Harvard: Folosirea AI pentru carantina predictivă personalizată

În ultimele luni, lumea a cunoscut o serie de focare Covid-19 care au urmat în general aceeași cale: o fază inițială cu puține infecții și răspuns limitat, urmată de o decolare a celebrului curba epidemică însoțită de o blocare la nivel de țară la aplatizează curba. Apoi, odată ce vârful curbei, guvernele trebuie să abordeze ceea ce președintele Trump a numit „cea mai mare decizie”Din viața lui: când și cum să gestionezi dezafectarea.

De-a lungul pandemiei, s-a pus un accent deosebit pe împărtășirea (sau lipsa acesteia) a informațiilor critice din toate țările - în special din China - despre răspândirea bolii. În schimb, s-a spus relativ puțin despre modul în care Covid-19 ar fi putut fi mai bine gestionat prin utilizarea tehnologiilor avansate de date care au transformat afacerile în ultimii 20 de ani. În acest articol discutăm un mod prin care guvernele ar putea utiliza aceste tehnologii în gestionarea unei viitoare pandemii - și poate chiar a fazelor finale ale celei actuale.

Puterea predicției personalizate

O abordare alternativă pentru factorii de decizie să ia în considerare adăugarea în combinația lor pentru combaterea Covid-19 se bazează pe tehnologia predicției personalizate, care a transformat multe industrii în ultimii 20 de ani. Folosind tehnologia de învățare automată și inteligență artificială (AI), firmele bazate pe date (de la „Big Tech” la servicii financiare, călătorii, asigurări, comerț cu amănuntul și mass-media) fac recomandări personalizate pentru ce să cumpere și practică prețuri personalizate, riscuri, credite , și altele asemenea, folosind datele pe care le-au acumulat despre clienții lor.

Într-un articol recent despre HBRDe exemplu, Ming Zeng, fostul director de strategie Alibaba, a descris modul în care Ant Financial, operațiunea de creditare a afacerilor mici ale companiei sale, poate evalua solicitanții de împrumuturi în timp real, analizând datele de tranzacții și comunicații ale acestora pe platformele de comerț electronic Alibaba. Între timp, companii precum Netflix evaluează alegerile și caracteristicile anterioare ale consumatorilor pentru a face predicții despre ceea ce vor urmări în continuare.

Aceeași abordare ar putea funcționa și pentru pandemii - și chiar pentru viitorul Covid-19. Folosind mai multe surse de date, modelele de învățare automată ar fi instruite pentru a măsura persoanele risc clinic de a suferi rezultate severe (dacă este infectat cu Covid): care este probabilitatea de a avea nevoie de îngrijiri intensive, pentru care există resurse limitate? Cât de probabil este că vor muri? Datele ar putea include istoricul medical de bază al persoanelor (pentru Covid-19, severitatea simptomelor pare să crească odată cu vârsta și cu prezența co-morbidităților precum diabet or hipertensiune) precum și alte date, cum ar fi compoziția gospodăriei. De exemplu, o persoană tânără, sănătoasă (care altfel ar putea fi clasificată drept „risc scăzut”) ar putea fi clasificată drept „risc ridicat” dacă trăiește cu persoane în vârstă sau infirm care ar avea nevoie de îngrijiri intensive dacă se infectează.

Aceste predicții clinice de risc ar putea fi apoi utilizate pentru a personaliza politicile și alocarea resurselor la nivel individual / gospodărie, contabilizând în mod corespunzător obligațiile și riscurile medicale standard. De exemplu, ne-ar putea permite să direcționăm distanțarea și protecția socială pentru cei cu scoruri de risc clinic ridicat, permițând în același timp celor cu scoruri mici să trăiască mai mult sau mai puțin normal. Criteriile de atribuire a persoanelor în grupuri cu risc ridicat sau mic ar trebui, desigur, să fie determinate, luând în considerare și resursele disponibile, riscurile de răspundere medicală și alte compromisuri de risc, însă abordările științifice ale datelor sunt standard și utilizate în numeroase aplicații.

O abordare personalizată are multiple avantaje. Poate ajuta la construire imunitate la efectiv cu mortalitate mai mică - și rapid. Aceasta ar permite, de asemenea, o alocare a resurselor mai bună și mai corectă, de exemplu echipamente medicale rare (cum ar fi kituri de testare, măști de protecție și paturi de spital) sau alte resurse.

Strategiile de detenție în etapele ulterioare ale unei pandemii - un pas cheie următor pentru Covid-19 în majoritatea țărilor - pot beneficia în mod similar. A decide cu ce persoane să înceapă procesul de detenție este, prin natură, o problemă de clasificare similară cu problemele de clasificare familiare majorității firmelor bazate pe date. Unele guverne se apropie deja de detenție, folosind vârsta ca un proxy pentru risc, o clasificare relativ brută, care potențial ratează alte persoane cu risc ridicat (cum ar fi exemplul de mai sus al tinerilor sănătoși care trăiesc cu vârstnici).

Efectuarea clasificării bazate pe date și modele de predicție AI ar putea duce la decizii de închidere care sunt sigure la nivel de comunitate și mult mai puțin costisitoare pentru individ și economie. Știm că o caracteristică cheie a Covid-19 este că are o rată de transmitere excepțional de mare, dar și simptome severe relativ scăzute sau o rată a mortalității. Datele indică faptul că, probabil, mai mult de 90% dintre persoanele infectate sunt fie asimptomatice, fie prezintă simptome ușoare atunci când sunt infectate.

În teorie, cu o predicție de încredere a cine sunt acești 90%, am putea desființa toți acești indivizi. Chiar dacă s-ar infecta reciproc, nu ar avea simptome severe și nu ar copleși sistemul medical și nici nu ar muri. Aceste persoane cu 90% risc scăzut de rezidenți clinici ar ajuta, de asemenea, la creșterea rapidă a imunității ridicate a efectivelor, moment în care restul de 10% ar putea fi, de asemenea, restrâns.

Citește povestea completă aici ...