Ένα «ChatGPT» για την πρόβλεψη της εξάπλωσης των μεταδοτικών νόσων

Ενα νέο εργαλείο ΑΙ προβλέπει την εξάπλωση μεταδοτικών νόσων πολύ αποτελεσματικότερα από τις υπάρχουσες «κλασικές» μεθόδους πρόβλεψης.

Το εργαλείο τεχνητής νοημοσύνης που αναπτύχθηκε με ομοσπονδιακή χρηματοδότηση από τα Πανεπιστήμια Τζονς Χόπκινς και Ντιουκ στις ΗΠΑ μπορεί να φέρει επανάσταση στην πρόβλεψη και τη διαχείριση επιδημιών ιογενών νόσων όπως η γρίπη και η COVID-19.

Τα κενά των μοντέλων κατά την πανδημία της COVID-19

«Η COVID-19 ανέδειξε τη μεγάλη πρόκληση της πρόβλεψης της εξάπλωσης μεταδοτικών νόσων εξαιτίας

της ύπαρξης πολλών και πολύπλοκων παραγόντων που επηρέαζαν την εξάπλωση και οι οποίοι μεταβάλλονταν διαρκώς» ανέφερε η δρ Λόρεν Γκάρντνερ, εκ των συγγραφέων μελέτης όπου παρουσιάζεται το νέο εργαλείο στο επιστημονικό περιοδικό «Nature Computational Science».

Η δρ Γκάρντερ, καθηγήτρια στο Τζονς Χόπκινς και ειδικός στην ανάπτυξη μοντέλων, δημιούργησε τον πίνακα που παρουσίαζε σε καθημερινή βάση τα δεδομένα σχετικά με την COVID-19 μέσα στην πανδημία και ο οποίος αποτελούσε σημείο αναφοράς παγκοσμίως κατά τα πανδημικά χρόνια.

«Οταν οι συνθήκες ήταν σταθερές τα μοντέλα ήταν αποτελεσματικά. Ωστόσο όταν αναδύθηκαν νέες παραλλαγές του ιού ή όταν άλλαξαν οι πολιτικές αντιμετώπισης της πανδημίας, ήμασταν τραγικοί στην πρόβλεψη καθώς δεν διαθέταμε τις δυνατότητες μοντελοποίησης ώστε να περιλάβουμε σημαντικές πληροφορίες. Το νέο εργαλείο κλείνει αυτό το κενό».

Με βάση ένα μεγάλο γλωσσικό μοντέλο

Κατά την πανδημία του κορωνοϊού, η τεχνολογία που βρίσκεται στη βάση του νέου εργαλείου δεν υπήρχε. Τώρα η ομάδα χρησιμοποίησε για πρώτη φορά στην πρόβλεψη της εξάπλωσης νόσων ένα μεγάλο γλωσσικό μοντέλο, το είδος της ΑΙ που χρησιμοποιείται στο πασίγνωστο πλέον ChatGPT.

Το νέο μοντέλο ΑΙ, που ονομάζεται PandemicLLM, αντί να κάνει πρόβλεψη ακολουθώντας μια μεθοδολογία πως αυτή που απαιτείται για τη λύση μαθηματικών προβλημάτων, χρησιμοποιεί τη λογική λαμβάνοντας υπόψη παραμέτρους όπως τα πρόσφατα ξεσπάσματα ενός ιού, οι νέες παραλλαγές του αλλά και τα μέτρα που λαμβάνονται από τις κυβερνήσεις για την αντιμετώπισή του όπως η υποχρεωτική χρήση μάσκας.

H πανδημία ανέδειξε την ανάγκη δημιουργίας νέων επιδημιολογικών μοντέλων (Reuters)

Η ερευνητική ομάδα τροφοδότησε το μοντέλο με πλήθος πληροφοριών, συμπεριλαμβανομένων δεδομένων που δεν είχαν χρησιμοποιηθεί ποτέ ως σήμερα σε εργαλεία πρόβλεψης πανδημιών και είδε ότι το PandemicLLM μπορούσε να προβλέψει με ακρίβεια τα μοτίβα της νόσου καθώς και τις τάσεις σε ό,τι αφορούσε τις νοσηλείες μία με τρεις εβδομάδες νωρίτερα.

