Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#Tendenze
{{{sourceTextContent.title}}}
Coronavirus: Uso dell'IA per prevedere i focolai di malattia
{{{sourceTextContent.subTitle}}}
L'epidemia di 2019-nCov-nuovo coronavirus 2019- sembra essere meno letale della sua lontana cugina SARS, ma potenzialmente più contagiosa.
{{{sourceTextContent.description}}}
È esplosa in Cina da metà dicembre e ha già causato almeno 170 morti. Secondo il ministro della Salute cinese Ma Xiaowei, è entrata in una "fase più seria e complessa" Negli ultimi anni, gli sviluppi tecnologici hanno visto i medici e le organizzazioni passare sempre più spesso da un'assistenza sanitaria reattiva a una proattiva. Mentre l'uso di modelli predittivi per mitigare l'insorgenza di malattie non è una novità, i progressi dell'intelligenza artificiale (IA) consentono ora di sviluppare questi modelli in strumenti altamente efficaci. Fondata nel 2015, l'AIME (Artificial Intelligence in Medical Epidemiology) è una start-up pionieristica con sede negli Stati Uniti che utilizza l'analisi di grandi dati e l'apprendimento automatico per prevedere in tempo reale il luogo e il momento dell'insorgenza di malattie infettive. MedicalExpo ha incontrato il Dr. Helmi Zakariah, CEO di AIME per l'Asia-Pacifico, per saperne di più sulla tecnologia e le sue applicazioni.
MedicalExpo e-magazine: Come funziona AIME? Quali sono le sue caratteristiche più innovative?
Dr. Helmi Zakariah: AIME è un sistema scalabile, in tempo reale, multipiattaforma, che coinvolge applicazioni web e applicazioni mobili, tutte connesse attraverso un database unificante. Una delle caratteristiche principali del sistema è un bot chiamato REDINT, che cerca automaticamente in più di 40 database diversi dati epidemiologici, meteorologici e geografici. L'elaborazione di questi dati mediante l'apprendimento automatico permette al sistema di prevedere e geolocalizzare i focolai di malattia.
Laddove si prevede che si verifichino più epidemie contemporaneamente, l'AIME è in grado di creare un indice di priorità in tutta la regione colpita, in modo che insetticidi, larvicidi e risorse umane possano essere impiegati nel modo più efficace. Ciò consente ai professionisti della sanità pubblica di prevenire le epidemie con il miglior corso di azione preventiva.
ME e-mag: Quanto è preciso AIME?
Dr. Helmi Zakariah: Affinché l'AIME possa essere implementato con successo, deve essere utilizzato in tutto il settore sanitario, dalle cliniche di comunità fino agli ospedali regionali. Senza un flusso continuo di nuovi dati sull'incidenza delle malattie, la piattaforma è resa inefficace.
"Durante i test della nostra piattaforma di Dengue Outbreak Prediction in Malesia e Brasile, il sistema ha previsto dove si sarebbero verificati i focolai con una precisione fino all'88%, con tre mesi di anticipo ed entro un raggio di 400 metri"
Se riceve tali dati, tuttavia, l'AIME continuerà ad imparare. La sua precisione ed efficacia d'intervento diventa quindi sempre più elevata. Durante i test della nostra piattaforma di Dengue Outbreak Prediction in Malesia e Brasile, il sistema ha previsto dove si sarebbero verificati i focolai con una precisione fino all'88%, con tre mesi di anticipo ed entro un raggio di 400 metri. Questa piattaforma è ora utilizzata in Malesia, Brasile e Filippine per aiutare gli operatori sanitari a gestire e a contenere le epidemie.
ME e-mag: Quali sono i vostri piani per AIME ora? A cosa stai lavorando?
Dr. Helmi Zakariah: Grazie a un consenso globale sulla sorveglianza delle malattie e ad iniziative come il Regolamento sanitario internazionale dell'Organizzazione Mondiale della Sanità, si stanno già generando enormi quantità di dati sulla salute e sulle malattie. Tuttavia, le competenze e la capacità di analizzare tali dati non sono così sviluppate.
L'uso dell'IA per scoprire modelli e marcatori nascosti alla vista e l'analisi statistica convenzionale ha aperto una serie di nuove ed entusiasmanti possibilità. Un esempio è un nostro nuovo progetto incentrato sulla previsione della resistenza agli antibiotici. Questo rappresenta un enorme allontanamento dall'approccio diagnostico convenzionale per combattere la resistenza antimicrobica. Scommettiamo che l'IA può diventare tanto diagnostica quanto un kit di test rapido, ma invece di usare il sangue usiamo i dati per misurare la probabilità. Vogliamo anche creare dispositivi per diagnosticare la tubercolosi e la malaria e software per diagnosticare la retinopatia diabetica.
"Scommettiamo che l'IA può diventare tanto diagnostica quanto un kit di test rapido, ma invece di usare il sangue usiamo i dati per misurare la probabilità"
ME e-mag: Verrà un giorno in cui potremo prevedere tutte le epidemie prima che si verifichino?
Dr. Helmi Zakariah: La tecnologia si sta sviluppando a un ritmo esponenziale. Poco più di dieci anni fa contrarre l'HIV era una condanna a morte - ora è più probabile che si muoia per un incidente d'auto che per l'AIDS (forse vedremo questo cambiamento statistico con l'evoluzione della guida autonoma). Se abbiamo le giuste fonti di dati, il giusto quadro normativo e il giusto approccio allo scambio di dati, non vedo perché non possiamo prevedere l'insorgenza del colera e di altre malattie nello stesso modo in cui possiamo prevedere l'insorgenza di uno tsunami.
{{medias[35761].description}}
{{medias[35762].description}}