机器学习可以帮助减缓未来的流行病

人工智能可能是限制未来流行病中感染传播的钥匙之一。在一项新的研究中，哥德堡大学的研究人员已经调查了机器学习如何用于在流行病爆发过程中找到有效的测试方法，从而有助于更好地控制爆发。

在研究中，研究人员制定了一种改善流行病爆发和相对有限的测试策略的方法信息能够预测哪些个人提供最佳测试潜力。

“这可能是迈向社会更好地控制未来的主要疫情，减少关闭社会需要的第一步，”哥德兰堡大学物理博士生和发表研究的主要作者的博士生劳拉·纳塔利说。

仿真显示出对爆发的快速控制

机器学习是一种类型人工智能并且可以被描述为一个数学模型培训计算机以学习查看连接并使用不同的数据集解决问题。研究人员使用了机器学习在疫情爆发的模拟中，其中有关第一个确诊病例的信息用于估计其余人口的感染。使用有关受感染的个人联系人网络和其他信息的数据：他们已经与谁密切接触，在哪里以及持续多长时间。

“在研究中，当使用方法时，可以在控制中快速控制爆发，而随机测试会导致爆发的爆发的不受控制与许多受感染的个体。在现实世界的条件下，可以添加信息，例如人口统计数据，如人口统计数据，年龄和健康相关的条件，可以提高方法的效率。如果疾病后疫苗只暂时，相同的方法也可用于预防人群中的抗切肉。“

更精确的感染定位

她强调这项研究是一种模拟，需要使用真实数据进行测试来提高方法。与此同时，她认为研究是能够实施更加有针对性的举措的第一步，以减少蔓延感染，由于基于机器学习的测试策略自动适应疾病的特定特征。作为一个例子，她提到了如果应该测试特定年龄组或者有限的地理区域是风险区域，例如学校，社区或特定社区的风险区域，她提到了很容易预测。

“当一个大的时候爆发已经开始，重要的是快速有效地识别传染性人。在随机测试中，有一个重大风险无法实现这一目标，但是通过更有目标的测试策略，我们可以找到更多受感染的个体，从而获得必要的信息来减少感染的传播。我们表明机器学习可用于开发这种类型的测试策略，“她说。

更有效地利用测试资源

以前还有审查的研究机器学习可以在流行病的情况下使用，特别是在清晰的重点上，寻找最佳测试策略。

“我们表明可以使用比较简单和有限的信息让谁是最有利的预测测试。这允许更好地利用可用的测试资源。“

---

---