Исследователи из Университета Джонса Хопкинса и Университета Дьюка разработали новый искусственный интеллект PandemicLLM, который значительно улучшает точность прогнозирования вспышек инфекционных заболеваний. В отличие от предыдущих моделей, он использует технологии генеративного ИИ — такие как большие языковые модели (LLM), лежащие в основе ChatGPT. Это позволяет учитывать множество факторов в режиме реального времени и предсказывать поведение эпидемий на несколько недель вперед.
Разработка была поддержана на федеральном уровне и опубликована в журнале Nature Computational Science. PandemicLLM может стать важным инструментом в арсенале здравоохранения, особенно в условиях будущих пандемий. Модель уже доказала свою эффективность в ретроспективном анализе пандемии COVID-19, показывая точные прогнозы по уровням госпитализации и распространению инфекции на уровне отдельных штатов США.
ИИ анализирует четыре ключевых типа данных:
Пространственные данные по штатам — демография, состояние здравоохранения, политические предпочтения.
Эпидемиологические данные — количество случаев, госпитализаций, уровень вакцинации.
Информация о государственных мерах — локдауны, масочный режим, ограничения.
Геномные данные — данные о вариантах вируса, их распространенности и свойствах.
Как объясняет профессор Лорен Гарднер из Университета Джонса Хопкинса, ранее используемые математические модели не справлялись с прогнозами в условиях нестабильности, особенно при появлении новых вариантов вируса. PandemicLLM впервые объединяет поведенческий, эпидемиологический и биологический контекст, чтобы «осмысливать» происходящее, а не просто рассчитывать на основе прошлого.
В тестировании PandemicLLM показал устойчивую точность в прогнозах на 1−3 недели вперед, превосходя даже лучшие модели на платформе CDC"s CovidHub. Особенно хорошо система справлялась в периоды турбулентности, когда старые модели теряли точность.
Обычно мы используем прошлое для предсказания будущего. Но это не дает модели понимания, что на самом деле происходит сейчас. LLM меняет это.
Важно, что модель универсальна и может быть адаптирована к прогнозированию распространения любых инфекций — от гриппа до оспы обезьян или птичьего гриппа. Сейчас команда исследует, как ИИ может имитировать поведение людей при принятии решений, чтобы помогать разрабатывать более точные и эффективные меры реагирования на эпидемии.
Нейросети также учатся вычислять научные фейки.