Strumento di intelligenza artificiale per prevedere il rischio di malattie infettive / AI tool for forecasting infectious disease risk

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

È stato sviluppato il primo strumento di intelligenza artificiale che sfrutta la modellazione linguistica su larga scala per prevedere il rischio di malattie infettive.

I ricercatori della Johns Hopkins University (MD, USA) e della Duke University (NC, USA) hanno sviluppato un nuovo strumento di intelligenza artificiale per prevedere il rischio di malattie infettive. Questo strumento, che supera i metodi di previsione più avanzati esistenti, potrebbe trasformare il modo in cui i funzionari della sanità pubblica prevedono, monitorano e gestiscono le epidemie di malattie infettive.

La pandemia di coronavirus ha evidenziato le difficoltà di previsione del rischio di malattie infettive, in particolare a causa della complessità dei fattori contribuenti. In questo periodo, è stato sviluppato il dashboard COVID-19 della Johns Hopkins per monitorare i dati sanitari ed è stato utilizzato in tutto il mondo. Quando le condizioni erano stabili, il modello funzionava bene; tuttavia, con l'emergere di nuove varianti, politiche ed altri fattori complessi, la diffusione della malattia è diventata più difficile da prevedere.

"Una sfida urgente nella previsione delle malattie è cercare di capire cosa determina l'aumento delle infezioni e dei ricoveri ospedalieri e di integrare questi nuovi flussi di informazioni nella modellazione", ha commentato l'autrice corrispondente Lauren Gardner (Johns Hopkins).

Ora, per la prima volta, i ricercatori stanno utilizzando la modellazione linguistica su larga scala – il tipo di intelligenza artificiale utilizzato per ChatGPT – per prevedere la diffusione di malattie infettive. Attraverso la progettazione cooperativa tra intelligenza artificiale ed umanità e l'apprendimento di rappresentazioni di serie temporali, i ricercatori hanno sviluppato PandemicLLM, un framework che codifica dati multimodali per modelli linguistici su larga scala.

Questo modello può riformulare la previsione in tempo reale della diffusione di una malattia in un problema di ragionamento basato su testo, consentendo l'integrazione di informazioni non numeriche complesse ed in tempo reale. Il modello è stato addestrato per utilizzare quattro tipi di dati: dati spaziali a livello statale, dati epidemiologici di serie temporali, dati testuali relativi alle politiche sanitarie e dati di sorveglianza genomica. Dopo aver ricevuto queste informazioni, il modello è in grado di prevedere come gli elementi si collegano e influenzano il comportamento della malattia.

"Tradizionalmente, usiamo il passato per prevedere il futuro. Ma questo non fornisce al modello informazioni sufficienti per comprendere e prevedere cosa sta accadendo. Invece, questo framework utilizza nuovi tipi di informazioni in tempo reale", ha affermato il coautore corrispondente Hao (Frank) Yang (Johns Hopkins).

Per testare il loro modello, i ricercatori lo hanno applicato retroattivamente alla pandemia di COVID-19. Il modello è stato alimentato con i quattro tipi di dati e testato in tutti gli stati degli Stati Uniti per 19 mesi, rivelando vantaggi in termini di prestazioni per PandemicLLM rispetto ai modelli esistenti. PandemicLLM può anche essere adattato per prevedere altre malattie infettive, come l'influenza aviaria, il virus respiratorio sinciziale (RSV) e il vaiolo delle scimmie.

I ricercatori stanno ora studiando la capacità dei grandi modelli linguistici di riprodurre il modo in cui gli individui prendono decisioni in materia di salute, nella speranza di aiutare i funzionari della sanità pubblica a progettare politiche più sicure ed efficaci.

"Sappiamo dal COVID-19 che abbiamo bisogno di strumenti migliori per poter formulare politiche più efficaci. Ci sarà un'altra pandemia e questi tipi di quadri saranno cruciali per supportare la risposta di sanità pubblica", ha concluso Gardner.

ENGLISH

The first AI tool to use large language modeling to predict infectious disease risk has been developed.

Researchers at Johns Hopkins University (MD, USA) and Duke University (NC, USA) have developed a novel AI tool for predicting infectious disease risk. This tool, which outperforms existing state-of-the-art forecasting methods, could transform how public health officials predict, track and manage infectious disease outbreaks.

The coronavirus pandemic highlighted the challenges of predicting infectious disease risk, particularly due to the complexity of contributing factors. During this time, the Johns Hopkins COVID-19 dashboard was developed to track healthcare data and was relied upon worldwide. When conditions were stable, the model worked well; however, when new variants, policies and other complex factors emerged, disease spread became harder to predict.

“A pressing challenge in disease prediction is trying to figure out what drives surges in infections and hospitalizations, and to build these new information streams into the modeling,” commented co-corresponding author Lauren Gardner (Johns Hopkins).

Now, for the first time, researchers are using large language modeling – the type of AI used for ChatGPT – to predict the spread of infectious diseases. Through artificial–human cooperative design and time-series representation learning, the researchers developed PandemicLLM, a framework that encodes multi-modal data for large language models.

This model can reframe real-time prediction of disease spread into a text-based reasoning problem, enabling the integration of real-time, complex non-numerical information. This model has been trained to utilize four types of data: state-level spatial data, epidemiological time-series data, textual health policies and genomic surveillance data. After being fed this information, the model can predict how the elements connect and affect disease behavior.

“Traditionally, we use the past to predict the future. But that doesn’t give the model sufficient information to understand and predict what’s happening. Instead, this framework uses new types of real-time information,” said co-corresponding author Hao (Frank) Yang (Johns Hopkins).

To test their model, the researchers retroactively applied it to the COVID-19 pandemic. The model was fed the four types of data and tested across all states in the USA for 19 months, revealing performance benefits for PandemicLLM over existing models. PandemicLLM can also be adapted to forecast other infectious diseases, such as bird flu, respiratory syncytial virus (RSV) and monkeypox.

The researchers are now investigating the ability of large language models to replicate how individuals make decisions about health, with the hope of helping public health officials design safer and more effective policies.

“We know from COVID-19 that we need better tools so that we can inform more effective policies. There will be another pandemic, and these types of frameworks will be crucial for supporting public health response,” concluded Gardner.

Da:

https://www.biotechniques.com/computational-biology/ai-tool-for-forecasting-infectious-disease-risk/?utm_campaign=BioTechniques%20-%20Daily%20NL&utm_medium=email&_hsenc=p2ANqtz-9W47UYQU59ODQnhG2Vu4FTaRgraD66qByvK7B0TzqLY8yMO9w3U49fokmAAHXR0i5AhRDC1CmKBg2WwLZPLESIbzFyTnikj7HqX1YQwE-TOKCOod8&_hsmi=367606250&utm_content=367572290&utm_source=hs_email