工研院
断链之后
 

社群媒体AI分析 协助疫情追踪

AI模型可从社群媒体讯息中找到可能的武汉肺炎病例。法新社

随著中国大陆肺炎疫情逐渐扩大,有人工智能(AI)研究人员开始利用机器学习技术,分析社群媒体及网页上的讯息,希望能藉由各种细微线索,掌握疾病扩散的情况。

根据WIRED网站报导,哈佛医学院的国际团队,正尝试利用机器学习从社群媒体贴文、新闻报导、官方公卫管道以及医生提供的信息中爬梳线索,藉此判断病毒是否已在中国以外的国家蔓延。

Brownstein团队的研究会在出现疑似病例区域的社群媒体贴文中,寻找呼吸困难、发烧等字眼,并利用自然语言处理解析文章,分辨发文者是在讨论新闻,或是抱怨自己的身体状况。

在2019年12月底时,一家名为BlueDot的公司透过类似的方法,比中国官方早一步意识到武汉肺炎疫情的严重性。

Brownstein表示将利用这个方法监控疫情在美国的发展,藉此协助相关单位分配资源、有效控制疫情。

尽管大量的社群、网页、行动资料提供了追踪的基础,但要在大量讯息中寻找疫情的征象可说是大海捞针。在训练机器学习模型时,除了需考虑到民众会使用的词汇,还需注意新型冠状肺炎与其它疾病症状的差异。

Brownstein团队的机器学习模型不仅能用来侦测新的病例,也能协助专家学习病毒的行为模式。比起官方资料,社群媒体透露的讯息或许更能有效协助判断患病风险较高的年龄层、性别与区域。

美国东北大学(Northeastern University)表示,由于武汉肺炎的特征并不明显,因此就算使用了最先进的AI工具,要从社群媒体讯息中找出新的病例仍是相当困难的工作。不过如果美国未来出现更多病例,透过这种方法进行监控也会变得较为容易。

除了社群媒体讯息外,流行病专家还可透过行动装置的ping、飞机与火车班表建立病毒传播的模型,以及可能的轨迹。

英国南安普敦大学与同事近来利用百度提供的匿名化智能型手机资料,建立了病毒如何在出现几天后,从武汉扩散的模型。

另外一个研究团队则是利用腾讯提供的资料建立传染模型。模型显示大陆在实施旅游禁令后,疫情的传播暂时出现了缓和。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 人工智能