From: Venture Beat; 编译:Iris
本月初,MIT的研究人员建立了一个AI预测模型(SEIR),该模型能够用量化的方式,呈现隔离措施对新型冠状病毒传播的积极影响。与其他模型不同,它并不依赖于以往疫情的研究数据,而是利用AI算法,经过训练后,准确地捕捉受感染个体的数量。
SEIR将人们分为“易感”、“暴露”、“感染”和“康复”等类别。这种算法产出的结果准确性要高于以往的预测方式,有助于更好地向政府、卫生系统和非营利组织提供信息,帮助他们就调整隔离决策。该模型发现,韩国在实行隔离政策后,病毒的传播变骤然停滞,这一数据也为隔离期的政策合理性提供了佐证。
⚠️
“请时刻保持警惕!”
隔离政策有可能延续到2022年
“我们的模型显示,检疫限制政策成功地使病毒有效繁殖数量从大于1减少到小于1的阈值。这就相当于我们可以把曲线变平,开始看到更少的感染。 ”MIT机械工程教授乔治•巴巴斯塔斯(George Barbastathis)介绍道。他和研究员吉•丹德卡尔(Raj Dandekar)一起,花费数周时间开发出了SEIR模型,通过数据分析,他们得出了病毒的传播规律,即当严格的隔离政策开始实行时,病毒的传播速度会滑坡式下降。
冠状病毒结构放大图
SEIR模型以来自中国武汉、意大利、韩国和美国的病毒传播曲线数据作为子数据集,对AI助手进行数据喂养。在获取每个地区(各标志性病例分别于1月24日、2月27日和2月22日,在武汉、意大利和韩国被发现和记录)的第500个病例之后,经过500次迭代,它学会了预测病毒感染传播的模式,得出了隔离措施与病毒有效繁殖数量减少现象之间的相关性。
MIT SEIR预测模型的数据集曲线示意图
随着特定国家病例数的减少,预测模型从指数呈现模式(表明病毒呈指数传播)过渡到线性呈现模式(表明感染趋于稳定)。意大利的病毒传播曲线在4月初开始进入这种线性模式。SEIR同时预测美国将在4月15日至20日之间进行类似的传播过渡,这也与美国卫生计量和评估研究所的预测成果不谋而合。
该模型还预测,在感染率进入停滞期之前,美国的感染人数将达到60万之多。“如果我们放松检疫措施,可能会导致灾难。如果美国过早放松检疫措施、开城复工,模型预计感染的人数将指数型飙升。”MIT研究团队担忧地说道。他们根据预测数据进一步得出,考虑到病毒潜在的持续性影响,隔离政策极有可能持续到2022年,这也就意味着人们的生活会受到长期改变。
团队将发病潜伏期、症状持续时间、死亡率、地方性人口密度和人口运动倾向的函数参数也加入到数据子集中,在持续52周(364天)的75次模拟过程中,预测结果显示,那些将感染率控制到5%至10%区间的社区都经历了一个较低的感染峰值,即数据曲线图上存在一个下陷的小陡坡,这表明隔离政策已在发挥实效。
另外,MIT国际研究小组利用百度提供的人口移动数据,得出了COVID-19在中国城市中传播的数据曲线。他们发现,在实施隔离控制和遏制措施后,有19例病例的传播率和其地理移动性之间的相关性开始下降,与此同时,大多数地区的病例增长率呈现负值,这表明这些措施有效缓解了COVID-19病例的传播。
不过,即使是最好的人工智能模型(比如最早由HealthMap、Metabiota和BlueDot开发的能准确识别COVID-19传播的模型)也只能从历史数据中加以学习和预测。正如布鲁金斯研究所(Brookings Institute)在最近的一份报告中所指出的那样,虽然一些流行病学预测模型使用了AI助手来协助分析数据,但它们在很大程度上依然依托于统计数据集来运作,对此,研究团队表示:“仅凭AI计算能力不足以评估预测结果。如果管理不当,AI算法所找出的数据模式可能与实际数据结果相悖。”
不过,尽管SEIR模型存在一定理论缺陷,但其呈现的结果仍在提醒我们,即便病毒传播似乎已进入了舒缓期,我们依然要时刻保持警惕,目前平静的态势还并不稳定,不能因此而松懈。
