Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
A pesar de los esfuerzos realizados en los Estados Unidos la primavera pasada para suprimir la propagaci\u00f3n del nuevo coronavirus, los estados de todo el pa\u00eds han experimentado picos en las \u00faltimas semanas. El n\u00famero de casos confirmados de COVID-19 en el pa\u00eds ha aumentado a m\u00e1s de 3,5 millones desde el comienzo de la pandemia. <\/p>\n
Los funcionarios p\u00fablicos en muchos estados, incluido California, ahora han comenzado a revertir el proceso de reapertura para ayudar a frenar la propagaci\u00f3n del virus. Eventualmente, los legisladores estatales y locales se enfrentar\u00e1n a decidir por segunda vez cu\u00e1ndo y c\u00f3mo reabrir sus comunidades. Un par de investigadores de la Facultad de Ingenier\u00eda de UC Santa Barbara, Xifeng Yan y Yu-Xiang Wang, han desarrollado un modelo de pron\u00f3stico novedoso, inspirado en t\u00e9cnicas de inteligencia artificial (IA), para proporcionar informaci\u00f3n oportuna a un nivel m\u00e1s localizado que los funcionarios y cualquier persona en el p\u00fablico puede usar en sus procesos de toma de decisiones.<\/p>\n
\u00abTodos estamos abrumados por los datos, la mayor\u00eda de los cuales se proporcionan a nivel nacional y estatal\u00bb, dijo Yan, profesor asociado que tiene el Venkatesh Narayanamurti C\u00e1tedra de Ciencias de la Computaci\u00f3n. \u00abLos padres est\u00e1n m\u00e1s interesados en lo que sucede en su distrito escolar y si es seguro que sus hijos vayan a la escuela en el oto\u00f1o. Sin embargo, hay muy pocos sitios web que brinden esa informaci\u00f3n. Nuestro objetivo es brindar pron\u00f3sticos y explicaciones a nivel localizado. con datos que son m\u00e1s \u00fatiles para los residentes y los tomadores de decisiones\u00bb.<\/p>\n
El proyecto de pron\u00f3stico, \u00abPron\u00f3stico de respuesta intervencionista de COVID-19 en comunidades locales usando modelos de adaptaci\u00f3n de dominio neuronal\u00bb, recibi\u00f3 una subvenci\u00f3n de investigaci\u00f3n de respuesta r\u00e1pida (RAPID) por casi $ 200,000 de la Fundaci\u00f3n Nacional de Ciencias (NSF).<\/p>\n
\u00abLos desaf\u00edos de dar sentido a los datos desordenados son precisamente el tipo de problemas que enfrentamos todos los d\u00edas como cient\u00edficos inform\u00e1ticos que trabajan en IA y aprendizaje autom\u00e1tico, \u00ab, dijo Wang, profesor asistente de inform\u00e1tica y titular de la c\u00e1tedra Eugene Aas. \u00abNos vemos obligados a brindar nuestra experiencia para ayudar a las comunidades a tomar decisiones informadas\u00bb.<\/p>\n
Yan y Wang desarrollaron un innovador algoritmo de pron\u00f3stico basado en un modelo de aprendizaje profundo llamado Transformer. El modelo est\u00e1 impulsado por un mecanismo de atenci\u00f3n que intuitivamente aprende c\u00f3mo pronosticar aprendiendo qu\u00e9 per\u00edodo de tiempo en el pasado mirar y qu\u00e9 datos son los m\u00e1s importantes y relevantes.<\/p>\n
\u00abSi estamos tratando de pronosticar para una regi\u00f3n espec\u00edfica, como el condado de Santa B\u00e1rbara, nuestro algoritmo compara las curvas de crecimiento de los casos de COVID-19 en diferentes regiones durante un per\u00edodo de tiempo para determinar las regiones m\u00e1s similares. Luego pondera estas regiones para pronosticar casos en la regi\u00f3n objetivo\u00bb. explic\u00f3 Yan.<\/p>\n
Adem\u00e1s de los datos de COVID-19, el algoritmo tambi\u00e9n extrae informaci\u00f3n del censo de EE. UU. para tener en cuenta los detalles hiperlocales al calibrar el pron\u00f3stico para una comunidad local.<\/p>\n
\u00abLos datos del censo son muy informativos porque capturan impl\u00edcitamente la cultura, el estilo de vida, la demograf\u00eda y los tipos de negocios en cada comunidad local\u00bb, dijo Wang. \u00abCuando combina eso con los datos de COVID-19 disponibles por regi\u00f3n, nos ayuda a transferir el conocimiento aprendido de una regi\u00f3n a otra, lo que ser\u00e1 \u00fatil para las comunidades que desean datos sobre la efectividad de las intervenciones para tomar decisiones informadas\u00bb.<\/p>\n
