Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
En el verano de 2021, mientras avanzaba la tercera ola de la pandemia de COVID-19 en los Estados Unidos, los pronosticadores de enfermedades comenzaron a llamar la atenci\u00f3n sobre una tendencia inquietante. <\/p>\n
El enero anterior, cuando los modelos advirtieron que las infecciones en EE. UU. seguir\u00edan aumentando, los casos se desplomaron. En julio, cuando los pron\u00f3sticos predijeron que las infecciones se aplanar\u00edan, la variante delta se dispar\u00f3, lo que provoc\u00f3 que las agencias de salud p\u00fablica se esforzaran por restablecer los mandatos de m\u00e1scara y las medidas de distanciamiento social.<\/p>\n
\u00abLos modelos de pron\u00f3stico existentes generalmente no predijeron los grandes aumentos y picos, \u00ab, dijo el cient\u00edfico de datos geoespaciales Morteza Karimzadeh, profesor asistente de geograf\u00eda en CU Boulder. \u00abFracasaron cuando m\u00e1s los necesit\u00e1bamos\u00bb.<\/p>\n
Una nueva investigaci\u00f3n de Karimzadeh y sus colegas sugiere un nuevo enfoque, el uso de inteligencia artificial y grandes conjuntos de datos an\u00f3nimos de Facebook no solo podr\u00eda generar pron\u00f3sticos de COVID-19 m\u00e1s precisos, pero tambi\u00e9n revolucionar\u00e1 la forma en que rastreamos otras enfermedades infecciosas, incluida la gripe.<\/p>\n
Sus hallazgos, publicados en International Journal of Data Science and Analytics, concluyen que este m\u00e9todo de pron\u00f3stico a corto plazo supera significativamente a los modelos convencionales para proyectar COVID tendencias a nivel de condado.<\/p>\n
El equipo de Karimzadeh ahora es uno de una docena, incluidos los de la Universidad de Columbia y el Instituto de Tecnolog\u00eda de Massachusetts (MIT), que env\u00eda proyecciones semanales al Centro de Pron\u00f3sticos COVID-19, un repositorio que agrega los mejores datos posibles para crear un \u00abpron\u00f3stico conjunto\u00bb para los Centros para el Control de Enfermedades. Sus pron\u00f3sticos generalmente se ubican entre los dos primeros en precisi\u00f3n cada semana.<\/p>\n
\u00abCuando se trata de pron\u00f3sticos a nivel de condado, estamos descubriendo que nuestros modelos funcionan, sin duda, mejor que la mayor\u00eda de los modelos que existen, \u00ab, dijo Karimzadeh.<\/p>\n
An\u00e1lisis de amistades para predecir la propagaci\u00f3n viral<\/p>\n
La mayor\u00eda de las t\u00e9cnicas de pron\u00f3stico de COVID que se usan hoy en d\u00eda dependen de lo que se conoce como un \u00abmodelo compartimental\u00bb. En pocas palabras, los modeladores toman los \u00faltimos n\u00fameros que pueden obtener sobre las poblaciones infectadas y susceptibles (basados en informes semanales de infecciones, hospitalizaciones, muertes y vacunas), los conectan a un modelo matem\u00e1tico y procesan los n\u00fameros para predecir qu\u00e9 suceder\u00e1 a continuaci\u00f3n.<\/p>\n
Estos m\u00e9todos se han utilizado durante d\u00e9cadas con un \u00e9xito razonable, pero se han quedado cortos a la hora de predecir picos locales de COVID, en parte porque no pueden tener en cuenta f\u00e1cilmente c\u00f3mo se mueve la gente.<\/p>\n
Ah\u00ed es donde Entran los datos de Facebook.<\/p>\n
El equipo de Karimzadeh se basa en los datos generados por Facebook y derivados de dispositivos m\u00f3viles para tener una idea de cu\u00e1nto viaja la gente de un condado a otro y en qu\u00e9 medida las personas en diferentes condados son amigos en las redes sociales. medios de comunicaci\u00f3n. Eso es importante porque las personas se comportan de manera diferente con los amigos.<\/p>\n
\u00abLas personas pueden enmascararse y distanciarse socialmente cuando van al trabajo o de compras, pero es posible que no se adhieran al distanciamiento social o al enmascaramiento cuando pasan tiempo con amigos\u00bb, Karimzadeh. dijo.<\/p>\n
Todo esto podr\u00eda influir en cu\u00e1nto, por ejemplo, un brote en el condado de Denver podr\u00eda propagarse al condado de Boulder. A menudo, los condados que no est\u00e1n uno al lado del otro pueden influir mucho entre s\u00ed.<\/p>\n
En un art\u00edculo anterior en Nature Communications, el equipo descubri\u00f3 que los datos de las redes sociales eran una mejor herramienta para predecir la propagaci\u00f3n viral que simplemente monitorear la vida de las personas. movimiento a trav\u00e9s de sus tel\u00e9fonos celulares. Con 2000 millones de usuarios de Facebook en todo el mundo, hay abundantes datos de los que extraer informaci\u00f3n, incluso en regiones remotas del mundo donde los datos de los tel\u00e9fonos m\u00f3viles no est\u00e1n disponibles.<\/p>\n
Notablemente, los datos est\u00e1n protegidos por privacidad, enfatiz\u00f3 Karimzadeh.<\/p>\n
\u00abNo estamos rastreando a nadie individualmente\u00bb.<\/p>\n
La promesa de la IA<\/p>\n
El modelo en s\u00ed tambi\u00e9n es novedoso, ya que se basa en t\u00e9cnicas establecidas de aprendizaje autom\u00e1tico. para mejorar en tiempo real, capturando tendencias cambiantes en los n\u00fameros que reflejan cosas como nuevos bloqueos, inmunidad menguante o pol\u00edticas de enmascaramiento.<\/p>\n
Durante un horizonte de pron\u00f3stico de cuatro semanas, el modelo tuvo un promedio de 50 casos por condado m\u00e1s preciso que el pron\u00f3stico conjunto del COVID-19 Forecast Hub.<\/p>\n
\u00abEl modelo aprende de circunstancias pasadas para pronosticar el futuro y se mejora constantemente\u00bb, dijo.<\/p>\n
Thoai Ngo, vicepresidente de investigaci\u00f3n de ciencias sociales y del comportamiento para el Consejo de Poblaci\u00f3n sin fines de lucro, que ayud\u00f3 a financiar la investigaci\u00f3n, dijo que el pron\u00f3stico preciso i Es fundamental generar confianza p\u00fablica, asegurar que las comunidades tengan suficientes pruebas y camas de hospital para los aumentos repentinos, y permitir que los legisladores implementen cosas como mandatos de m\u00e1scara antes de que sea demasiado tarde\u00bb. El mundo ha estado tratando de ponerse al d\u00eda con COVID-19. Siempre estamos 10 pasos por detr\u00e1s\u00bb, dijo Ngo.<\/p>\n
Ngo dijo que los modelos tradicionales sin duda tienen sus puntos fuertes, pero que, en el futuro, le gustar\u00eda verlos combinados con m\u00e9todos de IA m\u00e1s nuevos para aprovechar los beneficios \u00fanicos. beneficios de ambos.<\/p>\n
\u00c9l y Karimzadeh ahora est\u00e1n aplicando sus novedosas t\u00e9cnicas de pron\u00f3stico para predecir las tasas de hospitalizaci\u00f3n, que dicen que ser\u00e1 m\u00e1s \u00fatil para observar a medida que el virus se vuelve end\u00e9mico.<\/p>\n
\u00abAI ha revolucionado todo, desde la forma en que interactuamos con nuestros tel\u00e9fonos hasta el desarrollo de veh\u00edculos aut\u00f3nomos, pero realmente no lo hemos aprovechado mucho en lo que respecta al pron\u00f3stico de enfermedades\u00bb, dijo Karimzadeh. \u00abHay mucho potencial sin explotar all\u00ed\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Uso de IA para pronosticar casos de COVID-19 m\u00e1s adelante en el futuro M\u00e1s informaci\u00f3n:<\/strong> Benjamin Lucas et al, Un enfoque de aprendizaje autom\u00e1tico espaciotemporal para pronosticar la incidencia de COVID-19 a nivel de condado en los EE. UU., International Journal of Data Science and Analytics ( 2022). DOI: 10.1007\/s41060-021-00295-9 Informaci\u00f3n de la revista:<\/strong> Nature Communications <\/p>\n Proporcionado por la Universidad de Colorado en Boulder Cita<\/strong>: C\u00f3mo la IA, los datos de las redes sociales podr\u00edan ayudar a predecir el pr\u00f3ximo aumento de COVID (2022, 22 de marzo) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-03-ai-social-media-covid-surge.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico En el verano de 2021, mientras avanzaba la tercera ola de la pandemia de COVID-19 en los Estados Unidos, los pronosticadores de enfermedades comenzaron a llamar la atenci\u00f3n sobre una tendencia inquietante. El enero anterior, cuando los modelos advirtieron que las infecciones en EE. UU. seguir\u00edan aumentando, los casos se desplomaron. … Continuar leyendo \u00abC\u00f3mo la IA y los datos de las redes sociales podr\u00edan ayudar a predecir el pr\u00f3ximo aumento de COVID\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-10030","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/10030","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=10030"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/10030\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=10030"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=10030"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=10030"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}