til risiko, en relativt rå klassificering, der potentielt savner andre højrisikoindivider (såsom ovenstående eksempel på sunde unge mennesker, der bor med ældre).

Udførelse af klassificering baseret på data og AI-forudsigelsesmodeller kan føre til afgrænsningsbeslutninger, der er sikre på samfundsniveau og langt billigere for den enkelte og økonomien. Vi ved, at et centralt træk ved Covid-19 er, at det har en usædvanlig høj transmissionshastighed, men også relativt lavt alvorlige symptomer eller dødelighed. Data indikerer, at over 90% af de inficerede mennesker muligvis enten er asymptomatiske eller oplever milde symptomer, når de smittes.

I teorien med en pålidelig forudsigelse af, hvem disse 90% er, kunne vi afgrænse alle disse individer. Selv hvis de skulle inficere hinanden, ville de ikke have alvorlige symptomer og ville ikke overvælde det medicinske system eller dø. Disse 90% begrænsede kliniske risikotilpassede mennesker ville også hjælpe med til hurtig opbygning af høj besætningsimmunitet, på hvilket tidspunkt de resterende 10% også kunne fjernes.

Læs hele historien her ...

Deltag i vores mailingliste!


Tilmeld
Underretning af
gæst
4 Kommentarer
Ældste
Nyeste Mest afstemt
Inline feedbacks
Se alle kommentarer
Charles Harper

Ja, de holder dette op, og folk vil bukke under for blyforgiftning i stedet for covid-19.

JCLincoln

Hvis Gud bruger de enkle ting i verden til at forvirre de kloge, ville det kun tage en baby-skrammel og et gummibånd for at gøre Harvard-studerende katatoniske.