Prévisions locales COVID-19 par AI

Des chercheurs décrivent des principes de communication sur la santé adaptés à la pandémie de COVID-19

COVID-19[feminine

Crédit: Domaine public Pixabay / CC0

Malgré les efforts déployés aux États-Unis au printemps dernier pour supprimer la propagation du nouveau coronavirus, les États du pays ont connu des pics au cours des dernières semaines. Le nombre de cas confirmés de COVID-19 dans le pays est passé à plus de 3,5 millions depuis le début de la pandémie.

Les responsables publics de nombreux États, y compris la Californie, ont maintenant commencé à annuler le processus de réouverture pour aider à freiner la propagation du virus. Finalement, les décideurs politiques des États et locaux devront décider une seconde fois quand et comment rouvrir leurs communautés. Deux chercheurs du Collège d’ingénierie de l’UC Santa Barbara, Xifeng Yan et Yu-Xiang Wang, ont développé un nouveau modèle de prévision, inspiré des techniques d’intelligence artificielle (IA), pour fournir des informations opportunes à un niveau plus localisé que les fonctionnaires et quiconque en le public peut utiliser dans ses processus décisionnels.

«Nous sommes tous submergés par les données, dont la plupart sont fournies aux niveaux national et étatique», a déclaré Yan, professeur agrégé titulaire de la chaire Venkatesh Narayanamurti en informatique. « Les parents s’intéressent davantage à ce qui se passe dans leur district scolaire et à la question de savoir s’il est sécuritaire pour leurs enfants d’aller à l’école à l’automne. Cependant, très peu de sites Web fournissent ces informations. Nous visons à fournir des prévisions et des explications au niveau local. avec des données plus utiles pour les résidents et les décideurs. « 

Le projet de prévision, «Interventional COVID-19 Response Forecasting in Local Communities Using Neural Domain Adaption Models», a reçu une subvention RAPID (Rapid Response Research) de près de 200 000 $ de la National Science Foundation (NSF).

« Les défis de donner un sens à des données désordonnées sont précisément le type de problèmes que nous traitons chaque jour en tant qu’informaticiens travaillant dans l’IA et l’apprentissage automatique », a déclaré Wang, professeur adjoint d’informatique et titulaire de la Chaire Eugene Aas. « Nous sommes obligés de mettre notre expertise au service des communautés pour prendre des décisions éclairées. »

Yan et Wang ont développé un algorithme de prévision innovant basé sur un modèle d’apprentissage en profondeur appelé Transformer. Le modèle est piloté par un mécanisme d’attention qui apprend intuitivement à prévoir en apprenant quelle période dans le passé il faut regarder et quelles données sont les plus importantes et pertinentes.

«Si nous essayons de prévoir pour une région spécifique, comme le comté de Santa Barbara, notre algorithme compare les courbes de croissance des cas de COVID-19 dans différentes régions sur une période donnée pour déterminer les régions les plus similaires. Il pèse ensuite ces régions pour cas de prévision dans la région cible », a expliqué Yan.

En plus des données COVID-19, l’algorithme tire également des informations du recensement américain pour prendre en compte les détails hyper-locaux lors du calibrage des prévisions pour une communauté locale.

«Les données du recensement sont très informatives car elles capturent implicitement la culture, le mode de vie, la démographie et les types d’entreprises dans chaque communauté locale», a déclaré Wang. «Lorsque vous combinez cela avec les données COVID-19 disponibles par région, cela nous aide à transférer les connaissances acquises d’une région à une autre, ce qui sera utile pour les communautés qui veulent des données sur l’efficacité des interventions afin de prendre des décisions éclairées.

Les modèles des chercheurs ont montré que, lors du récent pic, le comté de Santa Barbara a connu une propagation similaire à celle observée dans les comtés de Mecklenburg, Wake et Durham en Caroline du Nord à la fin mars et au début avril. En utilisant ces comtés pour prévoir les cas futurs dans le comté de Santa Barbara, le modèle axé sur l’attention des chercheurs a surpassé les modèles épidémiologiques les plus couramment utilisés: le modèle SIR (sensible, infecté, récupéré), qui décrit le flux d’individus à travers trois stades mutuellement exclusifs; et le modèle autorégressif, qui fait des prédictions basées uniquement sur une série de points de données affichés au fil du temps. Le modèle basé sur l’IA avait une erreur en pourcentage absolue moyenne (MAPE) de 0,030, contre 0,11 pour le modèle SIR et 0,072 avec autorégression. Le MAPE est une mesure courante de la précision des prévisions dans les statistiques.

Yan et Wang affirment que leur modèle prévoit plus précisément parce qu’il élimine les principales faiblesses associées aux modèles actuels. Les données du recensement fournissent des détails fins qui manquent dans les modèles de simulation existants, tandis que le mécanisme d’attention tire parti des quantités substantielles de données désormais accessibles au public.

«Les humains, même les professionnels qualifiés, ne sont pas capables de traiter les données massives aussi efficacement que les algorithmes informatiques», a déclaré Wang. « Notre recherche fournit des outils pour extraire automatiquement des informations utiles des données afin de simplifier l’image, plutôt que de la compliquer. »

Le projet, mené en collaboration avec le Dr Richard Beswick et le Dr Lynn Fitzgibbons du Cottage Hospital de Santa Barbara, sera présenté plus tard ce mois-ci lors de la conférence virtuelle de la Computing Research Association (CRA). Formée en 1972 en tant que forum pour les directeurs de département des départements d’informatique à travers le pays, les membres de l’ARC ont augmenté pour inclure plus de 200 organisations actives dans la recherche informatique.

Les efforts de recherche de Yan et Wang ne s’arrêteront pas là. Ils prévoient de mettre leur modèle et leurs prévisions à la disposition du public via un site Web et de recueillir suffisamment de données pour faire des prévisions pour les collectivités partout au pays. «Nous espérons faire des prévisions pour chaque communauté du pays parce que nous pensons que lorsque les gens seront bien informés avec les données locales, ils prendront des décisions bien informées», a déclaré Yan.

Ils espèrent également que leur algorithme pourra être utilisé pour prévoir ce qui pourrait se passer si une intervention particulière est mise en œuvre à un moment précis.

«Parce que notre recherche se concentre sur des aspects plus fondamentaux, les outils développés peuvent être appliqués à une variété de facteurs», a ajouté Yan. « Espérons que la prochaine fois que nous serons dans une telle situation, nous serons mieux équipés pour prendre les bonnes décisions au bon moment. »


Les mathématiciens aident à développer une base de données de suivi COVID


Fourni par University of California – Santa Barbara

Citation: Prévisions COVID-19 locales par AI (2020, 30 juillet) extraites le 30 juillet 2020 de https://medicalxpress.com/news/2020-07-local-covid-ai.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.