Pronósticos locales de COVID-19 por AI
Crédito: Pixabay/CC0 Dominio público
A pesar de los esfuerzos realizados en los Estados Unidos la primavera pasada para suprimir la propagación del nuevo coronavirus, los estados de todo el país han experimentado picos en las últimas semanas. El número de casos confirmados de COVID-19 en el país ha aumentado a más de 3,5 millones desde el comienzo de la pandemia.
Los funcionarios públicos en muchos estados, incluido California, ahora han comenzado a revertir el proceso de reapertura para ayudar a frenar la propagación del virus. Eventualmente, los legisladores estatales y locales se enfrentarán a decidir por segunda vez cuándo y cómo reabrir sus comunidades. Un par de investigadores de la Facultad de Ingeniería de UC Santa Barbara, Xifeng Yan y Yu-Xiang Wang, han desarrollado un modelo de pronóstico novedoso, inspirado en técnicas de inteligencia artificial (IA), para proporcionar información oportuna a un nivel más localizado que los funcionarios y cualquier persona en el público puede usar en sus procesos de toma de decisiones.
«Todos estamos abrumados por los datos, la mayoría de los cuales se proporcionan a nivel nacional y estatal», dijo Yan, profesor asociado que tiene el Venkatesh Narayanamurti Cátedra de Ciencias de la Computación. «Los padres están más interesados en lo que sucede en su distrito escolar y si es seguro que sus hijos vayan a la escuela en el otoño. Sin embargo, hay muy pocos sitios web que brinden esa información. Nuestro objetivo es brindar pronósticos y explicaciones a nivel localizado. con datos que son más útiles para los residentes y los tomadores de decisiones».
El proyecto de pronóstico, «Pronóstico de respuesta intervencionista de COVID-19 en comunidades locales usando modelos de adaptación de dominio neuronal», recibió una subvención de investigación de respuesta rápida (RAPID) por casi $ 200,000 de la Fundación Nacional de Ciencias (NSF).
«Los desafíos de dar sentido a los datos desordenados son precisamente el tipo de problemas que enfrentamos todos los días como científicos informáticos que trabajan en IA y aprendizaje automático, «, dijo Wang, profesor asistente de informática y titular de la cátedra Eugene Aas. «Nos vemos obligados a brindar nuestra experiencia para ayudar a las comunidades a tomar decisiones informadas».
Yan y Wang desarrollaron un innovador algoritmo de pronóstico basado en un modelo de aprendizaje profundo llamado Transformer. El modelo está impulsado por un mecanismo de atención que intuitivamente aprende cómo pronosticar aprendiendo qué período de tiempo en el pasado mirar y qué datos son los más importantes y relevantes.
«Si estamos tratando de pronosticar para una región específica, como el condado de Santa Bárbara, nuestro algoritmo compara las curvas de crecimiento de los casos de COVID-19 en diferentes regiones durante un período de tiempo para determinar las regiones más similares. Luego pondera estas regiones para pronosticar casos en la región objetivo». explicó Yan.
Además de los datos de COVID-19, el algoritmo también extrae información del censo de EE. UU. para tener en cuenta los detalles hiperlocales al calibrar el pronóstico para una comunidad local.
«Los datos del censo son muy informativos porque capturan implícitamente la cultura, el estilo de vida, la demografía y los tipos de negocios en cada comunidad local», dijo Wang. «Cuando combina eso con los datos de COVID-19 disponibles por región, nos ayuda a transferir el conocimiento aprendido de una región a otra, lo que será útil para las comunidades que desean datos sobre la efectividad de las intervenciones para tomar decisiones informadas».
Los modelos de los investigadores mostraron que, durante el pico reciente, el condado de Santa Bárbara experimentó una propagación similar a la que experimentaron los condados de Mecklenburg, Wake y Durham en Carolina del Norte a finales de marzo y principios de abril. Usando esos condados para pronosticar casos futuros en el condado de Santa Bárbara, el modelo basado en la atención de los investigadores superó los modelos epidemiológicos más utilizados: el modelo SIR (susceptible, infectado, recuperado), que describe el flujo de individuos a través de tres etapas mutuamente excluyentes; y el modelo autorregresivo, que hace predicciones basadas únicamente en una serie de puntos de datos que se muestran a lo largo del tiempo. El modelo basado en IA tuvo un error porcentual absoluto medio (MAPE) de 0,030, en comparación con 0,11 para el modelo SIR y 0,072 con autorregresión. El MAPE es una medida común de precisión de predicción en las estadísticas.
Yan y Wang dicen que su modelo pronostica con mayor precisión porque elimina las debilidades clave asociadas con los modelos actuales. Los datos del censo brindan detalles detallados que faltan en los modelos de simulación existentes, mientras que el mecanismo de atención aprovecha las cantidades sustanciales de datos ahora disponibles públicamente.
«Los humanos, incluso los profesionales capacitados, no pueden procesar los datos masivos como efectivamente como algoritmos informáticos», dijo Wang. «Nuestra investigación proporciona herramientas para extraer automáticamente información útil de los datos para simplificar la imagen, en lugar de complicarla».
El proyecto, realizado en colaboración con el Dr. Richard Beswick y la Dra. Lynn Fitzgibbons de Cottage Hospital en Santa Bárbara, se presentará a finales de este mes durante la Conferencia virtual de Computing Research Association (CRA). Formado en 1972 como un foro para los directores de los departamentos de informática de todo el país, la membresía de la CRA ha crecido hasta incluir más de 200 organizaciones activas en la investigación informática.
Los esfuerzos de investigación de Yan y Wang no se detendrán ahí. Planean poner su modelo y pronósticos a disposición del público a través de un sitio web y recopilar suficientes datos para hacer pronósticos para las comunidades de todo el país. «Esperamos pronosticar para cada comunidad del país porque creemos que cuando las personas están bien informadas con datos locales, tomarán decisiones bien informadas», dijo Yan.
También esperan que su algoritmo pueda ser se utiliza para pronosticar lo que podría suceder si se implementa una intervención en particular en un momento específico.
«Debido a que nuestra investigación se enfoca en aspectos más fundamentales, las herramientas desarrolladas se pueden aplicar a una variedad de factores», agregó Yan. «Con suerte, la próxima vez que nos encontremos en una situación así, estaremos mejor equipados para tomar las decisiones correctas en el momento adecuado».
Explore más
Los matemáticos ayudan a desarrollar una base de datos de seguimiento de COVID Proporcionado por la Universidad de California – Santa Bárbara Cita: Pronósticos locales de COVID-19 por AI (2020, 30 de julio) consultado el 31 de agosto 2022 de https://medicalxpress.com/news/2020-07-local-covid-ai.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.