大只500登录利用人工智能和大数据预测COVID-19病例

- 编辑:大只500平台官网 -

大只500登录利用人工智能和大数据预测COVID-19病例


 
大只500登录利用人工智能和大数据预测COVID-19病例的未来传播




在COVID-19期间,人工智能(AI)被用于加强诊断工作,提供医疗用品,甚至评估血液检测的风险因素。现在,人工智能正被用于预测未来COVID-19病例。
 
以Ali Mostafavi博士为首的德克萨斯农工大学(Texas A&M University)研究人员开发了一个强大的深度学习计算模型,该模型利用人工智能和现有的与人口活动和流动性有关的大数据,帮助预测未来县一级COVID-19病例的传播。
 
研究人员在IEEE Access上发表了他们的研究结果。
 
大流行病的传播受到与流动、人口活动和社会人口特征等特征有关的复杂关系的影响。然而,大只500登录典型的数学流行病学模型只占相关特征的一小部分。
 
相比之下,由扎克里土木与环境工程系副教授穆斯塔法(Mostafavi)开发的深度学习模型,以及他的城市适应能力(UrbanResilience)。人工智能实验室,可以解释更多特征之间的复杂关系,以预测未来几天COVID-19感染增加的范围。
 
“我们立即意识到使用人工智能来补充现有的数学流行病学模型的潜力,”Mostafavi说。“我们生活在大数据时代,在危机期间利用这些大数据为模型和数据驱动工具的开发提供了巨大机会,从而为政策提供信息。”
 
深度学习模型是机器学习的一个子集,机器学习是一种人工智能,被称为神经网络的计算系统从大量数据中学习。通过使用某一时间段的数据(本例为2019年3月至5月)训练深度学习模型,该模型识别出特征,以预测另一个时间段——2019年6月的轨迹。
 
研究者的深度学习模型占人的运动特性,比如在一个社区内,人口普查数据,社会距离数据,过去的案件数量增长和社会人口统计预测的增长COVID-19情况下对于每个县有64%的准确度,这是一个未经训练的模型的准确性的两倍。该模型的最高精确度是在未来七天内。模型预测的时间越长,准确率越低。
 
穆斯塔法说:“建模的一个有用的方面不是准确性,而是评估驱动结果的因素。”“这个模型没有确定具体的缓解和应对战略,但它可以在不同的时间点帮助看到哪些战略可以根据不同的县级特征有效。”
 
了解了该模型的哪些特征对病例的增加有最显著的影响,官员可以为制定针对这些因素的政策提供信息。如果一个县最重要的特点是流动性,官员们可以执行留守命令等政策。
 
该模型还可以在政策已经到位之后,提供对其有效性的洞察。穆斯塔法发现,总体而言,最初的旅行减少订单是有效的——来自人口较少的县的人很少去人口较高的城市,但在人口密集的县旅行的范围没有显著变化。
 
他说,对一个县来说,特征的影响可能会随着时间的推移而变化,而各个县的特征也有所不同。在大流行开始时,研究人员发现与旅行相关和移动相关的因素是病例的重要预测因素,但随着时间的推移,他们发现其他特征,如前往兴趣点的旅行和社会人口特征更为重要。
 
其结果是,大流行的缓解是复杂的,政策不是一刀切的。
 
将来,Mostafavi的实验室将使用新的数据集来开发不同类型的模型。除了目前的全国范围预测监测模型外,该团队目前还在研究一种基于人工智能的城市范围监测模型,以预测邮政编码级别的病例。更重要的是,他们希望预测影响每个邮政编码的因素,以便官员们可以探索特定地点的政策。穆斯塔法说,官员们可以只关闭高风险地区的餐馆,而不是关闭整个县的餐馆。
 
他的研究表明,大数据和人工智能有潜力在改善大流行监测、预测和政策制定方面发挥关键作用。
 
穆斯塔法说:“利用这些大数据和人工智能来遏制现有的大流行,大只500登录www.dz500.cc并更好地准备和减轻未来的大流行,存在重大机会。”