中国基因网您的位置:首页 >国外研究 >

利用多个数据流和人工智能来更好地预测流感

流感具有高度传染性,随着人们的移动和旅行而易于传播,使得跟踪和预测流感活动成为一项挑战。虽然疾病预防控制中心在美国持续监测患者对流感样疾病的访问,但这些信息可能落后于实时两周。由波士顿儿童医院的计算健康信息学计划(CHIP)领导的一项新研究将两种预测方法与机器学习(人工智能)相结合,以估计当地的流感活动。结果发表在Nature Communications上。

利用多个数据流和人工智能来更好地预测流感

当这种方法(称为ARGONet)应用于2014年9月至2017年5月的流感季节时,它比团队早期的高绩效预测方法ARGO在75%以上的州中做出了更准确的预测。这表明,ARGONet可以提供迄今为止最准确的流感活动估计值,比美国各州传统的基于医疗保健的报告提前一周。

“及时可靠的方法来跟踪各地的流感活动,可以帮助公共卫生官员缓解疫情爆发,并可以改善与公众的沟通,提高对潜在风险的认识,”CHIP教员,论文“资深作者”Mauricio Santillana博士说。 。

了解局部流感模式

ARGONet方法使用机器学习和两种强大的流感检测模型。第一个模型ARGO(具有一般在线信息的AutoRegression)利用来自电子健康记录,流感相关的谷歌搜索和特定地点的历史流感活动的信息。在该研究中,仅ARGO的表现优于谷歌流感趋势,这是之前的预测系统,从2008年到2015年运行。

为了提高准确性,ARGONet增加了第二个模型,该模型利用了邻近地区流感传播的时空模式。“它利用了这样一个事实,即在附近地区出现流感可能会增加在特定地点发生疾病爆发的风险,”哈维医学院助理教授桑蒂拉纳解释道。

机器学习系统通过从两个模型中提供流感预测以及实际流感数据来“训练”,有助于减少预测中的错误。“该系统不断评估每种独立方法的预测能力,并重新校准如何使用这些信息来产生改进的流感估计,”Santillana说。

精准的公共卫生

调查人员认为,他们的方法将为传染病的“精准公共卫生”奠定基础。

“随着越来越多的在线搜索量被收集,以及越来越多的医疗保健提供商采用基于云的电子健康记录,我们认为我们的模型将随着时间的推移变得更加准确,”CHIP调查员和该论文的第一作者Fred Lu说。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。