Des données de localisation pour fournir des informations solides à long terme sur les épidémies de grippe – ScienceDaily

0
3


La prévision des épidémies de grippe est devenue un peu plus facile, grâce à un nouvel outil de prévision alimenté par l’IA développé par des chercheurs du Stevens Institute of Technology.

En intégrant des données de localisation, le système d’IA est en mesure de surpasser les autres méthodes de prévision de pointe, offrant jusqu’à 11% de précision accrue et prédisant les épidémies de grippe jusqu’à 15 semaines à l’avance.

Les anciens outils de prévision ont cherché à repérer les tendances en étudiant la façon dont les taux d’infection évoluent au fil du temps, mais Yue Ning, qui a dirigé les travaux chez Stevens, et son équipe ont utilisé un réseau de neurones graphiques pour coder les infections grippales sous forme de grappes régionales interconnectées. Cela permet à leur algorithme de dégager des schémas de circulation des infections grippales d’une région à une autre, et également d’utiliser des schémas repérés dans une région pour informer ses prédictions dans d’autres endroits.

“Capturer l’interaction de l’espace et du temps permet à notre mécanisme d’identifier des modèles cachés et de prédire les épidémies de grippe avec plus de précision que jamais”, a déclaré Ning, professeur agrégé d’informatique. “En permettant une meilleure allocation des ressources et une meilleure planification de la santé publique, cet outil aura un impact important sur la façon dont nous faisons face aux flambées de grippe.”

Ning et son équipe ont formé leur outil d’IA à l’aide de données d’état et régionales du monde réel des États-Unis et du Japon, puis ont testé ses prévisions par rapport aux données historiques sur la grippe. D’autres modèles peuvent utiliser des données antérieures pour prévoir les flambées de grippe une semaine ou deux à l’avance, mais l’intégration de données de localisation permet des prévisions beaucoup plus solides sur une période de plusieurs mois. Leurs travaux sont rapportés dans les Actes du 19 au 23 octobre de la 29e Conférence internationale de l’ACM sur la gestion de l’information et des connaissances.

«Notre modèle est également extrêmement transparent – là où d’autres prévisions d’IA utilisent des algorithmes de« boîte noire », nous sommes en mesure d’expliquer pourquoi notre système a fait des prédictions spécifiques et comment il pense que les épidémies dans différents endroits se répercutent les unes sur les autres», a expliqué Ning. .

À l’avenir, des techniques similaires pourraient également être utilisées pour prédire les vagues d’infections au COVID-19. Puisque COVID-19 est un nouveau virus, il n’y a pas de données historiques avec lesquelles entraîner un algorithme d’IA; Pourtant, Ning a souligné, de grandes quantités de données COVID-19 codées par emplacement sont maintenant collectées quotidiennement. “Cela pourrait nous permettre de former des algorithmes plus rapidement alors que nous continuons à étudier la pandémie de COVID-19”, a déclaré Ning.

Ning travaille maintenant à améliorer son algorithme de prévision de la grippe en intégrant de nouvelles sources de données. Un défi majeur est de trouver comment rendre compte des interventions de santé publique telles que l’éducation à la vaccination, le port de masques et la distanciation sociale. “C’est compliqué, car les politiques de santé sont adoptées en réponse à la gravité de l’épidémie, mais façonnent également le cours de ces épidémies”, a expliqué Ning. “Nous avons besoin de plus de recherche pour savoir comment les politiques de santé et les pandémies interagissent.”

Un autre défi consiste à identifier quelles données prédisent véritablement les épidémies de grippe et lesquelles ne sont que du bruit. L’équipe de Ning a constaté que les modèles de trafic aérien ne prédisent pas utilement les épidémies régionales de grippe, par exemple, mais que les données météorologiques étaient plus prometteuses. “Nous sommes également limités par les informations disponibles publiquement”, a déclaré Ning. “Il serait très utile de disposer de données codées par emplacement sur les taux de vaccination, mais trouver ces informations n’est pas facile.”

Jusqu’à présent, l’outil d’IA n’a pas été utilisé dans la planification de la santé dans le monde réel, mais Ning a déclaré que ce n’était qu’une question de temps avant que les hôpitaux et les décideurs commencent à utiliser des algorithmes d’IA pour fournir des réponses plus robustes aux épidémies de grippe. “Notre algorithme continuera à apprendre et à s’améliorer à mesure que nous recueillons de nouvelles données, ce qui nous permettra de fournir des prévisions à long terme encore plus précises”, a déclaré Ning. “Alors que nous travaillons pour faire face aux futures pandémies, ces technologies auront un impact considérable.”

Source de l’histoire:

Matériaux fourni par Institut de technologie Stevens. Remarque: le contenu peut être modifié pour le style et la longueur.

LEAVE A REPLY

Please enter your comment!
Please enter your name here