利用深度学习和非传统数据进行实时监测,预测和呼吸道病原体爆发的早期预警
Z Movahedi Nia1, L Seyyed-Kalantari2, M Goitom3
1Africa-Canada Artificial Intelligence and Data Innovation Consortium (ACADIC), Canada; Global South Artificial Intelligence for Pandemic and Epidemic Preparedness and Response Network (AI4PEP), Canada; Laboratory for Industrial and Applied Mathematics (LIAM), York University, Toronto, Canada.
Artificial intelligence in medicine
|February 6, 2025
概括
这项研究开发了用于实时呼吸系统疾病监测和预测的新框架. 该系统利用多种数据源和深度学习,为COVID-19和流感等疫情提供早期警告.
科学领域:
- 流行病学和公共卫生.
- 计算生物学和生物信息学
- 数据科学和机器学习
背景情况:
- 控制重新出现的传染病,如COVID-19,是一个重大的全球卫生挑战.
- 有效的疾病预测和实时监测对于公共卫生紧急管理至关重要.
- 这项研究的重点是开发针对呼吸道疾病爆发的积极系统.
研究的目的:
- 设计和部署一个实时监测,预测,预测和呼吸道疾病早期预警的综合框架.
- 将这一框架应用于南非国家和加拿大省份的COVID-19和流感疫情.
- 为了加强疾病监测,利用非传统的数据来源.
主要方法:
- 从各种来源收集数据,包括病例数,谷歌趋势,社交媒体 (Reddit),空气质量和天气数据.
- 实施一个深度学习模型,包括卷积神经网络 (CNN),图形神经网络 (GNN),门式循环单元 (GRU) 和线性神经网络 (NN).
- 优化超参数,以准确预测56天前的病例.
主要成果:
- 与最先进的方法相比,该模型在预测准确度方面取得了显著的改进.
- 在安大略省56天的COVID-19预测中,R2评分得到了高达55.98%的改善.
- 在加拿大和南非展示了RMSE和流感和COVID-19预测的相关系数的实质性改进.
结论:
- 为从非传统来源自动收集数据开发了一个新的框架,创建了COVID-19和流感的早期预警系统.
- 该系统为决策者和卫生官员提供了有价值的见解,帮助他们做好准备和快速反应.
- 这种方法提高了管理和减轻未来呼吸道疾病爆发的能力.
