AI模型說明了持續社會疏離的重要性

2022-07-18 09:43:20 編輯：聶欣豪來源：

導讀隨著世界各地大流行病的蔓延不減，被迫避難的人們有著共同的愿望，即希望看到社會距離在多大程度上減慢了疾病的傳播速度。這是可以理解...

隨著世界各地大流行病的蔓延不減，被迫避難的人們有著共同的愿望，即希望看到社會距離在多大程度上減慢了疾病的傳播速度。這是可以理解的-政府強行關閉企業造成的附帶損害有可能破壞整個行業。根據勞工統計局的數據，截至本周，已有2600萬人申請失業救濟，國際貨幣基金組織(IMF)預測，全球金融危機將與大蕭條相提并論。

幸運的是，德克薩斯大學，西南研究所和德克薩斯大學健康科學中心的研究人員發表的預印本研究強烈暗示，隔離和物理疏遠已達到預期的效果。使用名為SIRNet和幾種流行病學模型的混合AI系統，這些模型在智能手機位置數據以及人口加權密度和初創公司Safe Graph，世界衛生組織，疾病控制與預防中心以及其他地方的其他數據點上進行了訓練，合著者聲稱他們設法準確預測了各種社會疏遠政策的結果。

人們可以在德克薩斯大學建模協會發布的網站上查看其的預測。

研究人員的系統從成千上萬部智能手機中獲取的，州和級位置數據用于預測接觸率，人口密度的函數以及一個地區中人們之間的移動和互動。這是針對病例計數數據繪制的，特別是一個時間序列集，它捕獲了不同地理粒度級別的活動，恢復和致命病例的，研究人員應用了10天的滯后時間來解釋傳染與獲得陽性檢測確認之間的延遲。

研究人員報告說，基于未來三周(系統的最大值)的預計預測，僅“檢疫級流動性”的持續進行將導致低病例數。如果將限制減少約50%，該系統預計某些社區將達到穩定高峰的邊緣，死亡曲線將保持在低峰或迅速急劇上升。而且，如果有75%的人口能夠像往常一樣自由移動，那么該系統預測結果將是在100%流動時(僅在韓國除外)略微延遲的峰值，大約是最大峰值的2/3。

標簽：

免責聲明：本文由用戶上傳，如有侵權請聯系刪除！