Un nou studiu, condus de Computaţional Health Informatics Program (CHIP) de la Boston Children's Hospital, combină două noi metode de previziune cu învăţarea computerelor de a estima activitatea locală a gripei.
Gripa este foarte contagioasă şi se transmite uşor, odată ce oamenii se plimbă şi călătoresc, făcând o provocare din urmărirea şi anticiparea activităţii sale. Cu toate acestea monitorizarea continuuă a vizitelelor pacienţilor pentru afecţiunile gripale în Statele Unite nu reuşeşte să prevadă aceste date în timp real, informaţiile întârziind cu până la două săptămâni.
Când abordarea numită ARGONet a fost aplicată asupra sezoanelor de gripă dintre septembrie 2014 şi mai 2017, s-au efectuat predicţii mult mai precise decât cele ale abordării anterioare a echipei, ARGO, în cazul a mai mult de 75 de procente din statele studiate. Asta sugerează că ARGONet produce cele mai precise estimări ale activităţii gripei până în momentul de faţă, cu o săptămână înaintea raporturilor tradiţionale bazate pe sistemul de sănătate, la nivelul Statelor Unite.
”Metodologiile eficiente pentru urmărirea activităţii gripei în mai multe locaţii pot ajuta oficialii din domeniul sănătăţii publice să atenueze focarele epidemice şi să îmbunătăţească comunicarea cu publicul pentru a creşte gradul de conştientizare a riscurilor potenţiale”, spune autorul princilap al studiului Mauricio Santillana, citat de sciencedaily.com.
Abordarea ARGONet utilizează capaciatatea de învăţare a computerelor şi două modele robuste de detectare a gripei. Primul model, ARGO (AutoRegression with General Online Information), utilizează informaţii din înregistrările medicale electronice, căutările Google legate de gripă şi activitatea istorică a gripei într-o anumită locaţie. În studiu, numai ARGO a depăşit performanţa Google Flu Trends, sistemul anterior de prognoză care a funcţionat din 2008 până în 2015.
Pentru a îmbunătăţi acurateţea, ARGONet adaugă un al doilea model, care se bazează pe modele spaţial-temporale de răspândire a gripei în zonele învecinate. ”Acesta exploatează faptul că prezenţa gripei în locaţiile din apropiere poate creşte riscul de apariţie a unui focar de boală la o anumită locaţie”, mai explică Santillana.
Sistemul de învăţare a computerelor a fost ”instruit” prin alimentarea acestora cu predicţiile gripei din ambele modele, precum şi cu datele reale privind evoluţia gripei, contribuind astfel la reducerea erorilor în predicţii. Sistemul evaluează continuu puterea de predicţie a fiecărei metode şi recalibrează modul în care aceste informaţii ar trebui să fie folosite pentru a produce estimări îmbunătăţite.
