Inteligența artificială (AI) a îmbunătățit semnificativ predictibilitatea agenților patogeni, ceea ce ne-ar putea ajuta în încercările noastre de a prezice următoarea pandemie. Însă succesul aceste tehnologii depinde mult de transparența datelor și de reducerea costurilor de antrenare a modelelor AI.
AI în domeniul sănătății
Epidemiologia bolilor infecțioase se concentrează pe emergența și transmiterea agenților infecțioși în cadrul populațiilor și pe strategiile de prevenire, control și atenuare a focarelor epidemiologice.
Au fost dezvoltate numeroase aplicații pe baza inteligenței artificiale pentru a oferi asistență domeniului medical, ca de exemplu în diagnosticarea pacienților, în luarea deciziilor de către medici sau predicția riscurilor de îmbolnăvire la nivel individual. AI a fost utilizată mai puțin în epidemiologia bolilor infecțioase, în primul rând datorită dificultăților în obținerea unor seturi de date standardizate la scară largă, esențiale pentru antrenarea și evaluarea modelelor de inteligență artificială sau de învățare automată (machine learning).
Potențialul AI în epidemiologie
În primele faze ale unde epidemii, este esențială înțelegerea severității bolii și a potențialului infecțios al agentului patogen. Deoarece adevărata secvență a evenimentelor și localizarea originii infecției sunt adesea incerte, cercetătorii se confruntă cu dificultăți în estimarea perioadei de incubație și a intensității transmiterii utilizând doar datele observaționale.
Inferența bayesiană este de neprețuit pentru îmbunătățirea capacității de deducție a parametrilor. Mai mult, integrarea AI în abordarea bayesiană a îmbunătățit semnificativ scalabilitatea și inferența modelelor.
Modelele tradiționale privind transmiterea bolilor oferă perspective importante asupra transmiterii virale și sunt utilizate pentru a dezvolta scenarii contrafactuale. Totuși, aceste modele sunt asociate cu costuri computaționale considerabile.
Progresele recente în modelarea AI oferă posibilitatea de a accelera deducțiile prin utilizarea inferențelor variaționale, deci îmbunătățind complexitatea și realismul modelului. Metodele accelerate de inteligență artificială pot reduce timpii de rulare a modelelor de la săptămâni la ore, ceea ce poate crea mai multe oportunități de a înțelege potențialele asocieri din timpul transmiterii bolilor.
Rețeaua neurală grafică (graph neural network – GNN) este un sistem de AI promițător ce poate îmbunătăți înțelegerea și acuratețea prognozei dinamicii bolilor infecțioase. Modelele GNN au prezis cu acuratețe cazurile de COVID-19 la nivel de regiune și ratele afecțiunilor de tip gripal.
Modelele AI sunt aplicate și datelor genomice pentru a elucida descendența, originea, patogenitatea și transmisibilitatea virusurilor, precum și potențialul de ocolire a sistemului imunitar.
AI în stabilirea politicilor de sănătate publică
În timpul unei epidemii, deciziile privind sănătatea publică sunt adesea luate pe baza numărului estimat de cazuri și a prognozei cazurilor viitoare. Dar monitorizarea epidemiologică este aproape întotdeauna afectată de părtiniri în raportare, testare și eșantionare.
Revenind la pandemia de COVID-19, cercetătorii au accelerat în mod semnificativ dezvoltarea unor modele mai standardizate și mai riguroase ce au permis decidenților politici să emită decizii de sănătate publică potrivite.
Noile abordări bazate pe inteligența artificială au redus substanțial timpul necesar pentru rularea modelelor epidemiologice care analizează scenarii complexe și incertitudinile lor statistice. Modelele lingvistice mari (LLM) oferă rezumate ale modelelor cantitative complexe, care pot fi personalizate după dorință.
Utilizarea cu succes și adecvată a instrumentelor AI depinde de analiza atentă și depășirea provocărilor etice. De exemplu, instrumentele AI pentru prevenirea unei pandemii depind în mare măsură de aplicarea unor practici corecte pentru colectarea, stocarea și partajarea datelor, deoarece acest lucru asigură accesibilitatea pe scară largă a modelelor AI.
Sursa: News Medical