Представьте себе время, когда ваша защита от вирусов похожа на зонтик. В большинстве случаев он остается в шкафу или где-то в машине. Но когда прогнозируется вспышка COVID-19, вы можете использовать это.
Кроме того, неблагоприятный вирусный прогноз может побудить вас выбрать столик на открытом воздухе, когда вы встречаетесь с другом за чашкой кофе. Если заражение коронавирусом может привести к серьезному заболеванию, вы можете работать из дома или посещать церковные службы онлайн, пока угроза не минует.
Такое будущее предполагает, что американцы прислушаются к предупреждениям общественного здравоохранения о пандемическом вирусе — и это большое «если». Он также предполагает существование системы, которая может надежно предсказывать неминуемые вспышки с небольшим количеством ложных срабатываний и с достаточной своевременностью и географической точностью, чтобы население доверяло ее прогнозам.
Группа потенциальных прогнозистов говорит, что у них есть все необходимое для такой системы. Его предложение для создания вирусного прогноза погоды был опубликован на этой неделе в журнале Science Advances.
Подобно метеорологическим моделям, которые определяют прогнозы погоды, система прогнозирования вспышек COVID-19 возникает из потока данных, поступающих из сотен потоков локальной и глобальной информации. Они включают в себя поиск в Интернете таких симптомов, как стеснение в груди, потеря обоняния или истощение с отметкой времени; твиты с геолокацией, содержащие такие термины, как «коронавирус», «пандемия» или «панические покупки»; агрегированные данные о местоположении со смартфонов, которые показывают, сколько людей путешествуют; и снижение онлайн-запросов о направлениях, что указывает на то, что меньше людей выходят на улицу.
Полученный объем информации слишком велик для людей, не говоря уже об интерпретации. Но с помощью мощных компьютеров и программного обеспечения, обученного анализировать, интерпретировать и извлекать уроки из данных, начинает появляться карта.
Если вы сверите эту карту с историческими данными — в данном случае с двухлетним опытом пандемии в 93 округах — и соответствующим образом обновите ее, у вас может получиться задатки системы прогнозирования вспышек заболеваний.
Это именно то, что команда во главе с Северо-восточным университетом специалист в области информатики сделано. В своем стремлении создать систему раннего предупреждения о вспышках COVID-19 авторы исследования построили систему «машинного обучения», способную анализировать миллионы цифровых следов, включать новые местные разработки, уточнять свое внимание к точным сигналам болезни и генерирование своевременных уведомлений о надвигающихся локальных всплесках COVID-19.
Среди множества поисковых запросов в Интернете один оказался особенно хорошим предупреждающим признаком надвигающейся вспышки: «Как долго длится COVID?»
При проверке на реальных данных метод машинного обучения исследователей предсказывал всплески локального распространения вируса на целых шесть недель вперед. Его тревожные звоночки звучали примерно в тот момент, когда каждый зараженный человек мог передать вирус как минимум еще одному человеку.
Проверив возможность прогнозирования 367 фактических вспышек в масштабах округа, программа предоставила точные ранние предупреждения о 337 из них, или 92%. Из оставшихся 30 вспышек 23 были признаны так, как они должны были стать очевидными для чиновников здравоохранения.
Как только вариант Omicron начал широко распространяться в США, система раннего предупреждения смогла обнаружить ранние признаки 87% вспышек на уровне округов.
Система прогнозирования с такими возможностями может оказаться полезной для местных, государственных и национальных органов здравоохранения, которым необходимо планировать вспышки COVID-19 и предупреждать уязвимых граждан о том, что коронавирус угрожает неизбежным местным возрождением.
Но «мы смотрим дальше» COVID, сказал Маурисио Сантильянакоторый руководит Северо-Восточным Группа машинного интеллекта для улучшения здоровья и окружающей среды.
«Наша работа направлена на то, чтобы задокументировать, какие методы и подходы могут быть полезны не только для этой, но и для следующей пандемии», — сказал он. «Мы завоевываем доверие представителей органов здравоохранения, поэтому их не нужно больше убеждать», когда по стране начнет распространяться еще одна болезнь.
