Как наука о данных помогла в борьбе со вспышкой коронавируса

Несмотря на постоянные усилия по совершенствованию систем здравоохранения во всем мире, возникающие эпидемии остаются серьезной проблемой для общественного здравоохранения. Эффективное реагирование на такие вспышки зависит от своевременного вмешательства, в идеале на основе всех доступных источников данных.

Возрастающая сложность данных о вспышках привела к росту аналитики вспышек - науки о данных, предназначенной для информирования о реагировании на вспышки.

Итак, как это работает? Есть четыре основные цели:

• Сбор данных из нескольких источников . Здесь важно помнить, что сбор данных - это не просто выбор некоторых структурированных данных из клинических документов. Также задействованы необработанные источники данных. Следовательно, для анализа данных о эпидемиях требуется удаление шума, очистка и нормализация данных, чтобы данные могли генерировать полезную информацию.
• Обеспечение ситуационной осведомленности . Во время пандемии, во времена неопределенности, очень важно знать, когда риск управляем, а когда он, скорее всего, станет опасным. Осведомленность о ситуации, отслеживаемая через различные общедоступные источники, помогает снизить и контролировать этот риск.
• Формирование эффективного ответа. На этом этапе начинается визуализация данных. Она представляет аналитические результаты в четкой и удобной для пользователя форме (через информационные панели, диаграммы и т. Д.), Помогая лицам, принимающим решения, без задержек разработать эффективные меры реагирования.
• Обучение и наращивание потенциала . После разрешения кризиса лица, принимающие решения, оглядываются на ситуацию, чтобы проанализировать принятые сценарии реагирования и выбрать успешные стратегии. Затем они вносят соответствующие поправки в планы профессиональной подготовки и оказания неотложной медицинской помощи, чтобы лучше подготовиться к новому кризису в области здравоохранения.

Пандемия COVID-19 - не единственная в 21 веке или даже за последнее десятилетие. Не так давно Эбола и Зика нанесли серьезный ущерб Западной Африке и Америке. Быстрое реагирование и его адаптируемость, механизмы наблюдения и стратегии управления - вот что тогда помогало исследователям и клиницистам. Но достаточно ли их сейчас? Не совсем.

Учитывая глобальный охват пандемии, трудно разработать эффективные ответные меры без широкого сотрудничества ключевых сторон, и речь идет не только о межотраслевых исследованиях в рамках аналитики вспышек. Поскольку вирус поразил более 200 стран, адекватная стратегия реагирования должна опираться на передовой опыт каждого региона.

К счастью, клинические исследователи и медицинские работники во всем мире объединили свои усилия в борьбе с вирусом. В поисках лучших стратегий разрешения кризисов они разработали продуманную культуру обмена данными. Теперь они открывают исходный код своих разработок и постоянно работают над их улучшением. Благодаря такому подходу мы увидели уникальные диагностические проекты, такие как DarwinAI (Канада). С помощью этого инструмента компьютерного зрения можно диагностировать COVID-19 только с помощью рентгенографии грудной клетки. Раньше единственным методом диагностики COVID-19 с медицинской визуализацией была компьютерная томография (КТ).

Кооперативный подход также включает в себя аналитику вспышек, которая способствует аналитике в реальном времени и профилактике. Эти два типа аналитики лежат в основе сдерживания распространения вируса.

Данные в реальном времени

В критической ситуации этот тип аналитики способствует быстрому принятию решений на основе данных и адаптирует процесс к каждой ситуации отдельно. Такая аналитика особенно важна для местных медицинских работников, которые находятся на передовой борьбы с вирусом.

Инструменты локальной аналитики в реальном времени разработаны с учетом потребностей ключевых игроков. Например, Kinetica и Disaster Tech развернули динамическую аналитическую платформу на базе искусственного интеллекта, чтобы помочь кризисным службам США отслеживать данные, связанные с коронавирусом, на лету. Решение позволяет службам экстренной помощи визуализировать статистические данные в реальном времени о наличии средств индивидуальной защиты (СИЗ), вместимости больниц, количестве тест-наборов, доступности оборудования и многом другом, чтобы выбрать наиболее подходящее место для пациента и сэкономить время.

Аналитика в реальном времени не ограничивается локальным решением операционных задач. Наш мир в данных, проект из Оксфорда, предназначенный для решения глобальных проблем, развернул масштабную публикацию, посвященную статистике COVID-19 по всему миру, чтобы обеспечить непрерывную аналитику в реальном времени. Источник обеспечивает доступ к большому количеству данных, связанных с коронавирусом, от новых случаев заболевания и уровня смертности до ответных мер политики для каждой страны, переживающей кризис с коронавирусом. Все диаграммы, отчеты и другие интерактивные визуализации данных ежедневно обновляются и доступны для загрузки.

Аналитика для профилактики

Аналитика в режиме реального времени помогла правительству Южной Кореи усовершенствовать разработку стратегии профилактики и эпиднадзора за пациентами с положительным диагнозом Covid. Он использует данные из решений IoT и AI, лежащих в основе действующих сетей умных городов, и личную информацию, предоставляемую подтвержденными пациентами. Это позволяет исследователям отслеживать передвижения пациентов, выявлять их контакты и прогнозировать потенциальные масштабы вспышки в данном регионе с помощью анализа больших данных. Эти данные также используются для составления предупредительных мер и инструкций.

Тайваню также удалось использовать аналитику в реальном времени для своевременного предотвращения. Незадолго до празднования Лунного Нового года, знаменующего сезон азиатских праздников, страна интегрировала базу данных национального медицинского страхования с базами данных для иммиграционной службы и таможни. Когда начали прибывать зараженные путешественники, решение для анализа больших данных прочесало интегрированные базы данных и установило связь между историями поездок посетителей и симптомами, которые они испытывали. Решение отправляло оповещения в режиме реального времени во время посещения больницы, чтобы помочь в выявлении случая. Это также позволило классифицировать путешественников по риску заражения, основываясь на происхождении полета и истории поездок за последние 14 дней.

В ситуации неопределенности и беспорядка, подобной нынешней пандемии, важны проницательные данные. И это соответствующие аналитические решения, которые могут использовать это и незамедлительно принять адекватные меры реагирования и предотвращения. В этом отношении хорошо работает аналитика эпидемий.

В то же время глобальное распространение вируса выявляет еще один аспект - международное сотрудничество. Чтобы разработать эффективные стратегии управления, ключевые заинтересованные стороны и лица, принимающие решения, со всего мира должны пересмотреть и улучшить разработанные решения и отточить меры реагирования, полагаясь на данные в реальном времени. Таким образом, объединение усилий во всех областях, от аналитики до диагностики и лечения, - единственный способ остановить пандемию и лучше подготовиться к любой другой чрезвычайной ситуации в области здравоохранения.

Ярослав Куфлински - специалист по искусственному интеллекту / машинному обучению в Iflexion.