Sztuczna inteligencja w prognozowaniu ognisk chorób zakaźnych w przestrzeniach zamkniętych

Naukowcy opracowali nowe narzędzie modelowania oparte na sztucznej inteligencji, które pozwala z dużą dokładnością przewidywać sposób rozprzestrzeniania się chorób zakaźnych w środowiskach zamkniętych oraz pomaga identyfikować skuteczniejsze strategie ich kontrolowania. Wyniki badań zostały opublikowane na łamach Proceedings of the National Academy of Sciences (PNAS).

Badanie zostało przeprowadzone przez zespół w składzie: Dmitry Korkin (profesor informatyki w Worcester Polytechnic Institute), Suhas Srinivasan (Stanford University), Jeffrey King (Earthshot Labs), Jacob Collins oraz Andres Colubri (UMass Chan Medical School). Autorzy zaprezentowali nowy model o nazwie AI-GIS Infection Dynamics (AGID).

Indywidualne podejście do dynamiki zakażeń

W przeciwieństwie do tradycyjnych modeli epidemiologicznych, które opierają się na uśrednionych danych populacyjnych, model AGID symuluje ruchy i zachowania poszczególnych osób. Uwzględnia on także szczegółowe dane biologiczne charakterystyczne dla danego patogenu, w tym mechanizmy szerzenia się zakażeń poprzez wspólne powietrze, skażone powierzchnie oraz bliski kontakt międzyludzki.

Autorzy podkreślają, że pandemia COVID-19 dobitnie unaoczniła znaczenie tych czynników ryzyka, zwłaszcza w kontekście dużych ognisk zakażeń obserwowanych na statkach wycieczkowych oraz w placówkach długoterminowej opieki.

<h3>Testowanie i optymalizacja strategii prewencji</h3>

Zastosowanie modelu AGID umożliwiło badaczom testowanie oraz proponowanie specyficznych dla danego patogenu modyfikacji działań zapobiegawczych. Obejmowały one m.in. zmiany w procedurach sprzątania i dezynfekcji, stosowanie masek ochronnych, optymalizację momentu izolacji osób zakażonych oraz wprowadzanie ograniczeń w przemieszczaniu się.

Wyniki sugerują, że precyzyjne, spersonalizowane modele oparte na sztucznej inteligencji mogą znacząco zwiększyć skuteczność kontroli zakażeń w zamkniętych środowiskach, takich jak szpitale, domy opieki, szkoły, zakłady karne czy środki transportu.

Źródło: Worcester Polytechnic Institute