O aprendizado de máquina pode ajudar a desacelerar futuras pandemias

O aprendizado de máquina pode ajudar a desacelerar futuras pandemias

A inteligência artificial pode ser uma das chaves para limitar a propagação da infecção em futuras pandemias. Em um novo estudo, pesquisadores da Universidade de Gotemburgo investigaram como o aprendizado de máquina pode ser usado para encontrar métodos de teste eficazes durante surtos epidêmicos, ajudando assim a controlar melhor os surtos.

No estudo, os pesquisadores desenvolveram um método para melhorar as estratégias de teste durante surtos epidêmicos e com informações relativamente limitadas ser capaz de prever quais indivíduos oferecem o melhor potencial para o teste.

"Este pode ser um primeiro passo para que a sociedade obtenha melhor controle de futuros surtos importantes e reduza a necessidade de fechar a sociedade", disse Laura Natali, estudante de doutorado em física na Universidade de Gotemburgo e principal autora do estudo publicado.

O aprendizado de máquina é um tipo de inteligência artificial e pode ser descrito como um modelo matemático em que os computadores são treinados para aprender a ver conexões e resolver problemas usando diferentes conjuntos de dados. Os pesquisadores usaram o aprendizado de máquina em uma simulação de um surto epidêmico, onde as informações sobre os primeiros casos confirmados foram usadas para estimar as infecções no restante da população. Foram usados ​​dados sobre a rede de contatos do indivíduo infectado e outras informações: com quem eles estiveram em contato próximo, onde e por quanto tempo.

"No estudo, o surto pode ser rapidamente controlado quando o método é usado, enquanto o teste aleatório leva à disseminação descontrolada do surto com muito mais indivíduos infectados. Em condições do mundo real, informações podem ser adicionadas, como dados demográficos, a idade e as condições de saúde, que podem melhorar ainda mais a eficácia do método. O mesmo método também pode ser usado para prevenir reinfecções na população se a imunidade após a doença for apenas temporária ”.

Ela enfatiza que o estudo é uma simulação e que testes com dados reais são necessários para aprimorar ainda mais o método. Portanto, é muito cedo para usá-lo na pandemia de coronavírus em curso. Ao mesmo tempo, ela vê a pesquisa como um primeiro passo para conseguir implementar iniciativas mais direcionadas para reduzir a propagação de infecções, uma vez que a estratégia de teste baseada em aprendizado de máquina se adapta automaticamente às características específicas das doenças. Como exemplo, ela menciona o potencial de prever facilmente se uma faixa etária específica deve ser testada ou se uma área geográfica limitada é uma zona de risco, como uma escola, uma comunidade ou um bairro específico.

"Quando um grande surto começa, é importante identificar de forma rápida e eficaz os indivíduos infecciosos. Em testes aleatórios, existe um risco significativo de não conseguir isso, mas com uma estratégia de teste mais orientada para o objetivo, podemos encontrar mais indivíduos infectados e, assim, também obteremos as informações necessárias para diminuir a disseminação da infecção. Mostramos que o aprendizado de máquina pode ser usado para desenvolver esse tipo de estratégia de teste ”, afirma.

Existem poucos estudos anteriores que examinaram como o aprendizado de máquina pode ser usado em casos de pandemias, especialmente com um foco claro em encontrar as melhores estratégias de teste.

"Nós mostramos que é possível usar informações relativamente simples e limitadas para fazer previsões de quem seria mais benéfico para o teste. Isso permite um melhor uso dos recursos de teste disponíveis."

Fonte da história:

Materiais fornecidos pela Universidade de Gotemburgo .