Los modelos de los investigadores mostraron que, durante el pico reciente, el condado de Santa B\u00e1rbara experiment\u00f3 una propagaci\u00f3n 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 B\u00e1rbara, el modelo basado en la atenci\u00f3n de los investigadores super\u00f3 los modelos epidemiol\u00f3gicos m\u00e1s utilizados: el modelo SIR (susceptible, infectado, recuperado), que describe el flujo de individuos a trav\u00e9s de tres etapas mutuamente excluyentes; y el modelo autorregresivo, que hace predicciones basadas \u00fanicamente 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 comparaci\u00f3n con 0,11 para el modelo SIR y 0,072 con autorregresi\u00f3n. El MAPE es una medida com\u00fan de precisi\u00f3n de predicci\u00f3n en las estad\u00edsticas.<\/p>\n
Yan y Wang dicen que su modelo pronostica con mayor precisi\u00f3n porque elimina las debilidades clave asociadas con los modelos actuales. Los datos del censo brindan detalles detallados que faltan en los modelos de simulaci\u00f3n existentes, mientras que el mecanismo de atenci\u00f3n aprovecha las cantidades sustanciales de datos ahora disponibles p\u00fablicamente.<\/p>\n
\u00abLos humanos, incluso los profesionales capacitados, no pueden procesar los datos masivos como efectivamente como algoritmos inform\u00e1ticos\u00bb, dijo Wang. \u00abNuestra investigaci\u00f3n proporciona herramientas para extraer autom\u00e1ticamente informaci\u00f3n \u00fatil de los datos para simplificar la imagen, en lugar de complicarla\u00bb.<\/p>\n
El proyecto, realizado en colaboraci\u00f3n con el Dr. Richard Beswick y la Dra. Lynn Fitzgibbons de Cottage Hospital en Santa B\u00e1rbara, se presentar\u00e1 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 inform\u00e1tica de todo el pa\u00eds, la membres\u00eda de la CRA ha crecido hasta incluir m\u00e1s de 200 organizaciones activas en la investigaci\u00f3n inform\u00e1tica.<\/p>\n
Los esfuerzos de investigaci\u00f3n de Yan y Wang no se detendr\u00e1n ah\u00ed. Planean poner su modelo y pron\u00f3sticos a disposici\u00f3n del p\u00fablico a trav\u00e9s de un sitio web y recopilar suficientes datos para hacer pron\u00f3sticos para las comunidades de todo el pa\u00eds. \u00abEsperamos pronosticar para cada comunidad del pa\u00eds porque creemos que cuando las personas est\u00e1n bien informadas con datos locales, tomar\u00e1n decisiones bien informadas\u00bb, dijo Yan.<\/p>\n
Tambi\u00e9n esperan que su algoritmo pueda ser se utiliza para pronosticar lo que podr\u00eda suceder si se implementa una intervenci\u00f3n en particular en un momento espec\u00edfico.<\/p>\n
\u00abDebido a que nuestra investigaci\u00f3n se enfoca en aspectos m\u00e1s fundamentales, las herramientas desarrolladas se pueden aplicar a una variedad de factores\u00bb, agreg\u00f3 Yan. \u00abCon suerte, la pr\u00f3xima vez que nos encontremos en una situaci\u00f3n as\u00ed, estaremos mejor equipados para tomar las decisiones correctas en el momento adecuado\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Los matem\u00e1ticos ayudan a desarrollar una base de datos de seguimiento de COVID Proporcionado por la Universidad de California – Santa B\u00e1rbara Cita<\/strong>: Pron\u00f3sticos 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 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 A pesar de los esfuerzos realizados en los Estados Unidos la primavera pasada para suprimir la propagaci\u00f3n del nuevo coronavirus, los estados de todo el pa\u00eds han experimentado picos en las \u00faltimas semanas. El n\u00famero de casos confirmados de COVID-19 en el pa\u00eds ha aumentado a m\u00e1s de 3,5 millones desde … Continuar leyendo \u00abPron\u00f3sticos locales de COVID-19 por AI\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-30976","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/30976","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=30976"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/30976\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=30976"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=30976"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=30976"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}