Sztuczna inteligencja do walki z pandemią COVID-19? Specjalny algorytm sprawdził się na greckiej granicy

Coraz większa mobilność ludzi staje się wyzwaniem szczególnie w takich momentach, jak pandemia COVID-19. Fot. Pixabay Jak czytamy w magazynie Nature, zespół naukowców pracujących na uczelniach w USA i w Grecji zaprojektował system, który funkcjonuje na greckiej granicy od sierpnia 2020. Algorytm, zaprogramowany do „uczenia się przez wzmocnienie (reinforcement learning)”, znacząco zwiększył efektywność testowania podróżnych pod kątem COVID-19, pozwalając Grecji na bezpieczne utrzymanie otwartych granic.

Aby dobrze zrozumieć sens działania algorytmu, wyobraźmy sobie pracownika służb granicznych na greckiej wyspie. Właśnie wylądował samolot pełen pasażerów, a zadaniem pogranicznika jest zidentyfikować i zatrzymać wszystkie osoby zakażone COVID-19. W tym celu może on zechcieć przetestować wszystkich przybyłych, ale przepustowość laboratoriów przeprowadzających testy jest przecież ograniczona. Z kolei całkowite zamknięcie granic dla gospodarki silnie zależnej od turystyki stanowi poważny problem. W tej sytuacji pracownik kontroli granicznej staje przed trudną decyzją: kogo powinien przetestować?

Wartość testu na COVID ocenia się po tym, jaki daje wynik. W rozważanym przez nas scenariuszu test dający wynik negatywny generuje wyłącznie koszty: koszt jego wykonania oraz koszt, jaki cała procedura stanowi dla testowanego pasażera, odbierając mu czas i zmieniając jego plany. Z kolei test, który dał wynik pozytywny, jest korzyścią dla pracy kontroli granicznej, bo pozwala uchronić przed zakażeniem tych wszystkich, którzy zetknęliby się z zainfekowanym podróżnym. W tej sytuacji strategia działania pogranicznika jest jasna: powinien wybrać do testowania te osoby, które dają największe prawdopodobieństwo otrzymania pozytywnego wyniku testu.

Cały problem polega jednak na prawidłowym przewidywaniu, kto jest właśnie taką osobą. Dane, jakie pogranicznik posiada o pasażerach, to kraj i region, z którego przylecieli, wiek i płeć. Wydaje się, że te dane, jak i wyniki testów pasażerów wcześniej przybyłych na lotnisko, pozwolą z dużym prawdopodobieństwem przewidzieć, kto może być zakażony, jednak badania statystyczne i informatyczne pozwalają stwierdzić, że taka strategia nie pozwala nadążyć za dynamicznie zmieniającym się obrazem pandemii. Żeby z nią zwyciężyć, algorytm musi się szybko uczyć i adaptować, tak, by zawsze być o krok przed rozwojem zdarzeń i wciąż testować właściwych pasażerów.  

Ponieważ historia pokazała, że skoro można przygotować algorytm chociażby do grania i wygrywania w grę go, to Hamsa Bastani wraz z zespołem zaprojektowała algorytm uczący się, jak wybierać do testowania odpowiednich pasażerów. Na podstawie informacji otrzymanych danego dnia algorytm dostarcza rekomendacji dla służb granicznych, sugerując listę osób do przetestowania na podstawie dostępnego budżetu i ograniczonych zasobów, w których skład wchodzą m.in. ilość personelu czy możliwość transportowania próbek biologicznych. Ograniczenia te są rzeczywiście istotne, gdyż, jak zauważają autorzy badania, w szczycie sezonu turystycznego laboratoria były w stanie zbadać jedynie 18,4 proc. podróżnych przybywających do Grecji i to pomimo zatwierdzenia zwiększających przepustowość laboratoriów testów grupowych.

Taki algorytm, poza oczywistymi zaletami, posiada także kwestie wymagające dopracowania: na przykład powinien się uczyć nie na podstawie pojedynczych wyników, ale na podstawie dużych grup zebranych wyników. Ponadto odpowiedź na sugestię algorytmu uzyskiwana jest z opóźnieniem, co zmusza system do pracy bez kompletu najnowszych informacji podczas oczekiwania na wyniki zleconych testów. To wszystko wymaga odpowiedniego przestrojenia algorytmu, gdyż tego rodzaju systemy są na ogół przystosowane do pracy przy zadaniach, do których dostarczone zostały pełniejsze zestawy danych.

Najbardziej drażliwym wyzwaniem wydają się jednak kwestie formalne i polityczne. By pozostać w zgodności z regulacjami prawnymi chroniącymi dane osobowe, autorzy badania po konsultacji z prawnikami, epidemiologami i innymi decydentami ograniczyli dane dostarczane algorytmowi, a co za tym idzie, ograniczyli także precyzję jego wskazań.  

Wyniki badania okazały się naprawdę imponujące, gdyż system podwoił skuteczność testowania, pozwalając pogranicznikom wybierać właściwych pasażerów, często bezobjawowych, dzięki czemu pozostali mogli podróżować bez przeszkód. Ponadto dzięki efektywnemu testowaniu podróżnych prezentowany w artykule algorytm był w stanie wykryć gwałtowne wzrosty wskaźników infekcji prawie 9 dni wcześniej, niż można byłoby to zrobić opierając się wyłącznie na danych epidemiologicznych dla danego kraju.

Źródło: Nature.com/Ziad Obermeyer, AD

Wpływ pandemii na nasz świat analizuje w swojej nagrodzonej FENIKSEM 2021 publikacji prof. Aleksander Nalaskowski:

Wielkie Zatrzymanie

Aleksander Nalaskowski

Najbardziej prześladowany w Polsce profesor, Aleksander Nalaskowski, ciętym piórem, z wielką erudycją i przenikliwością rysuje niepokojącą wizję świata XXI wieku. Nasz zabiegany i ogłupiały glob ziemski przestał się kręcić na kilka miesięcy – nastąpiło Wielkie Zatrzymanie, jak trafnie nazywa to Autor. Gdy opadł pierwszy kurz wzniecony pandemią i globalnym zamieszaniem, pojawił się ponoć nowy obraz świata.

Zobacz fragmenty Zamów książkę