Jak dane i sztuczna inteligencja pomagają w wykrywaniu i zwalczaniu epidemii Eboli
Sztuczna inteligencja i dane przyspieszają wykrywanie epidemii Eboli, redukując czas reakcji z 7 do 2 dni.
Etien Luc Koua, menedżer programu w WHO na Afrykę, wyjaśnia, jak inteligencja epidemiczna skróciła czas wykrywania epidemii z 7 dni do 2, a modele prognozowania wspierają weryfikację klastrów niewyjaśnionych zgonów i plotek o chorobach.
Jakie technologie cyfrowe są używane w odpowiedzi na epidemię Eboli w Afryce?
Narzędzia cyfrowe wspierają każdy etap reakcji. System Epidemic Intelligence from Open Sources (EIOS) skanuje wiadomości, media społecznościowe i lokalne radio w poszukiwaniu wczesnych sygnałów nietypowych zdarzeń zdrowotnych. Obecnie jest używany w 44 z 47 krajów regionu WHO w Afryce.
W przypadku trwającej epidemii w Demokratycznej Republice Konga (DRC) EIOS jest używany codziennie do wykrywania nowych sygnałów w dotkniętych i niedotkniętych prowincjach. Zbierane są również dane z rutynowej zintegrowanej nadzoru nad chorobami (IDSR) przez platformę DHIS2 oraz system wczesnego ostrzegania, alertów i reakcji (EWARS).
DRC raportuje co tydzień o chorobach priorytetowych przez zintegrowaną platformę nadzoru, używaną przez 43 kraje w regionie, a podejrzane zdarzenia są śledzone w regionalnym systemie zarządzania sygnałami i zdarzeniami. Dodatkowo, platforma zarządzania alertami gromadzi, klasyfikuje i zarządza alertami z różnych źródeł, w tym z społeczności.
Na etapie diagnozy wyniki laboratoryjne trafiają do wspólnej bazy danych przypadków, co pozwala zespołom krajowym i regionalnym zobaczyć nowe potwierdzone przypadki tego samego dnia. Rozbudowa sieci laboratoryjnej oraz nowe platformy testowe, w tym RadiOne i standardowe RT-PCR, przyspieszają wykrywanie i raportowanie przypadków.
Jak sztuczna inteligencja jest wykorzystywana?
Sztuczna inteligencja jest wykorzystywana w konkretnych, praktycznych zastosowaniach, z ciągłym przeglądem wyników przez ekspertów. Automatyzacja produkcji raportów sytuacyjnych (SITREPs) znacznie skróciła czas potrzebny na konsolidację danych, ich weryfikację i tworzenie codziennych raportów.
AI w EIOS przeszukuje setki tysięcy artykułów i oznacza te, które wskazują na rzeczywiste sygnały. Narzędzia do przekształcania mowy na tekst transkrybują lokalne radio w kilku językach, co pozwala na wychwycenie plotek i raportów o chorobach w społecznościach bez dostępu do internetu.
Zespół zintegrował sześć modeli prognozowania, które produkują cotygodniowe prognozy przypadków i zgonów, szacując, jak szybko wirus się rozprzestrzenia w każdej strefie zdrowia. Geoprzestrzenna AI łączy dane nadzoru z danymi satelitarnymi i klimatycznymi, aby mapować obszary o wyższym ryzyku. Te narzędzia wspierają decyzje, nie zastępując epidemiologów ani zespołów terenowych.
Jakie wyzwania pozostają?
Największym wyzwaniem jest dotarcie do ludzi wystarczająco wcześnie, wykrywanie przypadków i zapewnienie pacjentom opieki przed ich śmiercią w domu oraz przed zarażeniem rodzin i opiekunów. Insecurity w niektórych częściach Nord-Kivu i Ituri, nieufność społeczności oraz infekcje pracowników służby zdrowia utrudniają te działania.
Technologie, które mogłyby przynieść największą różnicę, to licencjonowana szczepionka i skuteczne leczenie wirusa Bundibugyo, walidowane szybkie testy do użycia w miejscach opieki w odległych obszarach oraz w pełni interoperacyjne systemy cyfrowe, które łączą każdy przypadek z ich kontaktami, wynikami laboratoryjnymi i rezultatami.
Źródło: https://www.icthealth.org/news/how-data-and-ai-help-detect-and-fight-ebola-outbreaks
Źródło: www.icthealth.org