Bilgisayarlar COVID-19 salgın tahmincisi olmayı nasıl öğrendi?

Virüsleri engelleyen yüz maskenizin bir şemsiye gibi olduğu bir zaman hayal edin. Çoğu gün dolabınızda kalır veya arabanızın bir yerinde saklanır. Ancak tahminde bir COVID-19 salgını olduğunda, onu kullanabilirsiniz.

Bunun ötesinde, sert bir viral tahmin, bir arkadaşınızla kahve içmek için buluşurken açık havada bir masa seçmenize neden olabilir. Koronavirüse yakalanmanın sizi ciddi şekilde hasta etme olasılığı varsa, tehdit geçene kadar evden çalışmayı veya çevrimiçi kilise ayinlerine katılmayı tercih edebilirsiniz.

Böyle bir gelecek, Amerikalıların salgın virüs hakkında halk sağlığı uyarılarına kulak vereceğini varsayar ve bu büyük bir eğer. Ayrıca, yakın salgınları birkaç yanlış alarmla ve halkın tahminlerine güveneceği kadar zamanında ve coğrafi kesinlik ile güvenilir bir şekilde tahmin edebilen bir sistemin varlığını varsayar.

Bir grup müstakbel tahminci, böyle bir sistem için gerekli donanıma sahip olduğunu söylüyor. Viral bir hava durumu raporu oluşturma önerisi bu hafta Science Advances dergisinde yayınlandı.

Hava tahminlerini yönlendiren meteorolojik modeller gibi, COVID-19 salgınlarını tahmin etme sistemi de yüzlerce yerel ve küresel bilgi akışıyla beslenen bir veri nehrinden ortaya çıkıyor. Bunlar, göğüste sıkışma, koku kaybı veya bitkinlik gibi belirtiler için zaman damgalı internet aramalarını içerir; “korona”, “pandemi” veya “panik satın alma” gibi terimler içeren coğrafi konumlu tweet’ler; akıllı telefonlardan alınan ve insanların ne kadar seyahat ettiğini gösteren toplu konum verileri; ve daha az kişinin dışarı çıktığını gösteren çevrimiçi yol tarifi taleplerinde düşüş.

Ortaya çıkan bilgi hacmi, bırakın yorumlamayı, insanların yönetmesi için bile çok fazla. Ancak güçlü bilgisayarların ve verileri ayırt etmek, yorumlamak ve onlardan öğrenmek için eğitilmiş yazılımların yardımıyla bir harita ortaya çıkmaya başlar.

Bu haritayı tarihsel verilerle karşılaştırırsanız – bu durumda, 93 ilçede iki yıllık pandemi deneyimi – ve buna göre güncellerseniz, hastalık salgınları için bir tahmin sistemi oluşturabilirsiniz.

Bir Northeastern Üniversitesi bilgisayar bilimcisi liderliğindeki ekibin yaptığı da tam olarak buydu. Çalışmanın yazarları, COVID-19 salgınları için bir erken uyarı sistemi oluşturma teklifinde, milyonlarca dijital izi çiğneyebilen, yeni yerel gelişmeleri içeren, doğru hastalık sinyallerine odaklanan bir “makine öğrenimi” sistemi kurdular ve COVID-19’un yaklaşan yerel dalgalanmalarına ilişkin zamanında bildirimler oluşturmak.

İncelediği birçok internet araması arasında, birinin yaklaşan bir salgının özellikle iyi bir uyarı işareti olduğu kanıtlandı: “COVID ne kadar sürer?”

Gerçek dünya verileriyle test edildiğinde, araştırmacıların makine öğrenimi yöntemi, yerel viral yayılımda altı hafta kadar önceden artışlar öngördü. Alarm zilleri, kabaca, enfekte olan her kişinin virüsü en az bir kişiye daha yayma olasılığının yüksek olduğu noktada çalacaktı.

Ülke çapında 367 gerçek salgın öngörme testine tabi tutulan program, bunların 337’si veya %92’si için doğru erken uyarılar sağladı. Kalan 30 salgından 23’ünü insan sağlığı yetkilileri tarafından anlaşılacağı gibi tanıdı.

Omicron varyantı ABD’de geniş çapta yayılmaya başladığında, erken uyarı sistemi ilçe düzeyindeki salgınların %87’sine ilişkin erken kanıtları tespit edebildi.

Bu yeteneklere sahip bir tahmin sistemi, COVID-19 salgınları için plan yapması ve savunmasız vatandaşları koronavirüsün yakın bir yerel canlanmayı tehdit ettiği konusunda uyarması gereken yerel, eyalet ve ulusal halk sağlığı yetkilileri için yararlı olabilir.

Ancak Northeastern’in Sağlık ve Çevrenin Daha İyi Hale Getirilmesi için Makine İstihbarat Grubunu yöneten Mauricio Santillana, COVID’in “ötesine bakıyoruz” dedi.

“Çalışmamız, sadece bunun için değil, bir sonraki salgın için hangi tekniklerin ve yaklaşımların yararlı olabileceğini belgelemeyi amaçlıyor” dedi. Ülke genelinde başka bir hastalık yayılmaya başladığında “Halk sağlığı yetkililerinin güvenini kazanıyoruz, böylece daha fazla ikna edilmeleri gerekmeyecek”.

