AI ska bromsa framtidens pandemier
Artificiell intelligens kan bli en av nycklarna för att bromsa smittspridningen vid framtida pandemier. I en ny studie har forskare vid Göteborgs universitet undersökt hur maskininlärning kan användas för att hitta effektiva testmetoder och bidra till en bättre kontroll.
I studien Improving epidemic testing and containment strategies using machine learning, har forskare vid Göteborgs universitet tagit fram en metod för att förbättra teststrategierna vid epidemiska utbrott. Här ska man med relativt begränsad information kunna förutse vilka individer som är mest fördelaktiga att testa.
– 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.
Maskininlärning är en typ av artificiell intelligens och kan beskrivas som en matematisk modell där datorer ”tränas” att lära sig se samband och lösa uppgifter med hjälp av olika data. I studien har forskarna använt maskininlärning i en simulering av ett epidemiskt utbrott, där information om de första bekräftade fallen används för att göra beräkningar av smitta i resten av befolkningen. Bland annat används data om de smittade individernas kontaktnät.
– 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. Under verkliga förhållanden kan information läggas till, som exempelvis demografiska data, ålder och hälsomässiga förutsättningar, vilket ytterligare kan förbättra metodens effektivitet, säger Laura och tillägger:
– Dessutom kan samma metod användas för att förebygga återinfektion i befolkningen om immuniteten efter sjukdomen enbart är tillfällig.
Laura betonar att studien är en simulering och att testning med verkliga data behövs för att utveckla metoden ytterligare, vilket gör att metoden inte kan användas i verkligheten riktigt än.
– När ett större utbrott har startat är det viktigt att snabbt och effektivt hitta smittade individer. Vid slumpvis testning är risken stor att det inte sker, men med en mer målinriktad teststrategi går det att hitta fler smittade individer och därmed få den kunskap som behövs för att minska smittspridningen.
Enligt Göteborgs universitet finns det få tidigare studier som granskar hur maskininlärning kan användas vid pandemier, särskilt med en så tydlig inriktning på att hitta de bästa teststrategierna.
– Vi visar att det går att utgå från relativt enkel och begränsad information för att göra förutsägelser om vilka individer som är mest fördelaktiga att testa. Det ger möjlighet att bättre kunna använda de testresurser som finns, avslutar Laura.