Comparaison de l’IA de Google et de l’intelligence humaine pour la prévision du COVID-19

La maladie COVID-19, découverte pour la première fois en Chine en décembre 2019, est toujours une pandémie en cours. Depuis mai-juin 2020, en utilisant l’intelligence artificielle (IA), Google (Alphabet Inc.) fournit des prévisions pour l’épidémie de COVID-19 aux États-Unis. De même, le Japon a lancé de tels services depuis novembre 2020.

Junko Kurita et coll. du Japon ont comparé les prévisions de Google AI avec un modèle statistique basé sur l’intelligence humaine et l’ont récemment présenté dans une pré-impression medRxiv* papier.

Courbe épidémique, nombre de patients nouvellement confirmés chaque jour et prévisions par Google AI et notre modèle statistique. Crédit d’image: https: //www.medrxiv.org/content/10.1101/2020.12.16.20248358v1.full.pdf

Les auteurs ont régressé le nombre de patients dont la date d’apparition était le jour t sur le nombre de patients dont la date d’apparition antérieure était de 14 jours avant. Ils avaient des informations sur les données de surveillance traditionnelles pour les maladies infectieuses pédiatriques courantes, y compris la grippe et la surveillance des ordonnances sept jours auparavant. Ils ont prédit le nombre de patients apparus pendant sept jours, de manière prospective. Enfin, ils ont comparé le résultat avec les prévisions produites par l’IA de Google.

Dans cette étude, ils ont utilisé le taux de divergence pour évaluer la précision de la prédiction: la somme des différences absolues entre les données et la prédiction divisée par l’agrégat de données.

Les auteurs constatent que la prédiction de Google est significativement corrélée négativement avec les données réelles observées. Cependant, le modèle utilisé dans cette étude est légèrement corrélé aux données observées, bien que non significatif.

En termes absolus, le taux de divergence des prévisions de Google était de 27,7% pour la première semaine, alors que le taux de divergence du modèle utilisé dans cette étude n’était que de 3,47%.

Il est à noter que ce résultat est provisoire: la courbe épidémique montrant les patients nouvellement apparus n’était pas figée. »

Au Japon, Google a commencé à fournir des services similaires depuis novembre 2020. Pour toutes les informations sur les maladies infectieuses à l’exception du COVID-19, les auteurs ont utilisé la surveillance sentinelle officielle nationale des maladies infectieuses (NOSSID) et la surveillance des ordonnances (PS); qui sont disponibles pendant plus de dix ans avant l’éclosion de COVID-19.

Dans le système utilisé par les auteurs de cette étude, le nombre de patients a été estimé à partir du nombre de prescriptions d’inhibiteurs de la neuraminidase, de médicaments anti-varicelle-herpès-zona (VZV), d’antibiotiques, d’analgésiques antipyrétiques et de rhume multi-ingrédients. médicaments par préfecture chaque jour. Les antibiotiques ont été classés en cinq types: pénicilline, céphème, macrolide, nouvelle quinolone et autres.

Ces médicaments ont été choisis pour identifier des groupes d’éruptions cutanées, de fièvre ou de symptômes digestifs afin de détecter les attaques de bioterrorisme, les maladies émergentes et les intoxications alimentaires de masse. Peu de temps après l’acquisition des données, elles sont présentées sur une page Web: http://prescription.orca.med.or.jp/syndromic/kanjyasuikei/

Ils ont évalué la capacité prédictive de deux modèles par le taux de divergence et le coefficient de corrélation entre les prédictions à partir des données.

Les auteurs ont présenté la courbe épidémique observée à partir de fin novembre et leur prédiction à partir du 20 novembre 2020. Ils ont également montré le nombre de cas nouvellement confirmés et la prédiction de Google pour ce nombre.

Ils montrent que Google a une corrélation négative significative et que leur modèle est positivement corrélé mais insignifiant. Les résultats montrent que le modèle était supérieur à celui de la prédiction de Google AI en termes de taux de divergence et de taux de corrélation, écrivent les auteurs.

Bien que les coefficients de corrélation soient destinés à l’évaluation, ils sont insuffisants pour évaluer l’écart séparant les données et la prédiction. Il indique simplement si les données sont proportionnelles ou non. En gardant cela à l’esprit, les auteurs ont adopté le taux de divergence pour l’évaluation de la prédiction.

La prédiction de Google AI dépend du modèle mathématique. Par conséquent, cela ne peut probablement pas expliquer plusieurs pics de l’épidémie de COVID-19. Les modèles mathématiques impliquent que le pic sera atteint par l’immunité collective lorsque la proportion de personnes infectées est supérieure à 1-1 / R0.

Sur l’étude de prévision réalisée au Japon par Google, les détails n’ont pas été divulgués. Les pics de COVID-19 ralentissaient ou se stabilisaient pendant la période et au Japon. Par conséquent, les auteurs pensent que tout modèle peut probablement prédire facilement les résultats. Cette étude évalue le modèle de prévision de Google AI pour sa puissance de prédiction. À l’inverse, le modèle statistique examiné par cette étude peut expliquer le deuxième pic vers la fin juillet – prédiction du modèle épidémique.

Les auteurs concluent que l’IA ne peut pas prédire mieux que l’intelligence humaine, en particulier dans des périodes inhabituelles et difficiles, comme la pandémie actuelle de COVID-19. Ils démontrent ici que leur modèle est plus approprié que Google, comme le montre l’étude de la première semaine.

*Avis important

medRxiv publie des rapports scientifiques préliminaires qui ne sont pas évalués par des pairs et, par conséquent, ne doivent pas être considérés comme concluants, orienter la pratique clinique / les comportements liés à la santé ou être traités comme des informations établies.