Опубликовано : Июн 29, 2020

Исследователи используют машинное обучение для построения прогнозов COVID-19

covid
Кредит: Pixabay/CC0 Public Domain

Поскольку часть США предварительно открывается в условиях пандемии COVID-19, долгосрочное здоровье нации по-прежнему зависит от отслеживания вируса и прогнозирования его дальнейшего распространения. Найти правильные компьютерные модели может быть непросто, но два исследователя из Университета Бингемтон, Государственный университет Нью-Йорка, считают, что у них есть инновационный способ решения этих проблем, и они делятся своей работой в Интернете.

Используя данные, собранные со всего мира Университетом Джона Хопкинса, Арти Рамеш и Ананд Зитхарам — оба доцента факультета компьютерных наук — создали несколько моделей прогнозирования, использующих преимущества искусственного интеллекта. Содействие в исследовании является доктор философии. студент Раушан Радж.

Машинное обучение позволяет изучать и совершенствовать алгоритмы без явного программирования. Модели исследуют тенденции и закономерности из 50 стран, где уровень коронавирусной инфекции наиболее высок, включая США, и часто могут с точностью до 10% предсказать, что произойдет в течение следующих трех дней, на основе данных за последние 14 дней.

«Мы считаем, что прошлые данные кодируют всю необходимую информацию», — сказал Зитхарам. «Эти инфекции распространились из-за мер, которые были реализованы или не реализованы, а также из-за того, как некоторые люди придерживались ограничений или нет. В разных странах мира существуют разные уровни ограничений и социально-экономический статус».

Для своего первоначального исследования Рамеш и Зитхарам вводили глобальные цифры заражения до 30 апреля, что позволило им увидеть, как их прогнозы подтвердились до мая.

Определенные аномалии могут привести к трудностям. Например, данные из Китая не были включены из-за опасений по поводу прозрачности правительства в отношении COVID-19. Кроме того, поскольку ресурсы здравоохранения часто облагаются налогом, отслеживание распространения вируса иногда не было приоритетом.

«Мы видели, что во многих странах они подсчитывали количество инфекций, но не приписывали их в день их выявления», — сказал Рамеш. «Они добавят их все в один день, и внезапно произойдет сдвиг в данных, которые наша модель не может предсказать».

Несмотря на то, что во многих районах США уровень заболеваемости снижается, в других странах он растет, и американские чиновники здравоохранения опасаются второй волны COVID-19, когда люди, уставшие от блокировки, не соблюдают безопасные правила, такие как ношение масок для лица .

«Основная цель этого исследования — подготовить больницы и работников здравоохранения к надлежащему оборудованию», — сказал Зитхарам. «Если они узнают, что в ближайшие три дня произойдет всплеск и все больничные койки будут заполнены, им нужно будет построить временные койки и тому подобное».

По мере того как коронавирус распространяется по всему миру, Рамеш и Зитхарам продолжают собирать данные, чтобы их модели могли стать более точными. Другие исследователи или работники здравоохранения, которые хотят использовать свои модели, могут найти их в Интернете.

«Каждая точка данных — это день, и если она растягивается дольше, она создает более интересные шаблоны в данных», — сказал Рамеш. «Тогда мы будем использовать более сложные модели, потому что им нужны более сложные шаблоны данных. Сейчас их нет, поэтому мы используем более простые модели, которые также легче запускать и понимать».

Работа Рамеша и Зитхарама называется «Ансамблевые регрессионные модели для краткосрочного прогнозирования подтвержденных случаев COVID-19»./p>

Spread the love

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *