AI定义的Covid-19测试策略可能导致较少的感染

当新的冠状病毒大流行于全球蔓延，全球各国政府和机构面临着谁对谁进行了对病毒和何时测试的有限测试用品。

现在，A新算法宾夕法尼亚州信息科学学院的研究人员开发，技术可以帮助领导人更好地了解有什么对症和多少症状和无症状的人至测试每天进行定量测试，在什么阶段大流行病。该模型的模拟测试策略导致感染约为40％。

“我们的目标是找出您如何分发您每天的测试分配，”IST学院的PNC Technologies职业发展助理教授Amulya Yadav表示。“你如何在症状和无症状的人物中分发它们？这种分配应该如何随时间变化？”

使用称为部分观察到的马尔可夫决策过程的人工智能模型，Yadav的团队制定了一个序贯政策，用于分配人口中的测试。他们的模型称为最佳Covid-19测试Oracle或Doctor的设计，以衡量各国政府和机构使用的其他现有测试策略。这些其他许多策略是静态和不适应的，可能导致其含有Covid-19的有效性的显着缺点。

在双阶段的方法中，医生首先建议在测试症状性的人中花费更多努力，为其呈现症状的个体分配约65％的可用测试试剂盒。随着时间的推移，随着这些患者搬到检疫或医院环境的患者的症状减少，医生将注意力转移到无症状测试，逐渐增加分配给无症状个人的测试套件的数量，因为决策点进行了。

“这是一个复杂的AI计划，我们不太可能在世界各地说服各国政府和机构使用计划，并根据该计划的产出来决定您的Covid-19测试策略“Yadav说道。”但我们可以看看战略并获得洞察力，并将这些见解与这些政府和机构传递。“

在巴拿马圣地亚哥(世界上人均COVID-19感染率最高的国家)进行的模拟中，该模型的测试策略表现优于最先进的基准，减少了约40%的COVID-19感染率。亚达夫说，这说明了具有适应性策略的好处，在病毒出现新变种时更是如此。

“有可能在明年将成为我们Covid-19预防努力的一部分，”他说。“即使疫苗也在新的变体上工作，我认为发达国家和欠发达国家之间存在差异或划分，他们能够疫苗的速度如何疫苗。”

他补充道，“所以测试将更加重要。”

Yadav还强调了大流行的阶段AI驱动的Covid-19的驱动测试策略将是最有益的。他的研究表明，当大流行蔓延是中间意义时，AI的使用是最有益的 - 这不是太严重，而且它不太慢。

“如果大流行处于最严重的严重程度，那么直观地，您可以在优化缓解响应方面有很少的事情，因此，AI无法帮助，”Yadav说。“在另一边，如果大流行只是开始传播，那么直观地，你真的不需要聪明地优化缓解响应，所以关于任何战略都会好起来的。这只是大流行时在它中期阶段当AI驱动的长期Covid-19测试策略最明显时，当AI的好处是最明显的。“

由于Covid-19目前在全球许多地方处于中间阶段，因此政府和机构考虑AI驱动的测试策略是一个最佳的时期。此外，该模型可用于指导决策者在未来的大流行中。

“如果我们不要求使用这种型号，我会非常高兴，并且Covid-19在没有任何洞察力的情况下通过我们，”Yadav说。“但它可以让我们为下一个大流行做好准备，如果发生这种情况，我们将知道我们需要做些什么以及测试策略可以产生最大的影响。”

---

---