Υπεροχή έναντι όλων (και των πιο προηγμένων) μεθόδων

Μάλιστα οι προβλέψεις του ήταν ανώτερες από εκείνες όλων των άλλων αντίστοιχων μεθόδων, ακόμη και των θεωρούμενων ως πιο προηγμένων όπως το CovidHub των Αμερικανικών Κέντρων Ελέγχου και Πρόληψης Νοσημάτων (CDC).

«Εκπαίδευση» με βάση τέσσερις τύπους δεδομένων

Το PandemicLLM βασίζεται συγκεκριμένα σε τέσσερις τύπους δεδομένων:

Σε δημογραφικά στοιχεία καθώς και σε στοιχεία σχετικά με τα συστήματα υγείας. Σε επιδημιολογικά στοιχεία όπως τα καταγεγραμμένα κρούσματα, οι νοσηλείες και τα ποσοστά εμβολιασμού. Σε δεδομένα σχετικά με τις πολιτικές υγείας κάθε κράτους. Σε στοιχεία γονιδιακής επιτήρησης συμπεριλαμβανομένων δεδομένων για τα χαρακτηριστικά των παραλλαγών του εκάστοτε ιού. Αναδρομική δοκιμή

Προκειμένου να δοκιμάσουν το μοντέλο οι ερευνητές το εφήρμοσαν αναδρομικά στην πανδημία της COVID-19 τροφοδοτώντας το με δεδομένα για καθεμία ξεχωριστά από τις αμερικανικές πολιτείες και για διάστημα μεγαλύτερο των 19 μηνών. Οπως φάνηκε, σε σύγκριση με άλλα μοντέλα, το νέο εργαλείο ήταν ιδιαιτέρως επιτυχημένο στις προβλέψεις του ακόμη και όταν τα δεδομένα της πανδημίας ήταν άκρως ρευστά.

Δυνατότητα πρόβλεψης για οποιαδήποτε μεταδοτική νόσο

Σύμφωνα με τους δημιουργούς του, το νέο μοντέλο, αν εκπαιδευθεί επάνω στα κατάλληλα δεδομένα, μπορεί να προσαρμοστεί ώστε να προσφέρει προβλέψεις για οποιαδήποτε μεταδοτική νόσο όπως η γρίπη των πτηνών, ο αναπνευστικός συγκυτιακός ιός (RSV) αλλά και η νόσος Mpox (αναφερόμενη παλαιότερα ως ευλογιά των πιθήκων).

Προς αποτελεσματικότερες πολιτικές υγείας

Η ερευνητική ομάδα εξερευνά τώρα την ικανότητα μοντέλων σαν το PandemicLLM να αντιγράφουν τον τρόπο με τον οποίο οι άνθρωποι λαμβάνουν αποφάσεις για την υγεία τους με την ελπίδα ότι τέτοια μοντέλα θα οδηγήσουν στον σχεδιασμό ασφαλέστερων και αποτελεσματικότερων πολιτικών υγείας.

Απαιτούνται καλύτερα εργαλεία για την επόμενη πανδημία

«Μάθαμε από την COVID-19 ότι χρειαζόμαστε καλύτερα εργαλεία πρόβλεψης ώστε να ακολουθούμε και πιο αποτελεσματικές στρατηγικές προάσπισης της δημόσιας υγείας. Θα υπάρξει και άλλη πανδημία, για αυτό αυτού του τύπου τα μοντέλα θα είναι ζωτικής σημασίας ώστε να συμβάλλουν στην απόκρισή μας στους ιογενείς εχθρούς» κατέληξε η δρ Γκάρντνερ.