Selon un article paru sur le site de l'University of California - Santa Barbara, malgré les efforts déployés aux États-Unis au printemps dernier pour supprimer la propagation du nouveau coronavirus, les États du pays ont connu des pics au cours des dernières semaines. Le nombre de cas confirmés de COVID-19 dans le pays est passé à plus de 3,5 millions depuis le début de la pandémie.
Les responsables publics de nombreux États, y compris la Californie, ont maintenant commencé à annuler le processus de réouverture pour aider à freiner la propagation du virus. Finalement, les décideurs politiques des États et locaux devront décider une seconde fois quand et comment rouvrir leurs communautés. Les chercheurs ont développé un nouveau modèle de prévision, inspiré des techniques d'intelligence artificielle (IA), pour fournir des informations opportunes à un niveau plus localisé que les fonctionnaires et quiconque en le public peut utiliser dans ses processus décisionnels.
Les chercheurs ont développé un algorithme de prévision innovant basé sur un modèle d'apprentissage en profondeur appelé Transformer. Le modèle est piloté par un mécanisme d'attention qui apprend intuitivement à prévoir en étudiant quelle période à analyser et quelles données sont les plus importantes et pertinentes.
En plus des données COVID-19, l'algorithme tire également des informations du recensement américain pour prendre en compte les détails hyper-locaux lors du calibrage des prévisions pour une communauté locale.Selon les chercheurs, les données du recensement sont très informatives car elles capturent implicitement la culture, le mode de vie, la démographie et les types d'entreprises dans chaque communauté locale
Les modèles des chercheurs ont révélé que, lors du récent pic, le comté de Santa Barbara a connu une propagation similaire à celle observée dans les comtés de Mecklenburg, Wake et Durham en Caroline du Nord à la fin mars et au début avril. En utilisant ces comtés pour prévoir les cas futurs dans le comté de Santa Barbara, le modèle axé sur l'attention des chercheurs a surpassé les modèles épidémiologiques les plus couramment utilisés: le modèle SIR (susceptible, infected, recovered ou sensible, infecté, guéri), qui décrit le flux d'individus à travers trois stades mutuellement exclusifs; et le modèle autorégressif, qui fait des prédictions basées uniquement sur une série de points de données affichés au fil du temps. Le modèle basé sur l'IA avait une erreur moyenne absolue en pourcentage,(mean absolute percentage error, MAPE) de 0,030, contre 0,11 pour le modèle SIR et 0,072 avec autorégression. Le MAPE est une mesure courante de la précision des prévisions dans les statistiques.
Aucun commentaire:
Enregistrer un commentaire