Un outil d’IA, créé par des chercheurs des universités Johns Hopkins et Duke, pourrait révolutionner la façon dont les responsables de la santé publique prédisent, suivent et gèrent les épidémies de maladies infectieuses, notamment la grippe et le Covid-19.
« Covid-19 a élucidé le défi de prédire la propagation de la maladie en raison de l’interaction de facteurs complexes qui changeaient constamment », a déclaré l’auteur Lauren Gardner de Johns Hopkins, un expert en modélisation qui a créé le tableau de bord Covid-19 qui a été invoqué par des personnes dans le monde pendant la Pandemie.
« Lorsque les conditions étaient stables, les modèles étaient bien. Cependant, lorsque de nouvelles variantes ont émergé ou que les politiques ont changé, nous étions terribles pour prédire les résultats parce que nous n’avions pas les capacités de modélisation pour inclure des types d’informations critiques. Le nouvel outil comble cette lacune. »
L’œuvre est publiée dans Science informatique de la nature.
Pendant la pandémie de coronavirus, la technologie qui sous-tend le nouvel outil n’existait pas. L’équipe utilise pour la première fois une modélisation grande langue, le type d’IA génératif utilisé le plus célèbre dans le chatgpt, pour prédire la propagation de la maladie.
Au lieu de traiter la prédiction simplement comme un problème mathématique, le modèle, qui est nommé pandémillm, raisonnes avec lui, en considérant des entrées telles que des pointes d’infection récentes, de nouvelles variantes et des mandats de masque.
L’équipe a nourri les flux d’informations modèles, y compris les données jamais utilisées auparavant dans les outils de prédiction pandémique, et a trouvé que la pandémillm pourrait prédire avec précision les modèles de maladie et les tendances de l’hospitalisation d’une à trois semaines, surpassant systématiquement d’autres méthodes, y compris les plus performantes du COVIDHUB du CDC.
« Un défi urgent dans la prédiction des maladies essaie de comprendre ce qui entraîne des surtensions dans les infections et les hospitalisations, et de construire ces nouveaux flux d’information dans la modélisation », a déclaré Gardner.
Le modèle s’appuie sur quatre types de données:
- Données spatiales au niveau de l’État, y compris les informations sur la démographie, le système de soins de santé et les affiliations politiques.
- Les données épidémiologiques des séries chronologiques telles que les cas signalés, les hospitalisations et les taux de vaccination.
- Données sur les politiques de santé publique, y compris la rigueur et les types de politiques gouvernementales.
- Données de surveillance génomique comprenant des informations sur les caractéristiques des variantes de la maladie et leur prévalence.
Après avoir consommé ces informations, le modèle peut prédire comment les différents éléments se réuniront pour affecter le comportement de la maladie.
Pour le tester, l’équipe l’a appliquée rétroactivement à la pandémie Covid-19, en perçant sur chaque État américain sur 19 mois. Par rapport à d’autres modèles, le nouvel outil a été particulièrement réussi lorsque l’épidémie était en flux.
« Traditionnellement, nous utilisons le passé pour prédire l’avenir », a déclaré l’auteur Hao « Frank » Yang, professeur adjoint de Johns Hopkins en génie civil et système spécialisé dans le développement d’une IA fiable.
« Mais cela ne donne pas au modèle des informations suffisantes pour comprendre et prédire ce qui se passe. Au lieu de cela, ce cadre utilise de nouveaux types d’informations en temps réel. »
Avec les données nécessaires, le modèle peut être adapté pour toute maladie infectieuse, y compris la grippe oiseaux, le Monkeypox et le RSV.
L’équipe explore maintenant la capacité des LLM à reproduire la façon dont les individus prennent des décisions concernant leur santé, en espérant qu’un tel modèle aiderait les officiels à concevoir des politiques plus sûres et plus efficaces.
« Nous savons par Covid-19 que nous avons besoin de meilleurs outils afin que nous puissions éclairer des politiques plus efficaces », a déclaré Gardner. « Il y aura une autre pandémie, et ces types de cadres seront cruciaux pour soutenir la réponse en santé publique. »