人工智能有助于流感大流行期间横切拯救生命
作者:Omkar Ratnaparkhi
这个故事是第二个在一系列关于斜方解决复杂的问题。两个故事如何斜接的学生研究项目开发研究人员想在公众利益本系列将圆。
建模使自律解决问题
计算机科学家观察模型大流行的难民危机。
他们究竟是如何连接的工作,为什么?如果它似乎像一个场景,在该场景中,一个农民学习如何种植苹果果园通过检查供应链生产橙汁,你可能实际上是很有意义的。新型冠状病毒提供了前所未有的医疗、社会和经济挑战,这意味着体贴人反应创新别无选择。然而,在2020年,创新并不意味着没有人去过的地方。这意味着收获的一切已经在一个严格的方式,看看可能会结出果实。
根据Jay Crossler横切技术的“斜方有三个北星医疗coalition-data-driven临床结果,供应链,和社会某些他们每个人有一个人工智能组件。”利用人工智能和机器学习(AI /毫升)工具模型个人防护装备(PPE)的需求和社会影响的政策建议只是两个斜接的建模专家所关注的领域。
建模使用算法来模拟场景,帮助研究人员回答问题。模型完全准确吗?没有,但是完美不是重点。模型所提供的是一种常见的基本理解,因此在当前流行的情况下,政府和医疗领导人谈判有效应对新兴需求,如个人防护装备不足,控制感染率,或实现社会距离需求和接触者追踪。
我和安德烈亚斯Tolk博士说,他支持COVID-19医疗联盟横切赞助商。特征建模是一种结构化的分析,他告诉我,“我们是在一个很深的不确定性环境。许多医学和流行病学专家不知道背后的理论是冠状病毒的不同发展。”模型给这些专家提供一个可信的基础工作,因为建模者考虑理论,模拟,仔细观察情况,和约束。
我们可能有用的观点模型作为上游的工具在这种情况下,限制的生命损失。通过集成可观测因素和指标,模型帮助领导人和决策者防止问题发展成更大的危机。说,一个州的州长可能使用决策建模,如强制面具在杂货店和关闭不必要的企业,限制未来的目标感染和随后的死亡。州长的反应是上游,因为它是试图限制冠状病毒的数量情况下,通过改变政策模型的基础上,而不是等待一个下游的解决方案后,治疗病人COVID-19萎缩。
探索性分析技术,占人类行为
是科学家如何改善他们的模型的准确性,考虑到深层的不确定性病毒一样最近COVID-19吗?目前,Tolk博士报道,探索性分析——艺术的挖掘和清洁机器学习数据准备,基于理论algorithms-gives科学家可靠信息之前他们运行模拟。考虑一个类比:如果数据用于模型是水,然后探索性分析过滤,去除有害粒子从水中。
让我们看看需要过滤什么当我们谈论一个世纪最伟大的医学的挑战。这个列表并不详尽,但子集的问题导致Tolk博士之前的难民人口模型连接到当前COVID-19模型。
- 人们服从全职订单多长时间?
- 通常人们会如何在户外戴着面具?
- 所有医院保持开放和能够支付员工当选择性surgeries-their最大的收入来源法律禁止吗?
- 将死亡由于其他疾病,比如心脏病、增加,因为人们害怕寻求医疗帮助?
因为这些问题都关注人类行为,Tolk博士的团队意识到社会科学的专家可以帮助他们创建更精确的模型。他观察到,“人文社会科学是推动能够做些什么(更好地整合难民)。“具体来说,美国的研究人员和挪威大学人工社会建模帮助人道主义政策决定,他们把人类行为考虑在内。
同样的,当行为科学家开始研究可能连接到COVID-19行为,他们正确地预测,人们只会服从命令呆在家里和面具授权公开造反前3 - 4周和抗议要求州议会大厦。因此武装,Tolk博士的研究小组的计算机科学家然后建立数据对这些起义到他们的模型来创建更精确的预测。
这里的凸字”更准确。“人类行为的知识是必要的,但AI /毫升提供推论关于人类行为的理论不能自己填写。Tolk博士阐述:“如果我们有一个理论的共同努力,我们可以计划一个模拟,模拟了基于这一理论的发展。如果我们没有一个理论,我们仍然可以收集大量的数据,并使用人工智能/毫升预测基于学习趋势。我们经常使用混合的方法,采用仿真和AI /毫升结合两全其美。”
例如,curve配件、这创建了一个基于数据和数学函数模拟,是一个混合方法的一部分。当曲线与流行结合的数以百万计的模拟结果基于有限的医疗和社会理论,由此产生的混合模型可以预测PPE需要,policy-dependent死亡人数,和其他重要的医学和社会因素。
自然语言处理构建效率研究
这个人工智能预测方法的一个特定的受益人是MITRE-sponsored医疗联盟,由超过一千个私营企业,它们都有一个目的:击败了冠状病毒。除了得益于Tolk博士的建模工作,联军已经部署了自然语言处理(NLP)从大量的学术文章中提取知识文档什么可行,什么不。
冠状病毒蔓延到美国后不久,白宫发布了CORD-19数据集,一个开源收集超过57000学术文章和期刊COVID-19和相关的医学知识。了解的繁重任务筛选成千上万的文章可能会更加容易,我与阿比盖尔特纳博士和了解横切CORD-19文件资源管理器和CORD-19主题浏览器。文档浏览器允许研究人员按主题搜索和筛选文献,期刊,或基于文本的查询。使用NLP技巧被称为字嵌入,文档资源管理器可以帮助研究人员识别相关术语(例如,冠状病毒和COVID-19)为了修改和扩展他们的搜索。主题浏览器,另一方面,分组和趋势表明,让研究人员看到哪些话题成为最重要的发表的研究文献中,这样他们可以探索这些文章。有效处理机械的任务,文档浏览器保存数千小时,使研究人员能够做人类做的事最好:解决问题的创造性的部分。
本文只触及表面的AI在打击COVID-19 /毫升的作用。当我问及大局,Crossler先生回答说斜接的角色在国家应对大流行是给立法者和公司公正的顾问和救生工具可以帮助决策。人工智能中扮演着关键角色在预防冠状病毒的传播,从使用NLP精简拯救生命的研究,制定模型驱动的社会政策。上游AI /毫升的潜力是无穷无尽的,和股权这大流行期间的生活和死亡。
Omkar Ratnaparkhi担任暑期学生僧帽调查员在新兴技术部门。他从事公益报道前沿的解决问题的方法和技术。福特汉姆大学二年级学生,主修国际政治经济,并计划参加法学院。
©2020斜方manbetx客户端首页公司。保留所有权利。批准的公开发布。无限的分布。20 - 2140
横切为导向的团队致力于解决问题的一个更安全的世界。通过公私伙伴关系和联邦政府资助研发中心,我们在政府工作,与行业合作应对挑战的安全、稳定和幸福。了解更多主教法冠。
参见: