Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Comparar Google AI e inteligencia humana para el pronóstico de COVID-19

La enfermedad COVID-19, primero encontrada en China en diciembre de 2019, sigue siendo un pandémico en curso. Desde mayo-junio de 2020, usando la inteligencia artificial (AI), Google (Alphabet Inc.) ha estado ofreciendo los pronósticos del tiempo para el brote COVID-19 en los E.E.U.U. Semejantemente, Japón ha iniciado tales servicios desde noviembre de 2020.

Junko Kurita y otros de Japón ha comparado el pronóstico de Google AI con un modelo estadístico por inteligencia humana y lo ha presentado recientemente en un papel del medRxiv* de la prueba preliminar.

Curva epidémica, número de pacientes nuevamente confirmados cada día, y pronóstico por Google AI y nuestro modelo estadístico

Curva epidémica, número de pacientes nuevamente confirmados cada día, y pronóstico por Google AI y nuestro modelo estadístico. Haber de imagen: https://www.medrxiv.org/content/10.1101/2020.12.16.20248358v1.full.pdf

Los autores regresaron el número de pacientes cuya fecha del inicio era el día t en el número de pacientes cuya fecha del inicio del pasado era 14 días anteriormente. Tenían información sobre los datos tradicionales de la vigilancia para las enfermedades infecciosas pediátricas comunes, incluyendo gripe y vigilancia de la receta siete días anteriormente. Predijeron el número de pacientes del inicio por siete días, anticipado. Finalmente, compararon el resultado con el pronóstico del tiempo AI-producido de Google.

En este estudio, utilizaron el régimen de la discrepancia para evaluar la precisión de la predicción: la suma de diferencias absolutas entre los datos y la predicción dividió por el agregado de datos.

Los autores encuentran que la predicción de Google que se correlacionará importante negativo con los datos observados reales. Sin embargo, el modelo usado en este estudio se correlaciona ligeramente con los datos observados, aunque no importante.

En términos absolutos, el índice de la discrepancia de predicción de Google era 27,7% para la primera semana, mientras que el índice de la discrepancia del modelo usado en este estudio era solamente 3,47%.

Es significativo que este resultado es provisional: la curva epidémica que mostraba nuevamente a pacientes del inicio no era fija.”

En Japón, Google ha comenzado a proporcionar servicios similares desde noviembre de 2020. Para toda la información sobre enfermedades infecciosas a excepción de COVID-19, los autores utilizaron la vigilancia oficial nacional del centinela para las enfermedades infecciosas (NOSSID), y la vigilancia de la receta (PS); para cuál esté disponible más de diez años antes del brote COVID-19 ocurrieron.

En el sistema usado por los autores en este estudio, los números de pacientes eran estimados de los números de recetas para los inhibidores de la neuraminidasa, las drogas del virus del anti-varicela-herpes-zoster (VZV), las drogas antibióticos, las analgesias anti-piréticas, y las medicaciones frías del multi-ingrediente por la prefectura cada día. Los antibióticos fueron clasificados en cinco tipos: penicilina, cephem, macrólido, nuevo quinolone, y otros.

Estas drogas fueron elegidas para determinar atados de la erupción, de la fiebre, o de los síntomas digestivos para descubrir ataques del bioterrorismo, enfermedades emergentes, y la intoxicación alimentaria de la masa. Pronto después de detectar los datos, se presenta en un Web page: http://prescription.orca.med.or.jp/syndromic/kanjyasuikei/

Evaluaron la capacidad profética de dos modelos por el coeficiente del régimen y de correlación de la discrepancia entre predicciones de los datos.

Los autores han presentado la curva epidémica observada a partir de finales de noviembre y su predicción a partir del 20 de noviembre de 2020. También mostraron el número de casos nuevamente confirmados y de la predicción de Google para ese número.

Muestran que Google tiene una correlación negativa importante, y su modelo se correlaciona positivo pero insignificante. Los resultados muestran que el modelo era superior al de la predicción de Google AI en términos de régimen de la discrepancia y régimen de la correlación, los autores escriben.

Mientras que los coeficientes de correlación son para la evaluación, son escasos para evaluar los datos y la predicción de separación del entrehierro. Indica simple si los datos son proporcionales o no. Teniendo esto presente, los autores adoptaron el régimen de la discrepancia para la evaluación de la predicción.

La predicción de Google AI depende del modelo matemático. Por lo tanto, no puede explicar probablemente varios picos del brote COVID-19. Los modelos matemáticos implican que el pico será logrado por inmunidad de la manada cuando la proporción de las personas infectadas es más alta que 1-1/R0.

En el estudio del pronóstico hecho en Japón por Google, no divulgaron a los detalles. Los picos COVID-19 retrasaban o establo durante el período y el Japón. Por lo tanto, los autores creen que cualquier modelo puede predecir probablemente resultados fácilmente. Este estudio evalúa el modelo de pronóstico de Google AI para su potencia de la predicción. Inversamente, el modelo estadístico examinado de este estudio puede explicar segundo predecir del pico hacia finales de julio - el modelo epidémico.

Los autores concluyen que el AI puede no predecir inteligencia mejor que humana, especialmente en épocas inusuales y desafiadoras, tales como el pandémico actual COVID-19. Demuestran aquí que su modelo es más apropiado que Google, como evidente en el estudio de la primero-semana.

Advertencia *Important

el medRxiv publica los partes científicos preliminares que par-no se revisan y, por lo tanto, no se deben mirar como concluyentes, conduce práctica clínica/comportamiento relativo a la salud, o tratado como información establecida.

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). Comparar Google AI e inteligencia humana para el pronóstico de COVID-19. News-Medical. Retrieved on June 15, 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. "Comparar Google AI e inteligencia humana para el pronóstico de COVID-19". News-Medical. 15 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. "Comparar Google AI e inteligencia humana para el pronóstico 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 15, 2021).

  • Harvard

    Dwivedi, Ramya. 2020. Comparar Google AI e inteligencia humana para el pronóstico de COVID-19. News-Medical, viewed 15 June 2021, https://www.news-medical.net/news/20201222/Comparing-Google-AI-and-human-intelligence-for-the-forecasting-of-COVID-19.aspx.