Harvard: Verwenden von KI für die personalisierte prädiktive Quarantäne

In den letzten Monaten hat die Welt eine Reihe von Covid-19-Ausbrüchen erlebt, die im Allgemeinen denselben Weg eingeschlagen haben: eine Anfangsphase mit wenigen Infektionen und begrenzter Reaktion, gefolgt von einem Start der berühmten Epidemiekurve begleitet von einer landesweiten Sperrung nach die Kurve abflachen. Sobald die Kurve ihren Höhepunkt erreicht hat, müssen sich die Regierungen mit dem befassen, was Präsident Trump genannt hat. “die größte Entscheidung”Seines Lebens: wann und wie man mit Entbindung umgeht.

Während der Pandemie wurde großer Wert auf den Austausch (oder das Fehlen) kritischer Informationen zwischen den Ländern gelegt - insbesondere aus China - über die Ausbreitung der Krankheit. Im Gegensatz dazu wurde relativ wenig darüber gesagt, wie Covid-19 durch die Nutzung der fortschrittlichen Datentechnologien, die Unternehmen in den letzten 20 Jahren verändert haben, besser verwaltet werden könnte. In diesem Artikel diskutieren wir einen Weg, wie Regierungen diese Technologien bei der Bewältigung einer zukünftigen Pandemie nutzen können - und vielleicht sogar die Abschlussphasen der gegenwärtigen.

Die Kraft der personalisierten Vorhersage

Ein alternativer Ansatz für politische Entscheidungsträger, der erwägen sollte, ihren Mix für den Kampf gegen Covid-19 zu erweitern, basiert auf die Technologie der personalisierten Vorhersage, die in den letzten 20 Jahren viele Branchen verändert hat. Mithilfe von Technologie für maschinelles Lernen und künstliche Intelligenz (KI) geben datengesteuerte Unternehmen (von „Big Tech“ bis hin zu Finanzdienstleistungen, Reisen, Versicherungen, Einzelhandel und Medien) personalisierte Empfehlungen für den Kauf ab und praktizieren personalisierte Preise, Risiken und Kredite und dergleichen unter Verwendung der Daten, die sie über ihre Kunden gesammelt haben.

In einem kürzlich erschienenen HBR-ArtikelMing Zeng, ehemaliger Chief Strategy Officer von Alibaba, beschrieb beispielsweise, wie Ant Financial, der Kreditbetrieb für Kleinunternehmen seines Unternehmens, Kreditantragsteller in Echtzeit bewerten kann, indem er ihre Transaktions- und Kommunikationsdaten auf den E-Commerce-Plattformen von Alibaba analysiert. In der Zwischenzeit bewerten Unternehmen wie Netflix die Entscheidungen und Merkmale der Verbraucher in der Vergangenheit, um Vorhersagen darüber zu treffen, was sie als Nächstes sehen werden.

Der gleiche Ansatz könnte für Pandemien funktionieren - und sogar für die Zukunft von Covid-19. Unter Verwendung mehrerer Datenquellen würden maschinelle Lernmodelle trainiert, um die einer Person zu messen klinisches Risiko schwerer Folgen (bei Infektion mit Covid): Wie hoch ist die Wahrscheinlichkeit, dass sie eine Intensivpflege benötigen, für die es nur begrenzte Ressourcen gibt? Wie wahrscheinlich ist es, dass sie sterben werden? Die Daten könnten die grundlegenden Krankengeschichten von Personen umfassen (bei Covid-19 scheint die Schwere der Symptome mit dem Alter und mit dem Alter zuzunehmen Vorhandensein von Komorbiditäten sowie Diabetes or Hypertonie) sowie andere Daten wie die Haushaltszusammensetzung. Zum Beispiel könnte eine junge, gesunde Person (die andernfalls als „geringes Risiko“ eingestuft werden könnte) als „hohes Risiko“ eingestuft werden, wenn sie mit alten oder gebrechlichen Menschen zusammenlebt, die im Falle einer Infektion wahrscheinlich eine Intensivpflege benötigen würden.

Diese klinischen Risikoprognosen könnten dann verwendet werden, um die Richtlinien und die Ressourcenzuweisung auf Einzel- / Haushaltsebene anzupassen und die üblichen medizinischen Verbindlichkeiten und Risiken angemessen zu berücksichtigen. Dies könnte es uns beispielsweise ermöglichen, soziale Distanzierung und Schutz für Personen mit hohen klinischen Risikobewertungen zu erreichen, während Personen mit niedrigen Bewertungen mehr oder weniger normal leben können. Die Kriterien für die Zuordnung von Personen zu Gruppen mit hohem oder niedrigem Risiko müssten natürlich unter Berücksichtigung der verfügbaren Ressourcen, der Risiken für die medizinische Haftung und anderer Risikoabwägungen festgelegt werden. Die datenwissenschaftlichen Ansätze hierfür sind jedoch Standard und werden in zahlreichen Fällen verwendet Anwendungen.

Ein personalisierter Ansatz hat mehrere Vorteile. Es kann helfen zu bauen Herdenimmunität mit geringerer Sterblichkeit - und zwar schnell. Dies würde auch eine bessere und gerechtere Ressourcenzuweisung ermöglichen, beispielsweise für knappe medizinische Geräte (wie Testkits, Schutzmasken und Krankenhausbetten) oder andere Ressourcen.

Strategien zur Entbindung in späteren Stadien einer Pandemie - in den meisten Ländern ein nächster wichtiger Schritt für Covid-19 - können in ähnlicher Weise davon profitieren. Die Entscheidung, mit welchen Personen der Entzugsprozess beginnen soll, ist von Natur aus ein Klassifizierungsproblem, das den Klassifizierungsproblemen ähnelt, die den meisten datengesteuerten Unternehmen bekannt sind. Einige Regierungen nähern sich bereits der Entbindung, indem sie das Alter als Proxy für das Risiko verwenden, eine relativ grobe Klassifizierung, bei der möglicherweise andere Personen mit hohem Risiko fehlen (wie das obige Beispiel für gesunde junge Menschen, die mit älteren Menschen leben).

Die Durchführung einer Klassifizierung auf der Grundlage von Daten und KI-Vorhersagemodellen könnte zu Entscheidungen zur Entbindung führen, die auf Gemeindeebene sicher und für den Einzelnen und die Wirtschaft weitaus kostengünstiger sind. Wir wissen, dass ein Schlüsselmerkmal von Covid-19 darin besteht, dass es eine außergewöhnlich hohe Übertragungsrate, aber auch eine relativ niedrige Schwere oder Sterblichkeitsrate aufweist. Daten zeigen, dass möglicherweise mehr als 90% der infizierten Menschen entweder asymptomatisch sind oder bei einer Infektion leichte Symptome aufweisen.

Theoretisch könnten wir mit einer verlässlichen Vorhersage, wer diese 90% sind, all diese Individuen entgrenzen. Selbst wenn sie sich gegenseitig infizieren würden, hätten sie keine schweren Symptome und würden das medizinische System nicht überwältigen oder sterben. Diese 90% igen Personen mit geringem klinischem Risiko würden auch zum raschen Aufbau einer hohen Herdenimmunität beitragen. Zu diesem Zeitpunkt könnten auch die verbleibenden 10% eingeschränkt werden.

Lesen Sie die ganze Geschichte hier…