Artificiell intelligens kan bidra till att bromsa framtida pandemier
Artificiell intelligens kan bli en av nycklarna för att bromsa smittspridningen under framtida pandemier.
I en ny studie har forskare vid Göteborgs universitet undersökt hur maskininlärning kan användas för att hitta de mest effektiva teststrategierna vid epidemiska utbrott, och därmed bidra till att bättre kontrollera utbrotten.
Maskininlärning är en typ av artificiell intelligens och kan beskrivas som en matematisk modell där datorer tränas att lära sig se samband med hjälp av data.
— Det här kan bli ett första steg mot att samhället ska bli bättre på att kunna kontrollera större utbrott i framtiden, och minska behovet av stora nedstängningar, säger Laura Natali, doktorand i fysik vid Göteborgs universitet och huvudförfattare till den publicerade studien.
Simulering av epidemiskt utbrott
Forskarna har tagit fram en metod för att med relativt begränsad information förutse vilka individer som det lönar sig att testa.
Forskarna har gjort en simulering av ett epidemiskt utbrott, där information om de första bekräftade fallen använts. Bland annat data om de smittades kontaktnät: vilka de har varit i nära kontakt med, var och under hur lång tid.
— I studien går det att snabbt få kontroll över utbrottet när metoden används, medan en slumpmässig testning leder till ett okontrollerat utbrott med många fler smittade, säger Natali.
Lokalisering av smitta
Natali ser forskningen som ett första steg mot att kunna göra mer specifikt riktade insatser för att minska smittspridningen. Som exempel nämner hon möjligheten att enklare förutse om en viss åldersgrupp bör testas, eller om ett begränsat geografiskt område är i riskzonen.
Kommentarer
Alla som kommenterar ÅU:s webbartiklar förväntas göra det sakligt och under sitt eget namn. Vi godkänner inga länkar till externa webbplatser i kommentarerna. Kommentarerna modereras. Fyll i både ditt för- och efternamn, tack.