Это может быть непростой задачей для государственных органов здравоохранения и Центров по контролю и профилактике заболеваний США, которые изо всех сил пытались не отставать от данных о пандемии и внедрять новые методы отслеживания распространения вируса. Неспособность CDC адаптироваться и эффективно общаться во время пандемии привела к некоторым «довольно драматическим, довольно публичным ошибкам», признала директор агентства доктор Рошель Валенски. Она предупредила, что только «изменение культуры» подготовит агентство к следующей пандемии.
Вялые усилия CDC по разработке инструментов прогнозирования также не проложили путь к легкому принятию. 2022 г. оценка из усилий по прогнозированию, используемых CDC, пришел к выводу, что большинству из них «не удалось надежно предсказать быстрые изменения» в случаях COVID-19 и госпитализациях. Авторы этой оценки предупредили, что на системы, разработанные на сегодняшний день, «не следует полагаться при принятии решений о возможности или сроках быстрых изменений тенденций».
Анассе Бариэксперт по машинному обучению в Нью-Йоркском университете, назвал новую систему раннего предупреждения «очень многообещающей».
«Методы машинного обучения, представленные в статье, хороши, зрелы и очень хорошо изучены», — сказал Бари, не участвовавший в исследовании. Но он предупредил, что в чрезвычайной ситуации, которая случается раз в жизни, такой как пандемия, было бы рискованно полагаться на новую модель для прогнозирования событий.
Во-первых, отметил Бари, первое столкновение этого коронавируса с человечеством не дало длинных исторических записей, необходимых для полной проверки точности модели. А трехлетний период пандемии дал исследователям мало времени, чтобы распознать «шум», который возникает, когда в котел бросают так много данных.
CDC и департаменты здравоохранения штатов только начали использовать эпидемиологические методы, такие как филодинамическое генетическое секвенирование и наблюдение за сточными водами, для мониторинга распространения коронавируса. По словам Сантильяны, использование машинного обучения для прогнозирования местоположения предстоящих вирусных всплесков может потребовать от этих агентств еще одного скачка воображения.
Действительно, принятие инструментов раннего предупреждения, таких как разработанное группой Сантильяны, также может потребовать некоторых прыжков веры. По мере того, как компьютерные программы переваривают огромные объемы данных и начинают различать закономерности, которые могут быть показательными, они часто генерируют удивительные «функции» — переменные или условия поиска, которые помогают предсказать важное событие, такое как вирусный всплеск.
Даже если эти очевидные указатели точно предсказывают такое событие, их отношение к чрезвычайной ситуации в области общественного здравоохранения может быть не сразу ясно. Неожиданный сигнал может быть первым признаком какой-то новой тенденции — например, ранее невидимый симптом, вызванный новым вариантом. Но это также может показаться чиновникам общественного здравоохранения настолько случайным, что ставит под сомнение способность программы предсказывать надвигающуюся вспышку.
Сантильяна, который также преподает в Гарвардской школе общественного здравоохранения, сказал, что рецензенты ранние работы его группы отреагировали с некоторым скептицизмом на несколько сигналов, которые появились как предупредительные признаки приближающейся вспышки. По его словам, один из них — твиты, относящиеся к «паническим покупкам», — казался ошибочным сигналом от машин, которые зацепились за случайное событие и наполнили его смыслом.
Он защищал включение сигнала «панических покупок» как показательный признак надвигающейся локальной вспышки. (В конце концов, первые дни пандемии были отмечены нехваткой основных продуктов питания, включая рис и туалетную бумагу.) Но он признал, что система раннего предупреждения, которая слишком «черный ящик», может встретить сопротивление со стороны чиновников общественного здравоохранения. кому нужно доверять его предсказаниям.
«Я думаю, что опасения лиц, принимающих решения, вызывают законную озабоченность», — сказал Сантильяна. «Когда мы находим сигнал, он должен быть надежным».
