În luna ianuarie a anului trecut, în timp ce unele modele avertizau că rata de infectare cu noul coronavirus în SUA va continua să crească, cazurile au scăzut. În iulie 2021, în timp ce previziunile anunțau că numărul de contaminări se va stabiliza, varianta delta a crescut vertiginos, ceea ce a făcut ca agențiile de sănătate publică să se grăbească să restabilească obligativitatea folosirii măștilor și a măsurilor de distanțare socială. „Modelele de prognoză existente nu au prezis, în general, marile valuri și vârfuri”, a declarat Morteza Karimzadeh, cercetător în domeniul datelor geospațiale, profesor asistent de geografie la CU Boulder. „Au eșuat atunci când am avut cea mai mare nevoie de ele”.

Cercetarea lui Karimzadeh și ale colegilor săi sugerează că o nouă abordare, care utilizează Inteligența Artificială (IA) și seturi de date vaste și anonime de pe Facebook, ar putea nu numai să producă previziuni mai precise privind COVID-19, ci și să revoluționeze modul în care sunt monitorizate alte boli infecțioase, inclusiv gripa. Rezultatele lor, publicate în International Journal of Data Science and Analytics, concluzionează că această metodă de prognoză pe termen scurt depășește în mod semnificativ modelele convenționale pentru a proiecta tendințele COVID-19 la nivel de comitat sau district.

Echipa lui Karimzadeh este acum una dintre cele douăsprezece existente, inclusiv cele de la Universitatea Columbia și de la Institutul de Tehnologie din Massachusetts (MIT), care trimit proiecții săptămânale către COVID-19 Forecast Hub, un centru ce reunește cele mai bune date posibile pentru a crea o „prognoză de ansamblu” pentru CDC (Centrul pentru Controlul Bolilor). Previziunile lor se clasează, în general, pe primele două locuri în ceea ce privește acuratețea, în fiecare săptămână. „Când vine vorba de previziuni la nivel de district, constatăm că modelele noastre au performanțe, incontestabil, mai bune decât majoritatea modelelor existente”, a declarat Karimzadeh.

 „Prieteniile” pe FB și răspândirea virală

Majoritatea tehnicilor de previzionare COVID-19 utilizate în prezent se bazează pe ceea ce se numește „model compartimental”. Pur și simplu, modelatorii iau cele mai recente cifre pe care le pot obține despre populațiile infectate și susceptibile (pe baza rapoartelor săptămânale privind infecțiile, spitalizările, decesele și vaccinările), le introduc într-un model matematic și le prelucrează pentru a prezice ce se va întâmpla în continuare. Aceste metode au fost utilizate timp de zeci de ani cu un succes rezonabil, dar nu au reușit să previzioneze valuri locale de COVID-19, în parte pentru că nu pot lua în considerare cu ușurință modul în care oamenii se deplasează. Aici intervin datele Facebook. Echipa lui Karimzadeh se bazează pe datele generate de Facebook de pe dispozitivele mobile, pentru a obține o idee despre cât de mult călătoresc oamenii de la un district/comitat la altul și în ce măsură persoanele din diferite zone sunt prietene pe rețelele sociale. Acest lucru este important, deoarece oamenii se comportă diferit în preajma prietenilor. „Este posibil ca oamenii să poarte masca și să se distanțeze social atunci când merg la serviciu sau la cumpărături, dar este posibil să nu adere la distanțarea socială sau la purtarea măștii atunci când petrec timp cu prietenii”, a atras atenția Karimzadeh. Toate acestea ar putea influența în ce măsură, de exemplu, un focar din comitatul Denver s-ar putea răspândi în comitatul Boulder. Adesea, comitatele care nu sunt unul lângă altul se pot influența puternic unul pe celălalt. Într-o lucrare anterioară din Nature Communications, echipa a descoperit că datele din social media au fost un instrument mai bun pentru a prezice răspândirea virală decât simpla monitorizare a mișcărilor oamenilor prin intermediul telefoanelor lor mobile. Cu două miliarde de utilizatori Facebook în întreaga lume, există date abundente din care se pot extrage informații, chiar și în regiunile îndepărtate ale lumii, unde datele de pe telefoanele mobile nu sunt disponibile. Datele sunt protejate de confidențialitate, a subliniat Karimzadeh.

Rolul Inteligenței Artificiale

Modelul în sine este, de asemenea, inovator, în sensul că se bazează pe tehnici consacrate de învățare automată pentru a se îmbunătăți în timp real, capturând tendințele schimbătoare ale cifrelor ce reflectă lucruri precum izolări, carantine, scăderea imunității sau măsuri de distanțare socială și de purtare a măștii. Pe un orizont de prognoză de patru săptămâni, modelul a fost în medie cu 50 de cazuri pe district mai precis decât prognoza de ansamblu din COVID-19 Forecast Hub. „Modelul învață din circumstanțele din trecut pentru a prognoza viitorul și se îmbunătățește în mod constant”, a declarat Karimzadeh.

Thoai Ngo, vicepreședinte al departamentului de cercetare în domeniul științelor sociale și comportamentale al organizației non-profit Population Council, care a contribuit la finanțarea cercetării, a declarat că o prognoză precisă este esențială pentru a câștiga încrederea publicului, pentru a se asigura că în comunități sunt disponibile suficiente teste și paturi de spital și pentru a permite factorilor de decizie politică să pună în aplicare măsuri, cum ar fi obligativitatea purtării măștii  înainte de a fi prea târziu. Ngo a spus că modelele tradiționale au, fără îndoială, punctele lor forte, dar, în viitor, ar „dori să le vadă combinate cu metode mai noi de inteligență artificială, pentru a profita de avantajele unice ale ambelor”. El și Karimzadeh aplică acum tehnicile lor noi de prognoză pentru a prezice ratele de spitalizare, despre care spun că vor fi mai utile de urmărit pe măsură ce virusul devine endemic. „IA a revoluționat totul, de la modul în care interacționăm cu telefoanele noastre până la dezvoltarea vehiculelor autonome, dar nu am profitat chiar atât de mult de ea atunci când vine vorba de prognozarea bolilor”, a declarat Karimzadeh. „Există mult potențial neexploatat acolo”.

Bogdan Guță

Sursa: https://medicalxpress.com/news/2022-03-ai-social-media-covid-surge.html