登上Nature,它是最成功的AI新冠应用?

2021
11/22

+
分享
评论
学术头条
A-
A+

“非必要不出游”,这个句子随着疫情的持续已深入人心。 但对于以旅游业为支柱的国家来说,这句话是一个必须驱赶掉的噩梦。 比如希腊。旅游业是希腊重要经济支柱,占国内生产总值 20% 以上。

“非必要不出游”,这个句子随着疫情的持续已深入人心。 但对于以旅游业为支柱的国家来说,这句话是一个必须驱赶掉的噩梦。 比如希腊。旅游业是希腊重要经济支柱,占国内生产总值 20% 以上。希腊有大约 1100 万人口,近年来每年接待超过 3300 万游客,旅游业占该国就业人数的近 20%。

疫情的爆发对这个国家的经济带来了破坏性影响,以致于疫情爆发不久,当一位数据科学家给希腊总理发送邮件、询问他们是否需要任何额外的建议时,他在数小时内就收到了 Kyriakos Mitsotakis 总理的答复。 这位数据科学家名叫 Kimon Drakopoulos,在洛杉矶的南加州大学从事数据科学工作,来自希腊。 彼时,欧盟要求成员国从 2020 年 7 月起允许“非必要旅行”,其中许多成员国在3月实施了广泛的封锁。希腊政府在决定何时以及如何重新开放边境方面需要帮助。 与许多其他国家一样,希腊缺乏对所有旅客进行检测的能力,尤其是那些没有出现症状的旅客。 2020 年 8 月至 11 月期间,根据 Drakopoulos 及其同事的意见,当局启动了一个由多国科学家小组开发的系统,该系统使用机器学习算法来确定哪些入境旅客应接受 COVID-19 检测。 结果发现,机器学习在识别无症状人员方面比随机测试或基于旅行者原籍国的测试更有效。根据研究人员的分析,在旅游旺季,该系统检测到的受感染旅客是随机检测的两到四倍。 这个系统称为 Eva。由南加州大学马歇尔商学院的 Kimon Drakopoulos 和 Vishal Gupta,宾夕法尼亚大学沃顿商学院的 Hamsa Bastani,AgentRisk 的创始人 Jon Vlachogiannis,以及希腊政府官员合作开发。 70961636801317417

详细介绍 Eva 的论文发布于近日的《自然》杂志。论文标题为 Efficient and targeted COVID-19 border testing via reinforcement learning。 在人类利用 AI 对抗新冠疫情的诸多尝试中,Eva 可谓是实践中最为成功的案例之一。 Eva 的成功之处


简单来说,Eva 可使用实时数据识别高风险访客进行测试。

27101636801317633

图丨Eva工作流程示意图

在整个 COVID-19 大流行期间,不少国家依靠各种临时边境控制协议,在保障公共卫生的同时允许必要的旅行:从隔离所有旅行者,到根据病例、死亡或阳性检测率等全民流行病学指标限制特定国家人员入境。 许多国家/地区会随机或根据风险类别选择旅客进行 COVID-19测试。例如,来自高感染率地区的人可能比来自低感染率地区的人优先接受检测。 但 Eva 有所不同,Eva 将实时检测数据与访客在抵达前 24 小时填写的简单表格中的信息相结合,为每位访客建立风险状况评估,建议哪些游客在抵达时应接受 COVID-19 检测,哪些游客可以不经检测就安全入境。 最关键的是,与全国范围的方案不同,部署于希腊边境的 Eva,不仅收集了旅行历史信息,还从进入希腊所需的乘客信息表中收集了年龄和性别等人口统计数据,然后将这些特征与之前接受过测试的乘客的数据进行匹配,并利用该结果来估计个人的感染风险,进而分配希腊有限的检测资源。 借助 Eva,希腊每天对抵达或途经该国的估计 41,830 户家庭中的约 17% 进行检测。通过将 Eva 的性能与模拟情景进行比较,研究发现,Eva 发现的感染的旅行者比原先严格按照其国籍检测的方式(即只利用流行病学指标的检测政策)多 1.25-1.45 倍。与随机检测相比,Eva 在旅游旺季(8 月和 9 月)发现感染的旅行者是前者的 4 倍,非旅游旺季的结果是随机检测的 1.85 倍。

