Когда весь мир пытается оправиться после ковида, где-то в Африке люди до сих пор умирают от укусов комаров. Но и здесь учёные с нейросетями решили прийти на помощь.
Зачем помнить про «забытые болезни»
Если жители развитых стран уже забыли, что такое бычий туберкулёз или бешенство, то жители бедных африканских, азиатских и южноамериканских — нет. Мировое сообщество редко вспоминает про эти болезни, оно занято другими проблемами — например, эпидемией COVID-19, СПИДа или малярии.
Поэтому врачи даже создали отдельный список «забытых болезней» и добавили туда многие тропические заболевания (всего их в списке 17). Забытые болезни не попадают на первые полосы СМИ, борьба с ними редко финансируется, но при этом они опасны и могут поражать более миллиарда человек в год.
Однако теперь с помощью современных методов анализа данных и искусственного интеллекта учёные научились предсказывать эпидемии, чтобы оповещать людей в бедных странах и спасать тысячи человеческих жизней.
Как компьютер научился выявлять вспышки лихорадки
Учёные из Малайзии, Доминиканы и других стран общими усилиями создали международный проект AIME. Его название расшифровывается как «Искусственный интеллект в медицинской эпидемиологии» (Artificial Intelligence in Medical Epidemiology).
Специалисты AIME поставили перед собой задачу — разработать программу, способную анализировать общедоступные источники и вовремя предупреждать об эпидемиях. Так, в рамках проекта учёные создали алгоритм, который умеет прогнозировать вспышки лихорадки. Результаты работы они опубликовали в научной статье в 2018 году.
Учёные опросили эпидемиологов и определили основные факторы, которые влияют на вероятность вспышки лихорадки:
- плотность населения, проживающего на исследуемой территории;
- уровень заболеваемости в предыдущие периоды;
- метеорологические данные — ветер, осадки, влажность и прочее;
- обустроенность территории — тип жилищ, наличие поблизости незавершённых строек, сельхозугодий и т. д.
Специалисты применили в своей программе алгоритм машинного обучения SVM, чтобы объединить все данные и обучить компьютер самостоятельно анализировать их. Этот алгоритм позволяет вычислять степень влияния каждого из входных параметров на прогнозируемую величину. Математики называют это корреляцией.
Насколько эффективным оказался искусственный интеллект
Сначала учёные взяли у министерства здравоохранения Малайзии данные о количестве заболевших лихорадкой денге с 2010 по 2014 год, а потом сопоставили их по времени с параметрами.
После обучения ИИ исследователи выяснили, что вспышки лихорадки напрямую зависят от плотности населения, количества заболевших в предыдущий период и уровня осадков. В то же время направление ветра никак не влияло на силу эпидемий.
В итоге программа научилась предсказывать пик заболеваемости с точностью до 89% и временным интервалом в три месяца. Ещё система смогла определять эпицентры вспышек болезни и визуализировать их на картах Google Maps с погрешностью менее 400 метров.
Региональные администрации в Малайзии используют систему AIME, чтобы оперативно реагировать на вероятную угрозу и заранее поставлять лекарства в нужные больницы.
AIME успешно применили и в Бразилии. Перед Олимпийскими играми в Рио-де-Жанейро летом 2016 года рост числа заболевших вирусом Зика резко увеличился. Некоторые активисты тогда даже призывали к отмене соревнований или к их переносу.
Со временем специалисты AIME доработали программу, чтобы понять, как распространяется вирус Зика в Бразилии. Система определила, что спортсмены и болельщики Олимпиады не спровоцируют новую вспышку заболевания. Как результат — на Олимпиаде в Бразилии не было зафиксировано ни одного случая заражения вирусом Зика.
***
Чтобы не пропустить другие материалы о программировании, об истории IT и искусственном интеллекте, подпишитесь на канал. Ставьте лайки, чтобы видеть больше таких статей у себя в ленте. Если вы хотите, чтобы мы написали о каком-то факте или технологии, предложите свою тему в комментариях к этой или другим статьям.
#люди_и_код #технологии-it #программированиеснуля #нейросети #искусственныйинтеллект