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.

Comparando Google AI e inteligência humana para a previsão de COVID-19

A doença COVID-19, encontrada primeiramente em China em dezembro de 2019, é ainda uma pandemia em curso. Desde maio-junho de 2020, usando a inteligência artificial (AI), Google (Alfabeto Inc.) tem fornecido previsões para a manifestação COVID-19 nos EUA. Similarmente, Japão iniciou tais serviços desde novembro de 2020.

Junko Kurita e outros de Japão comparou a previsão de Google AI com um modelo estatístico pela inteligência humana e apresentou-a recentemente em um papel do medRxiv* da pré-impressão.

Curva epidémica, número de pacientes recentemente confirmados cada dia, e previsão por Google AI e nosso modelo estatístico

Curva epidémica, número de pacientes recentemente confirmados cada dia, e previsão por Google AI e nosso modelo estatístico. Crédito de imagem: https://www.medrxiv.org/content/10.1101/2020.12.16.20248358v1.full.pdf

Os autores retrocederam o número de pacientes cuja a tâmara do início era o dia t no número de pacientes cuja a tâmara do início do passado era 14 dias previamente. Tiveram a informação sobre dados tradicionais da fiscalização para doenças infecciosas pediatras comuns, incluindo a gripe e a fiscalização da prescrição sete dias previamente. Previram o número de pacientes do início por sete dias, em perspectiva. Finalmente, compararam o resultado com a previsão AI-produzida de Google.

Neste estudo, usaram a taxa da discrepância para avaliar a precisão da previsão: a soma de diferenças absolutas entre dados e previsão dividiu-se pelo agregado dos dados.

Os autores encontram que a previsão de Google a ser correlacionada significativamente negativamente com os dados observados reais. Contudo, o modelo usado neste estudo é correlacionado ligeira com os dados observados, embora nao significativo.

Em termos absolutos, a taxa da discrepância de previsão de Google era 27,7% para a primeira semana, visto que a taxa da discrepância do modelo usado neste estudo era somente 3,47%.

É notável que este resultado é provisório: a curva epidémica que mostra recentemente pacientes do início não era fixa.”

Em Japão, Google começou proporcionar serviços similares desde novembro de 2020. Para toda a informação sobre doenças infecciosas à exceção de COVID-19, os autores usaram a fiscalização oficial nacional da sentinela para as doenças infecciosas (NOSSID), e a fiscalização da prescrição (PS); qual esteja disponível para mais de dez anos antes da manifestação COVID-19 ocorreram.

No sistema usado pelos autores neste estudo, os números de pacientes foram calculados dos números de prescrições para inibidores do neuraminidase, drogas do vírus do anti-varicella-herpes-zoster (VZV), drogas antibióticas, analgésicos antipiréticos, e medicamentações frias do multi-ingrediente pela prefeitura cada dia. Os antibióticos foram classificados em cinco tipos: penicilina, cephem, macrolido, quinolone novo, e outro.

Estas drogas foram escolhidas identificar conjuntos de prurido, de febre, ou de sintomas digestivos para detectar ataques do bioterrorismo, doenças emergentes, e a intoxicação alimentar em massa. Logo após ter adquirido os dados, é apresentado em um Web page: http://prescription.orca.med.or.jp/syndromic/kanjyasuikei/

Avaliaram a capacidade com carácter de previsão de dois modelos pelo coeficiente da taxa e de correlação da discrepância entre previsões dos dados.

Os autores apresentaram a curva epidémica observada desde fim de novembro e sua previsão desde o 20 de novembro de 2020. Igualmente mostraram o número de argumentos recentemente confirmados e de previsão de Google para esse número.

Mostram que Google tem uma correlação negativa significativa, e seu modelo é correlacionado positivamente mas insignificante. Os resultados mostram que o modelo era superior àquele da previsão de Google AI em termos da taxa da discrepância e da taxa da correlação, os autores escrevem.

Quando os coeficientes de correlação forem para a avaliação, são insuficientes para avaliar os dados e a previsão de separação da diferença. Indica simplesmente se os dados são proporcionais ou não. Mantendo isto na mente, os autores adotaram a taxa da discrepância para a avaliação da previsão.

A previsão de Google AI depende do modelo matemático. Conseqüentemente, provavelmente não pode explicar diversos picos da manifestação COVID-19. Os modelos matemáticos implicam que o pico estará conseguido pela imunidade do rebanho quando a proporção das pessoas contaminadas é mais alta do que 1-1/R0.

No estudo da previsão feito em Japão por Google, os detalhes não foram divulgados. Os picos COVID-19 estavam retardando ou estábulos durante o período e o Japão. Conseqüentemente, os autores acreditam que todo o modelo pode provavelmente prever resultados facilmente. Este estudo avalia o modelo de previsão de Google AI para sua potência da previsão. Inversamente, o modelo estatístico examinado deste estudo pode explicar a segunda predição do pico por volta de fim de julho - do modelo epidémico.

Os autores concluem que o AI não pode prever a inteligência melhor do que humana, especialmente em épocas incomuns e desafiantes, tais como a pandemia COVID-19 actual. Demonstram aqui que seu modelo é mais apropriado do que Google, como evidente no estudo de primeiro-semana.

Observação *Important

o medRxiv publica os relatórios científicos preliminares que par-não são revistos e, não devem conseqüentemente ser considerados como conclusivos, guia a prática clínica/comportamento saúde-relacionado, ou tratado como a informação estabelecida.

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). Comparando Google AI e inteligência humana para a previsão de COVID-19. News-Medical. Retrieved on June 20, 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. "Comparando Google AI e inteligência humana para a previsão de COVID-19". News-Medical. 20 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. "Comparando Google AI e inteligência humana para a previsão 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 20, 2021).

  • Harvard

    Dwivedi, Ramya. 2020. Comparando Google AI e inteligência humana para a previsão de COVID-19. News-Medical, viewed 20 June 2021, https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx.