ترکیب یادگیری ماشین با داده‌های مربوط به ردیابی گوشی‌های هوشمند برای پیش‌بینی شیوع ویروس‌ها

تیمی از محققان وابسته به چندین موسسه در ایالات متحده از جمله Google Inc  و CDC دریافته‌اند که ترکیب فناوری یادگیری ماشین با داده‌های مربوط به ردیابی تلفن‌های هوشمند برای ایجاد برنامه‌ای که به طور دقیق شیوع آنفولانزا را تخمین بزند امکان پذیر است.

این گروه در مقاله خود که در مجله Nature Communications منتشر شده است، نحوه ساخت اپلیکیشن خود و میزان موفقیت آن در برابر سیستم‌های تخمین شیوع ویروس متداول را توضیح می‌دهند. این سیستم با الهام از پاندمی CoV-19 برای یک سناریوی بسیار بدتر ساخته شده که شامل انتشار ویروسی بسیار کشنده‌تر از SARS-CoV-19 است.

بنابراین دانشمندان به دنبال راه‌هایی برای کاهش سرعت شیوع بیماری همه‌گیر بعدی بودند. این تلاش در مورد ابزاری است که می‌تواند نحوه گسترش و شیوع ویروس را بهتر پیش‌بینی کند.

در این مطالعات جدید محققان به دنبال ایجاد ابزاری مبتنی بر داده‌های مربوط به ردیابی تلفن‌های هوشمند و تلفیق آن با یک الگوریتم یادگیری ماشین بودند که با استفاده از داده‌های مربوط به رفت و آمد انسان‌ها کار می‌کند.

محققان برای ساخت برنامه خود، داده‌های مربوط به ردیابی را از کاربرانی که از سیستم عامل Android در شهر نیویورک زندگی می‌کنند و به گوگل اجازه ثبت چنین اطلاعاتی را داده‌اند جمع آوری و ذخیره می‌کند.

آنها از این داده‌ها برای آموزش الگوریتم یادگیری ماشین جهت تشخیص حرکت انسان‌ها در نقشه‌ی شهر استفاده کردند. این تیم سپس داده‌های مربوط به شیوع آنفلوانزا بر اساس بازدید از بیماران بیمارستانی و گزارش‌های آزمایشگاهی برای فصل شیوع آنفلوانزای 2016 تا 2017 را جهت آموزش به سیستم استفاده کرد.

آنها از این برنامه برای پیش‌بینی شیوع آنفولانزا در همان فصل استفاده کردند. آنها نتایج را در برابر سوابق مربوط به فصل آنفلوآنزا مقایسه كردند و دریافتند كه سیستمشان بسیار دقیق است و از دو سیستم متداول مبتنی بر داده‌های مسافرتی دقیق‌تر و بهتر عمل می‌کند.

محققان سپس تلاش‌های خود را برای پیش‌بینی فصل آنفلوآنزا در سال 2016 برای تمام استرالیا بازتولید کردند و دریافتند که این سیستم می‌تواند شیوع آنفولانزا را در آن کشور با دقتی بسیار بالا پیش‌بینی کند.

محققان متذکر می‌شوند که استفاده از داده‌های ردیابی تلفنی نسبت به استفاده از داده‌های رفت و آمد هزینه کمتری دارد. آنها همچنین خاطر نشان كردند كه برخلاف سیستم‌های مبتنی بر داده‌های مسافری، از سیستم آنها می‌توان برای ردیابی شیوع بیماری هنگام عبور از خطوط بین‌المللی نیز استفاده كرد.

البته آنها اذعان می‌کنند که به دلیل استفاده کم از تلفن‌های هوشمند توسط کودکان خردسال و بزرگسالان، در داده‌های مورد استفاده در سیستم نقطه‌ی کوری وجود دارد و این نقطه‌ی ضعف این سیستم است.