Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O estudo combina dois métodos de previsão com a aprendizagem de máquina calcular a actividade da gripe

A gripe é altamente contagioso e espalha facilmente como os povos se movem aproximadamente e se viajam, fazendo o seguimento e a previsão da actividade da gripe um desafio. Quando o CDC monitorar continuamente visitas pacientes para gripe-como a doença nos E.U., esta informação pode retardar-se até duas semanas atrás do tempo real. Um estudo novo, conduzido pelo programa computacional da informática da saúde (CHIP) no hospital de crianças de Boston, combina dois métodos de previsão com a aprendizagem de máquina (inteligência artificial) calcular a actividade local da gripe. Os resultados são publicados hoje em comunicações da natureza.

Quando a aproximação, chamada ARGONet, foi aplicada às estações de gripe desde setembro de 2014 até maio de 2017, fez umas previsões mais exactas do que a aproximação deexecução mais adiantada da previsão da equipe, ARGO, em mais de 75 por cento dos estados estudados. Isto sugere que ARGONet produza as avaliações as mais exactas da actividade da gripe disponíveis até agora, uma semana antes de relatórios cuidados médicos-baseados tradicionais, a nível estadual através dos E.U.

“As metodologias oportunas e seguras para a actividade de seguimento da gripe através dos lugar podem ajudar responsáveis da Saúde públicos a abrandar manifestações epidémicas e podem melhorar uma comunicação com o público para aumentar a consciência de riscos potenciais,” diz Mauricio Santillana, PhD, um membro da faculdade da MICROPLAQUETA e autor do sénior do paper.

Aprendizagem sobre testes padrões localizados da gripe

A aproximação de ARGONet usa a aprendizagem de máquina e dois modelos de detecção robustos da gripe. O primeiro modelo, ARGO (auto-regressão com informações online geral), informação das forças de alavanca dos registos de saúde eletrônicos, buscas gripe-relacionadas de Google e actividade histórica da gripe em um lugar dado. No estudo, ARGO apenas outperformed tendências da gripe de Google, o sistema precedente da previsão que se operou desde 2008 até 2015.

Para melhorar a precisão, ARGONet adiciona um segundo modelo, que desenhe nos testes padrões espacial-temporais da gripe espalhados em áreas vizinhas. “Explora o facto de que a presença de gripe em lugar próximos pode aumentar o risco de experimentar uma manifestação da doença em um lugar dado,” explica Santillana, que é igualmente um professor adjunto na Faculdade de Medicina de Harvard.

O sistema de aprendizagem da máquina “foi treinado” alimentando lhe previsões da gripe dos modelos assim como dos dados reais da gripe, ajudando a reduzir erros nas previsões. “O sistema continuamente avalia a potência com carácter de previsão de cada método independente e afere novamente como esta informação deve ser usada para produzir avaliações melhoradas da gripe,” diz Santillana.

Saúde pública da precisão

Os investigador acreditam que sua aproximação ajustará uma fundação para da “a saúde pública precisão” em doenças infecciosas.

“Nós pensamos que nossos modelos se tornarão mais exactos ao longo do tempo como uns volumes mais em linha da busca são recolhidos e enquanto mais fornecedores de serviços de saúde incorporam registos de saúde eletrônicos nuvem-baseados,” dizem Fred Lu, um investigador da MICROPLAQUETA e primeiro autor no papel.