美国研发出人工智能预测模型，专门为当地社区预测疫情走势

尽管美国各地在今年春天都努力地抑制新型冠状病毒的传播，但在过去几周，美国各州都经历了多次疫情高峰。自疫情爆发以来，美国新冠肺炎确诊病例已经攀升至450多万例。

包括加州在内的许多州的政府官员已经开始取消重新开放，以帮助遏制病毒的传播。在未来，州和地方决策者将会再次决定何时以及如何重新开放他们的社区。一加州大学圣巴巴拉分校工程学院的两位研究人员Xifeng Yan和Yu-Xiang Wang说，他们已经开发出一种受人工智能启发的新型预测模型，这种模型能够提供及时的本地信息，官员和公众都可以使用这些信息来进行决策。

Yan是Venkatesh Narayanamurti计算机科学系主任，他说：“我们接触到许多的数据，其中大部分数据都是国家和州提供的。但家长们更感兴趣的是他们孩子的学区发生了什么，以及他们的孩子在秋季上学是否安全，然而提供这些信息的网站却很少。我们的目标是利用更有用的当地数据为当地居民和决策者提供预测和解释。”

这项预测项目名为“利用神经领域适应模型在当地社区进行干预性新冠肺炎反应预测”，获得了美国国家科学基金会(NSF)近20万美元的快速反应研究(Rapid Response Research，简称Rapid)资助。

作为计算机科学助理教授、Eugene Aas主席，Wang表示：“理解混乱的数据正是我们作为人工智能和机器学习领域的计算机科学家每天都要处理的挑战。我们有必要提供我们的专业知识来帮助社区做出明智的决定。”

Yan和Wang开发了一种创新的预测算法，该算法基于名为Transformer的深度学习模型。这个模型是由一种由注意力机制驱动的模型，这种机制通过了解过去要查看的时间段以及哪些是最重要和最相关的数据，从而直观地学习如何进行预测。

“如果我们试图预测一个特定的地区，比如圣巴巴拉县，我们的算法会比较不同地区在一段时间内的新冠肺炎病例增长曲线，以确定最相似的地区。然后对这些地区进行权衡，以预测目标地区的案例。”

除了新冠肺炎数据之外，该算法还从美国人口普查中提取信息，以便在为当地社区校准预测时考虑到本地的细节。

Wang说：“普查数据信息量很大，因为它含蓄地反映了每个社区的文化、生活方式、人口统计和商业类型。当你把这些数据与各地区现有的新冠肺炎数据结合起来时，它有助于我们将从一个地区学到的知识转移到另一个地区，这将对那些希望获得干预措施有效性数据以便做出明智决定的社区来说会很有用。”

研究人员的模型显示，在最近的高峰期，圣巴巴拉县经历了与梅克伦堡、威克和北卡罗来纳州达勒姆县在3月底和4月初经历的相似传播情况。通过利用这些县来预测圣巴巴拉县未来的病例，研究人员基于注意力的模型胜过了最常用的流行病学模型：SIR(疑似、感染、康复)模型，该模型描述了个人在三个阶段的流动情况;以及自回归模型，这个模型只根据一段时间内显示的一系列数据点做出预测。基于人工智能的模型的平均绝对百分比误差(MAPE, 统计中衡量预测精度的常用指标)为0.030，而SIR模型为0.11，自回归模型为0.072。

Yan和Wang说，他们的模型预测更准确，因为它消除了当前模型的关键弱点。普查数据提供了现有模拟模型中缺少的细节，而注意力机制还利用了现在公开获得的大量数据。

Wang说：“人类无法像计算机算法那样有效地处理海量数据，即使是训练有素的专业人员也不例外。而我们的研究提供的工具可以自动从数据中提取有用的信息，从而简化形势，不会使它变得更加复杂。”

这个项目是与圣巴巴拉Cottage医院的Richard Beswick博士和Lynn Fitzgibbons博士合作进行的，项目将在本月晚些时候的计算研究协会(CRA)虚拟会议上展示。CRA成立于1972年，是全国各地计算机科学系系主任的论坛，它的成员已经包括200多个活跃在计算机研究领域的组织。

Yan和Wang的研究工作不会就此止步。他们计划通过网站向公众提供他们的模型和预测，并收集足够的数据，为全国各地的社区进行预测。Yan说：“我们希望为全国每个社区进行预测，因为我们相信，当人们掌握了当地数据后，他们就会做出明智的决定。”

他们还希望他们的算法能够用于预测在特定时间实施特定干预措施后可能发生的情况。

Yan补充道：“因为我们的研究集中在更基本的方面，所以开发的工具可以应用于各种因素。希望下次遇到这种情况时，我们能更好地作出准备，在正确的时间做出正确的决定。”

【翻译/前瞻经济学人APP资讯组】

参考资料：https://medicalxpress.com/news/2020-07-local-covid-ai.html