Bu, tümü pandemik verilere ayak uydurmak ve virüsün yayılmasını izlemek için yeni yöntemler kullanmakta zorlanan eyalet halk sağlığı kurumları ve ABD Hastalık Kontrol ve Önleme Merkezleri için kolay bir satış olmayabilir. CDC’nin pandemi sırasında etkili bir şekilde uyum sağlayamaması ve iletişim kuramamasının bazı “oldukça dramatik, oldukça kamusal hatalara” yol açtığını kabul eden kurumun yöneticisi Dr. Rochelle Walensky. Ajansı bir sonraki salgına yalnızca “değişen kültür” hazırlayabilir, diye uyardı.

CDC’nin tahmin araçları geliştirmeye yönelik cansız çabaları da kolay kabul görmenin yolunu açmadı. CDC tarafından kullanılan tahmin çabalarının 2022 değerlendirmesi, çoğunun COVID-19 vakalarında ve hastaneye yatışlarda “hızlı değişiklikleri güvenilir bir şekilde tahmin etmekte başarısız olduğu” sonucuna vardı. Bu değerlendirmenin yazarları, “eğilimlerdeki hızlı değişikliklerin olasılığı veya zamanlaması hakkındaki kararlarda bugüne kadar geliştirilen sistemlere güvenilmemesi gerektiği” konusunda uyarıda bulundu.

New York Üniversitesi’nde makine öğrenimi uzmanı olan Anasse Bari, yeni erken uyarı sistemini “çok umut verici” olarak nitelendirdi.

Araştırmada yer almayan Bari, “Makalede sunulan makine öğrenimi yöntemleri iyi, olgun ve çok iyi çalışılmış” dedi. Ancak, salgın gibi hayatta bir kez karşılaşılabilecek bir acil durumda, olayları tahmin etmek için büyük ölçüde yeni bir modele güvenmenin riskli olacağı konusunda uyardı.

Bari, yeni başlayanlar için, bu koronavirüsün insanlıkla ilk karşılaşmasının, modelin doğruluğunu tam olarak test etmek için gereken uzun tarihsel kaydı üretmediğini kaydetti. Ve salgının üç yıllık süresi, araştırmacılara bu kadar çok veri bir potaya atıldığında ortaya çıkan “gürültüyü” fark etmeleri için çok az zaman sağladı.

CDC ve eyalet sağlık departmanları, koronavirüsün yayılmasını izlemek için filodinamik genetik dizileme ve atık su gözetimi gibi epidemiyolojik teknikleri henüz kullanmaya başladı. Santillana, yaklaşan viral dalgalanmaların yerini tahmin etmek için makine öğrenimini kullanmanın bu ajansların başka bir hayal gücü sıçramasına neden olabileceğini söyledi.

Aslında, Santillana’nın grubu tarafından geliştirilen erken uyarı araçlarını kabul etmek de bazı inanç sıçramaları gerektirebilir. Bilgisayar programları çok büyük miktarda veriyi sindirdikçe ve açığa çıkarabilecek kalıpları ayırt etmeye başladıkça, genellikle şaşırtıcı “özellikler” – viral bir dalgalanma gibi önemli bir olayı önceden tahmin etmeye yardımcı olan değişkenler veya arama terimleri – üretirler.

Bu bariz işaret levhaları böyle bir olayı doğru bir şekilde tahmin ettiğini kanıtlasa bile, bunların bir halk sağlığı acil durumuyla alakaları hemen net olmayabilir. Şaşırtıcı bir sinyal, yeni bir trendin ilk işareti olabilir – örneğin, yeni bir varyantın neden olduğu daha önce görülmemiş bir semptom. Ancak halk sağlığı yetkililerine o kadar rastgele görünebilir ki, bir programın yaklaşan bir salgını tahmin etme yeteneği konusunda şüphe uyandırır.

Harvard Halk Sağlığı Okulu’nda da öğretmenlik yapan Santillana, grubunun ilk çalışmalarını inceleyenlerin yaklaşan bir salgının uyarı işaretleri olarak ortaya çıkan birkaç sinyale biraz şüpheyle yanıt verdiğini söyledi. Bunlardan biri – “panik satın almaya” atıfta bulunan tweet’ler – rastgele bir olaya kilitlenen ve ona anlam katan makinelerden gelen hatalı bir sinyal gibi görünüyordu, dedi.

Yaklaşan bir yerel salgının açıklayıcı bir işareti olarak “panik satın alma” sinyalinin dahil edilmesini savundu. (Sonuçta, pandeminin ilk günleri, pirinç ve tuvalet kağıdı da dahil olmak üzere temel gıda maddelerinin kıtlığıyla işaretlendi.) Ancak, fazla “kara kutu gibi” bir erken uyarı sisteminin halk sağlığı yetkililerinin direnişiyle karşılaşabileceğini kabul etti. tahminlerine güvenmek zorunda olan.

Santillana, “Karar vericilerin korkularının meşru bir endişe olduğunu düşünüyorum” dedi. “Bir sinyal bulduğumuzda, güvenilir bir sinyal olmalı.”