66101636801317926

图丨Eva 与随机监测试验的比较

也就是说,Eva 证明了强化学习算法和实时数据在保障公共卫生方面的潜力。 Eva 的基础算法,强调从实时数据中学习,而且团队还为算法搭建了一个数据“通道”,使其可以以近乎实时的方式无缝、安全地访问来自不同希腊政府数据库匿名数据。这也得益于开发团队与希腊公共卫生和政策领导人的顺流接洽,他们可以持续根据希腊的特殊情况调整 Eva。 Eva 的风险评估、测试分配和其他数据分析相组合,就像一个实时仪表盘,直观地向希腊政府展示最新信息,以供决策参考。 “希腊模式”,未来可期?


毫无疑问,Eva 的成功给了整个团队莫大的鼓舞。 “我们与 Eva 的合作证明,仔细整合实时数据、人工智能和精益运营比传统的、广泛使用的流行病管理方法具有巨大的优势。 Eva 最令人兴奋的元素之一是其学习、改进和发展的能力。在这场大流行中,实时适应是至关重要的,那里的局势可能在一两天内发生巨大变化。新的测试结果不断地被纳入动态学习算法中,这使得 Eva 比静态 COVID-19 筛选策略具有明显的优势。这是循证决策的令人兴奋的一步。”团队成员、南加州大学马歇尔大学数据科学副教授 Gupta 说。 “对我来说,这不仅是要把我在数据科学方面的工作应用于帮助希腊人民,而且也要帮助那些热爱旅行并担心旅行安全的世界人民。”,从一封邮件开始促成 Eva 的 Drakopoulos 说道。 “Bastani、Drakopoulos、Gupta 和 Vlachogiannis 开发的人工智能系统不仅为国家向世界各地的游客开放做了准备,也为我们的 COVID-19 战略决策提供了灵活性,”Nikos 希腊公民保护部和危机管理部副部长,负责该国 COVID-19 应急工作组的 Hardais 说。 Eva 诞生的根本原因在于,由于供应链问题,希腊本国的 COVID 检测用品供应有限,在资源有限的情况下,他们必须确定通过其边境 40 个不同入口中的任何一个入境的可能受感染旅行者。希腊所面临的这种挑战,也是很多国家都在面对的。这也意味着,Eva 或许也能帮助其他这些国家。 但这又涉及到另一个问题,那就是数据共享。 其实,在流行病爆发期间,关于如何部署大数据和人工智能来改善公共健康或评估大流行的经济影响,一直不乏想法。

 

然而,这些想法很少付诸实践,这在一定程度上是因为持有相关数据(如移动电话记录或金融交易细节)的公司和政府,在与研究人员共享数据之前,需要建立数据交换系统。目前还不清楚如何获得使用此类个人数据的许可,以及如何确保这些数据被安全、安全地存储。 而 Eva 是在咨询律师后开发的,律师确保该项目遵守欧盟通用数据保护条例(GDPR)提供的隐私保护。根据 GDPR,航空公司等收集个人数据的组织需要遵循安全标准,并获得存储和使用数据的许可,并与公共机构共享这些数据。收集的信息往往仅限于所述目的所需的最低数量。 现在已有多种收集数据的方法,但许多政策制定者在流行病爆发期间仍无法访问和利用数据。各国政府渴望在突发卫生事件中部署大数据应对措施,但这也需要建立在法律、道德的基础之上。如果要复制 Eva 的成功,研究人员和资助者应提前制定数据共享协议和隐私保护协议。 无论如何,Eva 展示了这种可能性。如团队成员 Vlachogiannis 所言:“对那些热爱旅行、渴望走出大流行的人来说,这是充满希望的时刻。此外,这也是由数据科学、机器学习和算法支持政府管理的具有重要性的时刻。” 

Reference:https://www.nature.com/articles/s41586-021-04014-z

本文由“健康号”用户上传、授权发布,以上内容(含文字、图片、视频)不代表健康界立场。“健康号”系信息发布平台,仅提供信息存储服务,如有转载、侵权等任何问题,请联系健康界(jkh@hmkx.cn)处理。
关键词:
学习,测试,数据,希腊,国家

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


社群

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!