Как Big Data, AI и продвинутые сенсоры поворачивают прилив против COVID-19

Правительства, работники здравоохранения и индустрии, сталкивающиеся с кризисом COVID-19, теперь обращаются к трем мощным союзникам: аналитике больших данных в большом масштабе, искусственному интеллекту и сети термических сенсоров. Эти технологии помогают снизить ущерб общественному здоровью и стабилизировать глобальную экономику.

COVID-19 принадлежит к той же вирусной семье, что вызвала SARS и обычную простуду. Как новый патоген, он застатил мир неготовным, и раннее тестирование было фрагментарным, оставляя популяции неосведомленными о локальных случаях и неуверенными, как реагировать. В течение недель эксперты в AI и data science идентифицировали четкую возможность: использование вычислительных инструментов для поддержки эпидемиологов и команд кризис-менеджмента.

Data science давно подкрепляет вмешательства общественного здоровья. Первая записанная data-driven реакция на вспышку датируется 1852 годом, когда Джон Сноу отобразил смерти от холеры в Лондоне и указал на зараженный источник воды. Современные алгоритмы теперь расширяют это наследие, предлагая real-time инсайты в распространение вируса и меры контроля.

Оценим данные

Математические модели, такие как классическая SIR структура, оценивают, сколько людей будет восприимчивы (S), заражены (I) или выздоровели (R) со временем. Вариант Kermack-McKendrick, базовая вариация, недавно применялся Этторе Мариотти в мартовском 2020 исследовании вспышки в Италии¹. Контекст COVID-19 требует расширенной SEIR модели, добавляющей «Exposed» компартмент (E) для учета пре-симптоматических, но инфекционных особей. Диаграмма ниже иллюстрирует эту структуру.

Эти модели захватывают две критические динамики: биологические характеристики вируса и паттерны человеческого взаимодействия. Из них возникает репродуктивное число, R₀, которое оценивает, сколько вторичных инфекций один случай сгенерирует в полностью восприимчивой популяции.

Например, с R₀ = 2, один зараженный человек распространит вирус на двух других, которые каждый заразят еще двоих, и так далее — иллюстрируя мультипликативную природу передачи. R₀ можно визуализировать в трех сценариях: (1) <1 → болезнь затухает; (2) = 1 → стабильное состояние; (3) >1 → эпидемический рост (см. Рисунок 2).

Локдауны, закрытие школ и ограничения публичных мест снижают социальный контакт и тем самым понижают R₀. Достижение R₀ < 1 необходимо; иначе болезнь продолжает распространяться. Пока R₀ — средняя метрика — грипп R₀ висит около 1.3 — он может быть искажен супер-распространителями, инфицирующими необычно большое число контактов. Идентификация и изоляция этих особей — ключевая стратегия для сдерживания вспышек.

Поскольку R₀ динамичен, власти полагаются на AI-драйвные модели, включающие GPS данные от мобильных устройств для прогнозирования хотспотов и приоритизации вмешательств.

Big Data, AI и сенсоры

Клинические данные во время эпидемии могут быть зашумленными, с ложноположительными и неконсистентным репортингом. Big-data аналитика и ML-алгоритмы могут очищать датасеты, обеспечивать соблюдение карантина и ускорять открытие лекарств.

Ответ Азии демонстрирует ряд цифровых инструментов. Дроны с высокореゾлюционными сканерами мониторят соблюдение карантина и сканируют температуры тела. Китай и Тайвань используют интеллектуальные камеры, детектирующие лихорадку даже когда люди носят маски.

Hong Kong SenseTime развернула бесконтактную платформу детекции температуры по Пекину, Шанхаю и Шэньчжэну в транспортных хабах и публичных зданиях. Система может читать тепловые подписи лица сквозь слои масок.

AI-диагностическая система Alibaba анализирует грудные КТ сканы с точностью до 96%, обеспечивая быстрое выявление случаев COVID-19. Тем временем Graphen, в партнерстве с Columbia University, использует свою Ardi AI платформу для картирования геномных вариаций вируса, предоставляя исследователям визуальный инструмент для отслеживания паттернов мутаций и эпидемиологических данных.

Big data также подкрепляет усиленную слежку. Четыре аналитические методологии — дескриптивная, предиктивная, прескриптивная и автоматизированная — направляют принятие решений от понимания прошлых трендов к исполнению автономных ответов.

• Дескриптивный анализ: суммаризирует текущую и историческую производительность через визуальные дашборды.
• Предиктивный анализ: использует регрессию и модели прогнозирования для предвидения будущих исходов.
• Прескриптивный анализ: идентифицирует оптимальные стратегии на основе предиктивных инсайтов.
• Автоматизированный анализ: триггерит автономные действия в реальном времени, следуя аналитическим результатам.

Alipay Health Code Alibaba использует данные здравоохранения Китая для гейтинга доступа к публичным пространствам, назначая цвет-кодированные разрешения на основе профилей риска.

Торонтский AI-стартап BlueDot разработал раннюю систему предупреждения, которая пометила угрозу коронавируса 2019 до официального признания. Ее платформа, построенная на NLP, непрерывно сканирует глобальные новостные фиды для прогнозирования распространения болезней.

Insilico Medicine в Мэриленде применяет глубокое обучение для ускорения открытия лекарств. Их AI проскринило миллионы молекул на антивирусный потенциал и курирует базу данных разработки вакцины.

Изучение экономического воздействия

Помимо эффектов здоровья, COVID-19 серьезно нарушил глобальные экономики. Спутниковая имеджи и AI позволяют быструю оценку промышленной активности. Исследователи WeBank, например, отслеживали стальные заводы Китая: выпуск упал до 29% мощности 29 января 2020, но отскочил до 76% к 9 февраля (Рисунок 3).

Другие секторы мониторились путем подсчета автомобилей на больших парковках, раскрывая, что производство Tesla в Шанхае полностью восстановилось к 10 февраля, в то время как туристические аттракционы вроде Шанхайского Disneyland оставались закрытыми.

GPS спутниковые данные также квантифицировали паттерны комьютинга, сравнивая 2019 и 2020 китайский Новый год трафик. Пока 2019 увидел возврат к пред-холидей объемам, 2020 трафик не отскочил, указывая на задержанные нарушения.

К 10 марта 2020, 75% рабочей силы возобновили работу, и проекции предполагали, что большинство китайских сотрудников — исключая Ухань — вернутся к концу марта.

Эти кейс-стади иллюстрируют решающую роль AI и big data во время кризиса общественного здоровья и намекают на их потенциал как стандартных инструментов для будущей устойчивости.

Ссылка

1 Mariotti, E. (2020, March 6). Modelling the Covid-19 Outbreak in Italy.

>> Эта статья была первоначально опубликована на нашем партнерском сайте, EE Times Europe.