在抗擊新冠肺炎全球疫情的過程中，AI發(fā)揮了巨大作用。除了診斷病情，許多國家還用AI來預(yù)測疫情發(fā)展情況，做出針對性部署。
普林斯頓大學(xué)和卡耐基梅隆大學(xué)的研究人員開發(fā)了一種新的模型，這種模型將疾病可能的突變納入考量，極大改善了模型對傳染病的跟蹤能力。該研究成果以The effects of evolutionary adaptations on spreading processes in complex networks(適應(yīng)進(jìn)化對復(fù)雜網(wǎng)絡(luò)中傳播過程的影響)為題發(fā)表在了《美國國家科學(xué)院院刊》上。
當(dāng)前，多數(shù)用來追蹤流行病傳播的模型都是利用衛(wèi)生系統(tǒng)的數(shù)據(jù)來預(yù)測疾病的發(fā)展，這種模型沒有考慮到相應(yīng)疾病發(fā)生突變的可能，過于落后。一旦病毒變異，相關(guān)人員只能通過重新收集數(shù)據(jù)，修改變量來調(diào)整模型，永遠(yuǎn)跟在病毒屁股后面跑。
新研究將社區(qū)隔離、病例隔離等干預(yù)措施納入考量，將上述變量和病毒在傳播過程中的變異情況一起納入分析當(dāng)中。
這項(xiàng)研究的靈感來源于他們對社交網(wǎng)絡(luò)信息傳播的研究。社交網(wǎng)絡(luò)中的信息傳播和傳染病的病毒傳播有許多的相似之處。而在信息傳播當(dāng)中，傳播會(huì)受到信息本身微小的變化影響。
比如說，為了傳播信息，每個(gè)信息的發(fā)布者都可能對其進(jìn)行編輯修改，從而使其更具有傳播力。因此，每個(gè)得以向下一個(gè)發(fā)布者傳播的信息，都是傳播力增強(qiáng)的結(jié)果。信息經(jīng)過的節(jié)點(diǎn)越多，傳播力就越強(qiáng)。理論上說，病毒同樣具有這個(gè)特征。
新模型將這一情況納入考量，使其可以更加精確地預(yù)測疫情走勢。通過這個(gè)模型，使用者可以得到以下信息：一、病毒傳播力進(jìn)化的閾值、概率和最終流行范圍;二、了解病毒進(jìn)化的本身。
普林斯頓大學(xué)工程學(xué)院臨時(shí)院長Vincent Poor表示：“希望這個(gè)模型能給領(lǐng)導(dǎo)人提供另一個(gè)工具，讓他們更好地理解諸如“為什么COVID-19病毒傳播的速度比預(yù)測的要快得多”之類的問題，從而幫助他們更有效、更及時(shí)地部署應(yīng)對措施。”
