Harvard: Utilisation de l'IA pour une quarantaine prédictive personnalisée

Au cours des derniers mois, le monde a connu une série d'épidémies de Covid-19 qui ont généralement suivi la même voie: une phase initiale avec peu d'infections et une réponse limitée, suivie d'un décollage du célèbre courbe épidémique accompagné d'un verrouillage à l'échelle nationale pour aplatir la courbe. Ensuite, une fois que la courbe atteint son apogée, les gouvernements doivent s'attaquer à ce que le président Trump a appelé "la plus grande décision»De sa vie: quand et comment gérer le confinement.

Tout au long de la pandémie, une grande importance a été accordée au partage (ou à son absence) d'informations essentielles entre les pays - en particulier de Chine - sur la propagation de la maladie. En revanche, on a relativement peu parlé de la façon dont Covid-19 aurait pu être mieux géré en tirant parti des technologies de données avancées qui ont transformé les entreprises au cours des 20 dernières années. Dans cet article, nous discutons d'une façon dont les gouvernements pourraient tirer parti de ces technologies pour gérer une future pandémie - et peut-être même les phases de clôture de la pandémie actuelle.

Le pouvoir de la prédiction personnalisée

Une approche alternative pour les décideurs politiques pour envisager d'ajouter leur mélange pour lutter contre Covid-19 est basée sur la technologie de prédiction personnalisée, qui a transformé de nombreuses industries au cours des 20 dernières années. À l'aide de la technologie d'apprentissage automatique et d'intelligence artificielle (IA), les entreprises axées sur les données (des «grandes technologies» aux services financiers, aux voyages, aux assurances, au commerce de détail et aux médias) font des recommandations personnalisées sur ce qu'il faut acheter et pratiquent une tarification, un risque et un crédit personnalisés. , et autres en utilisant les données qu'ils ont accumulées sur leurs clients.

Dans un récent article de HBRPar exemple, Ming Zeng, ancien directeur de la stratégie d'Alibaba, a décrit comment Ant Financial, l'opération de prêt aux petites entreprises de son entreprise, peut évaluer les demandeurs de prêt en temps réel en analysant leurs données de transaction et de communication sur les plateformes de commerce électronique d'Alibaba. Pendant ce temps, des entreprises comme Netflix évaluent les choix et caractéristiques passés des consommateurs pour faire des prédictions sur ce qu'ils vont regarder ensuite.

La même approche pourrait fonctionner pour les pandémies - et même pour l'avenir de Covid-19. En utilisant plusieurs sources de données, les modèles d'apprentissage automatique seraient formés pour mesurer risque clinique de souffrir de conséquences graves (en cas d'infection par Covid): quelle est la probabilité qu'ils aient besoin de soins intensifs pour lesquels les ressources sont limitées? Quelle est la probabilité qu'ils meurent? Les données pourraient inclure les antécédents médicaux de base des individus (pour Covid-19, la gravité des symptômes semble augmenter avec l'âge et avec la présence de comorbidités tel que diabète or hypertension) ainsi que d'autres données, telles que la composition des ménages. Par exemple, une personne jeune et en bonne santé (qui pourrait autrement être classée comme «à faible risque») pourrait être classée comme «à haut risque» si elle vit avec des personnes âgées ou infirmes qui auraient probablement besoin de soins intensifs en cas d'infection.

Ces prévisions de risques cliniques pourraient ensuite être utilisées pour personnaliser les politiques et l'allocation des ressources au niveau de l'individu / ménage, en tenant compte de manière appropriée des risques et risques médicaux standard. Cela pourrait, par exemple, nous permettre de cibler la distanciation sociale et la protection pour ceux qui ont des scores de risque clinique élevés, tout en permettant à ceux qui ont des scores bas de vivre plus ou moins normalement. Les critères d'affectation des individus à des groupes à risque élevé ou faible devraient, bien sûr, être déterminés, en tenant également compte des ressources disponibles, des risques de responsabilité médicale et d'autres compromis de risque, mais les approches de la science des données pour cela sont standard et utilisées dans de nombreux applications.

Une approche personnalisée présente de multiples avantages. Cela peut aider à construire immunité collective avec une mortalité plus faible - et rapide. Cela permettrait également une allocation des ressources meilleure et plus équitable, par exemple du matériel médical rare (comme des kits de test, des masques de protection et des lits d'hôpital) ou d'autres ressources.

Les stratégies de décrochage aux stades ultérieurs d'une pandémie - une prochaine étape clé pour Covid-19 dans la plupart des pays - peuvent bénéficier de la même manière. Décider avec quelles personnes commencer le processus de retraitement est, par nature, un problème de classification similaire aux problèmes de classification familiers à la plupart des entreprises axées sur les données. Certains gouvernements approchent déjà du décrochage en utilisant l'âge comme indicateur du risque, une classification relativement grossière qui ne tient pas compte d'autres personnes à haut risque (comme l'exemple ci-dessus de jeunes en bonne santé vivant avec des personnes âgées).

Effectuer une classification basée sur des données et des modèles de prédiction de l'IA pourrait conduire à des décisions de décloisonnement sûres au niveau communautaire et beaucoup moins coûteuses pour l'individu et l'économie. Nous savons qu'une caractéristique clé du Covid-19 est qu'il a un taux de transmission exceptionnellement élevé, mais aussi des symptômes graves ou un taux de mortalité relativement bas. Les données indiquent que peut-être plus de 90% des personnes infectées sont asymptomatiques ou présentent des symptômes bénins lorsqu'elles sont infectées.

En théorie, avec une prédiction fiable de qui sont ces 90%, nous pourrions restreindre tous ces individus. Même s'ils devaient s'infecter mutuellement, ils n'auraient pas de symptômes graves et ne submergeraient pas le système médical ou ne mourraient pas. Ces 90% de personnes confinées à faible risque clinique aideraient également à développer rapidement une immunité élevée du troupeau, auquel cas les 10% restants pourraient également être confinés.

Lire l'histoire complète ici…