 |
| 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 .
