پزشکی پیشگیری تغذیه خواص گیاهان دسته‌بندی نشده روان شناختی زیبایی ورزش

ابزار AI پیش بینی دقیق تری از آنفلوانزا را ارائه می دهد

ابزار AI پیش بینی دقیق تری از آنفلوانزا را ارائه می دهد

اعتبار: موسسه فناوری استیونز

پیش بینی شیوع آنفلوانزا به لطف یک ابزار جدید پیش بینی مجهز به هوش مصنوعی که توسط محققان موسسه فناوری استیونس ساخته شده ، کمی آسان تر شده است.

با تلفیق داده های مکانی ، سیستم AI قادر به پیشی گرفتن از سایر روش های پیشرفته پیش بینی است که حداکثر تا 11٪ افزایش دقت و پیش بینی شیوع آنفلوانزا تا 15 هفته قبل را ارائه می دهد.

ابزارهای پیش بینی گذشته با مطالعه نحوه تغییر میزان عفونت در طول زمان ، سعی در شناسایی الگوها داشتند اما یو نینگ ، که کار را در استیونس هدایت می کرد ، و تیم او از یک شبکه عصبی گراف برای رمزگذاری عفونت های آنفولانزا به عنوان خوشه های منطقه ای بهم پیوسته استفاده کردند. این اجازه می دهد تا الگوریتم آنها الگوهایی را در نحوه انتقال عفونت های آنفلوانزا از منطقه ای به منطقه دیگر تحریک کند و همچنین از الگوهای خال خال در یک منطقه برای اطلاع رسانی پیش بینی های خود در مکان های دیگر استفاده کند.

نینگ ، استادیار علوم کامپیوتر گفت: “به دست آوردن کنش متقابل فضا و زمان به ما اجازه می دهد تا مکانیسم ما الگوهای پنهان را شناسایی کرده و شیوع آنفلوانزا را با دقت بیشتری قبل از هر زمان دیگری پیش بینی کند.” “با تسهیل تخصیص منابع بهتر و برنامه ریزی بهداشت عمومی ، این ابزار تأثیر زیادی در نحوه کنار آمدن ما خواهد داشت

نینگ و تیم وی با استفاده از داده های منطقه ای واقع در ایالات متحده و ژاپن ، هوش مصنوعی خود را آموزش دادند و سپس پیش بینی های آن را در برابر داده های تاریخی آنفلوانزا آزمایش کردند. سایر مدل ها می توانند از داده های گذشته برای پیش بینی شیوع آنفلوانزا از یک یا دو هفته قبل استفاده کنند ، اما شامل این موارد هستند پیش بینی های بسیار قوی تر را در طی چند ماه فراهم می کند. کارهای آنها در 19 و 23 اکتبر گزارش شده است. مجموعه مقالات بیست و نهمین کنفرانس بین المللی ACM در مورد مدیریت اطلاعات و دانش.

نینگ توضیح داد: “مدل ما همچنین بسیار شفاف است – جایی که سایر پیش بینی های هوش مصنوعی از الگوریتم های” جعبه سیاه “استفاده می کنند ، ما می توانیم توضیح دهیم که چرا سیستم ما پیش بینی های خاصی انجام داده است و چگونه فکر می کند شیوع در مکان های مختلف بر یکدیگر تأثیر می گذارد.”

در آینده ، از تکنیک های مشابه می توان برای پیش بینی امواج عفونت های COVID-19 نیز استفاده کرد. از آنجا که COVID-19 یک ویروس جدید است ، هیچ چیز وجود ندارد با استفاده از آن می توانید یک الگوریتم AI را آموزش دهید. نینگ خاطرنشان کرد ، هم اکنون مقادیر گسترده ای از داده های COVID-19 با رمزگذاری مکان به صورت روزانه جمع آوری می شود. نینگ گفت: “این می تواند به ما این امکان را بدهد که با ادامه مطالعه همه گیری COVID-19 ، الگوریتم ها را سریعتر آموزش دهیم.”

نینگ اکنون در تلاش است تا الگوریتم پیش بینی آنفلوانزا را با در اختیار گرفتن منابع جدید داده بهبود بخشد. یک چالش اساسی این است که دریابیم چگونه می توان مداخلات بهداشتی عمومی مانند آموزش واکسیناسیون ، ماسک پوشیدن و فاصله اجتماعی را حساب کرد. “این پیچیده است ، زیرا سیاست های بهداشتی در پاسخ به این قانون وضع می شود “شدت ، بلکه شکل گیری این شیوع است ،” نینگ توضیح داد. “ما برای یادگیری در مورد چگونگی تعاملات سیاست های بهداشتی و بیماری های همه گیر به تحقیقات بیشتری نیاز داریم.”

چالش دیگر این است که مشخص کنید کدام داده ها به طور واقعی شیوع آنفولانزا را پیش بینی می کنند و این فقط سر و صدا است. تیم نینگ دریافت که الگوی ترافیک پرواز به طور مفیدی شیوع آنفلوانزا در منطقه را پیش بینی نمی کند ، اما داده های آب و هوایی امیدوار کننده تر هستند. نینگ گفت: “ما همچنین محدود به اطلاعاتی هستیم كه در دسترس عموم است.” “داشتن داده های رمزگذاری شده در مورد میزان واکسیناسیون بسیار مفید خواهد بود ، اما تهیه این اطلاعات آسان نیست.”

تاکنون ، از ابزار هوش مصنوعی در برنامه ریزی های بهداشتی در جهان استفاده نشده است ، اما نینگ گفت که فقط یک مسئله زمان است تا بیمارستان ها و سیاست گذاران شروع به استفاده از الگوریتم های هوش مصنوعی برای ارائه پاسخ های قوی تر به شیوع آنفولانزا کنند. “ما نینگ گفت: “با جمع آوری داده های جدید ، یادگیری و بهبود را ادامه خواهیم داد ، و به ما امکان می دهد حتی پیش بینی های دقیق تر و طولانی مدت را ارائه دهیم.” همانطور که برای مقابله با همه گیری های آینده تلاش می کنیم ، این فناوری ها تأثیر زیادی خواهند داشت.


ابزار جدید می تواند شیوع COVID-19 را در شهرستانهای ایالات متحده شناسایی کند


اطلاعات بیشتر:
Songgaojun Deng و همکاران ، Cola-GNN: شبکه های عصبی نمودار مبتنی بر توجه برای پیش بینی ILI طولانی مدت ، مجموعه مقالات بیست و نهمین کنفرانس بین المللی ACM در مدیریت اطلاعات و دانش (2020) DOI: 10.1145 / 3340531.3411975

تهیه شده توسط
موسسه فناوری استیونز


استناد: ابزار AI پیش بینی دقیق تری برای آنفولانزا (2020 ، 2 نوامبر) بازیابی شده در 2 نوامبر 2020 از https://medicalxpress.com/news/2020-11-ai-tool-accurate-flu.html

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. جدا از هرگونه معامله عادلانه با هدف مطالعه خصوصی یا تحقیق ، هیچ بخشی بدون اجازه کتبی قابل تولید نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.