Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Comparer Google AI et renseignement humain pour les prévisions de COVID-19

La maladie COVID-19, d'abord trouvée en Chine en décembre 2019, est toujours une pandémie actuelle. Depuis mai juin 2020, utilisant l'artificial intelligence (AI), Google (Alphabet Inc.) avait fourni des pronostics pour la manifestation COVID-19 aux Etats-Unis. De même, le Japon a initié de tels services depuis novembre 2020.

Junko Kurita et autres du Japon ont des prévisions comparées de Google AI avec un modèle statistique par renseignement humain et récent présenté le dans un papier de medRxiv* de prétirage.

Courbure épidémique, numéro des patients neuf confirmés chaque jour, et prévisions par Google AI et notre modèle statistique

Courbure épidémique, numéro des patients neuf confirmés chaque jour, et prévisions par Google AI et notre modèle statistique. Crédit d'image : https://www.medrxiv.org/content/10.1101/2020.12.16.20248358v1.full.pdf

Les auteurs ont régressé le nombre de patients dont la date de début était le jour t sur le nombre de patients dont la date de début de passé était de 14 jours antérieurement. Ils ont eu des informations sur des caractéristiques traditionnelles de contrôle pour les maladies infectieuses pédiatriques courantes, y compris la grippe et le contrôle d'ordonnance sept jours antérieurement. Ils ont prévu le nombre de patients de début pendant sept jours, à titre estimatif. En conclusion, ils comparés le résultat avec le pronostic AI-produit de Google.

Dans cette étude, ils avaient l'habitude le régime d'irrégularité pour évaluer la précision de prévision : le montant de différences absolues entre les caractéristiques et la prévision s'est divisé par l'ensemble des caractéristiques.

Les auteurs constatent que la prévision de Google à marquer sensiblement négativement avec les caractéristiques observées réelles. Cependant, le modèle utilisé dans cette étude est légèrement marqué avec les caractéristiques observées, bien que non significatif.

En termes absolus, le régime d'irrégularité de la prévision de Google était 27,7% pour la première semaine, alors que le régime d'irrégularité du modèle utilisé dans cette étude était seulement 3,47%.

Il est remarquable que ce résultat soit expérimental : la courbure épidémique montrant neuf des patients de début n'était pas fixe. »

Au Japon, Google ont commencé à fournir les services assimilés depuis novembre 2020. Pour toutes les informations sur des maladies infectieuses excepté COVID-19, les auteurs ont employé le contrôle officiel national de sentinelle pour les maladies infectieuses (NOSSID), et le contrôle d'ordonnance (PS) ; pour ce que soyez procurable plus de dix ans avant la manifestation COVID-19 se sont produits.

Dans le système employé par les auteurs dans cette étude, les nombres de patients ont été estimés à partir des nombres d'ordonnances pour des inhibiteurs de neuraminidase, des médicaments du virus d'anti-varicelle-herpès-zoster (VZV), des médicaments antibiotiques, des analgésiques antipyrétiques, et des médicaments froids de multi-ingrédient par la préfecture chaque jour. Les antibiotiques ont été classifiés dans cinq types : pénicilline, cephem, macrolide, quinolone neuve, et d'autres.

Ces médicaments ont été choisis pour recenser des boîtiers d'éruption, de fièvre, ou de sympt40mes digestifs pour trouver des crises de bioterrorisme, des maladies apparaissantes, et l'intoxication alimentaire de masse. Peu après avoir acquis les caractéristiques, il est présenté sur une page Web : http://prescription.orca.med.or.jp/syndromic/kanjyasuikei/

Ils ont évalué la capacité prévisionnelle de deux modèles par le régime d'irrégularité et le coefficient de corrélation parmi des prévisions des caractéristiques.

Les auteurs ont présenté la courbure épidémique observée à partir de fin novembre et leur prévision depuis le 20 novembre 2020. Ils ont également montré le numéro des points de droit neuf confirmés et de la prévision de Google pour ce numéro.

Ils prouvent que Google a une corrélation négative significative, et leur modèle est franchement marqué mais non significatif. Les résultats prouvent que le modèle était supérieur à celui de la prévision de Google AI en termes de régime d'irrégularité et régime de corrélation, les auteurs écrivent.

Tandis que les coefficients de corrélation sont pour le bilan, ils sont insuffisants pour évaluer les caractéristiques et la prévision de séparation d'écartement. Il indique simplement si les caractéristiques sont proportionnelles ou pas. Maintenant ceci dans l'esprit, les auteurs ont adopté le régime d'irrégularité pour le bilan de la prévision.

La prévision de Google AI dépend du modèle mathématique. Par conséquent, elle ne peut pas expliquer probablement plusieurs crêtes de la manifestation COVID-19. Les modèles mathématiques impliquent que la crête sera réalisée par immunité de troupeau quand la proportion des personnes infectées est plus élevée que 1-1/R0.

Sur l'étude de prévisions faite au Japon par Google, les petits groupes n'ont pas été révélés. Les crêtes COVID-19 ralentissaient ou des niches pendant la période et le Japon. Par conséquent, les auteurs croient que n'importe quel modèle peut prévoir probablement des résultats facilement. Cette étude évalue le modèle de prévisions de Google AI pour son pouvoir de prévision. Réciproquement, le modèle statistique examiné de cette étude peut expliquer la deuxième prévision de crête autour de fin juillet - du modèle épidémique.

Les auteurs concluent que l'AI peut ne pas prévoir le renseignement mieux qu'humain, particulièrement en périodes exceptionnelles et provocantes, telles que la pandémie du courant COVID-19. Ils expliquent ici que leur modèle est plus approprié que Google, comme évident dans l'étude de premier-semaine.

Avis *Important

le medRxiv publie les états scientifiques préliminaires qui pair-ne sont pas observés et ne devraient pas, en conséquence, être considérés comme concluants, guident la pratique clinique/comportement relatif à la santé, ou traité en tant qu'information déterminée.

Journal reference:
  • Interim evaluation of Google AI forecasting for COVID−19 compared with statistical forecasting by human intelligence in the first week. Junko Kurita, Tamie Sugawara, Yasushi Ohkusa medRxiv 2020.12.16.20248358; https://www.medrxiv.org/content/10.1101/2020.12.16.20248358v1
Dr. Ramya Dwivedi

Written by

Dr. Ramya Dwivedi

Ramya has a Ph.D. in Biotechnology from the National Chemical Laboratories (CSIR-NCL), in Pune. Her work consisted of functionalizing nanoparticles with different molecules of biological interest, studying the reaction system and establishing useful applications.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Dwivedi, Ramya. (2020, December 22). Comparer Google AI et renseignement humain pour les prévisions de COVID-19. News-Medical. Retrieved on June 19, 2021 from https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx.

  • MLA

    Dwivedi, Ramya. "Comparer Google AI et renseignement humain pour les prévisions de COVID-19". News-Medical. 19 June 2021. <https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx>.

  • Chicago

    Dwivedi, Ramya. "Comparer Google AI et renseignement humain pour les prévisions de COVID-19". News-Medical. https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx. (accessed June 19, 2021).

  • Harvard

    Dwivedi, Ramya. 2020. Comparer Google AI et renseignement humain pour les prévisions de COVID-19. News-Medical, viewed 19 June 2021, https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx.