Synnex
活動+
 

控制疫情好幫手 東京大學利用AI及Google搜尋數據以預測流感規模

流感是一種由病毒造成的急性呼吸道疾病,根據美國疾病管制與預防中心研究顯示,全球每年有3,140多萬人因為流感就診,目前東京大學科學家團隊利用Google搜尋數據,建立AI系統分析流感疫情。法新社

流感是一種由病毒造成的急性呼吸道疾病,透過咳嗽、噴嚏等口沫傳染。根據美國疾病管制與預防中心(CDC)研究顯示,全球每年有3,140多萬人因為流感就診,並超過20多萬人前往醫院與急診室。2017~2018年間爆發近年來最嚴重、持久的疫情,造成約8萬人死亡,近100萬人住院治療。如何監測流感與控制疫情,為各國不斷投入研究的重點之一。

據科技網站VentureBeat報導,近日東京大學科學家團隊利用Google搜尋數據,建立人工智慧(AI)系統分析流感疫情,研究指出,該系統能在疫情爆發的前四週預測感染規模。

這篇名為《Seq2Seq方法:利用Google趨勢數據預測流感》已在Arxiv.org上發表,東京大學團隊利用序列到序列(Sequence to Sequence)的AI模型,依據內部訊號進行選擇性地輸入數據。

像大部分的機器學習系統,序列到序列模型由數學階層函數(神經元)組成,神經元將數據加總後將其傳遞給下一層的神經元。此過程中,調整神經元間的連接強度,依照輸入的數據(向量),編碼器(Encoder)會對輸入的向量進行編碼並預測下次輸出結果。

該系統除了結合Google趨勢數據,也收集美國CDC和各大醫院的數據,科學家進而估算人們在任何時間感染流感的可能。具體來說,研究員以「流感」這個詞彙作為Google搜尋頻率數據,作為AI模型的訓練,進而預測流感規模。

團隊按照氣候差異所採樣6個州的數據,分別為紐約、俄勒岡,加利福尼亞,伊利諾,德州以及喬治亞州的流感人數和未加權百分比數據,隨後將這些國家數據與2010年10月中至2018年底的Google趨勢數據互相結合試驗。其中,約有67%用於訓練AI模型,37%作為測試。

研究人員表示,當預測時間增加時,流感感染峰值顯示下降,這時預測結果是不太準確的,因為無法從學習數據中準確預測峰值時間。之後會嘗試增加領先指標(Leading Indicator),進一步提高精確度。

一位論文共同作者表示,如果能即早預測流感,就可以儘早控制疫情擴散,協助醫療人員準備足夠的疫苗和藥物來對抗流感,雖然過去有各種關於流感的預測研究,但是準確度和前瞻性都不高。


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: Google 大數據 人工智慧