Alors que certaines parties des États-Unis rouvrent provisoirement au milieu de la pandémie de COVID-19, la santé à long terme du pays continue de dépendre du suivi du virus et de la prévision de la prochaine flambée.
Trouver les bons modèles informatiques peut être délicat, mais deux chercheurs de l'Université de Binghamton, Université d'État de New York, croient qu'ils ont une façon innovante de résoudre ces problèmes et partagent leur travail en ligne.
À l'aide de données recueillies dans le monde entier par l'Université Johns Hopkins, Arti Ramesh et Anand Seetharam – deux professeurs adjoints au Département d'informatique – ont construit plusieurs modèles de prédiction qui tirent parti de l'intelligence artificielle. Aider à la recherche est Raushan Raj, étudiant au doctorat.
L'apprentissage automatique permet aux algorithmes d'apprendre et de s'améliorer sans être explicitement programmés. Les modèles examinent les tendances et les schémas des 50 pays où les taux d'infection à coronavirus sont les plus élevés, y compris les États-Unis, et peuvent souvent prédire dans une marge d'erreur de 10% ce qui se passera au cours des trois prochains jours en fonction des données des 14 derniers jours.
Nous pensons que les données passées codent toutes les informations nécessaires. Ces infections se sont propagées en raison de mesures qui ont été mises en œuvre ou non, et aussi parce que certaines personnes ont respecté ou non des restrictions. Différents pays à travers le monde ont différents niveaux de restrictions et de statut socio-économique. «
Anand Seetharam, professeur adjoint, Département d'informatique, Université de Binghamton
Pour leur étude initiale, Ramesh et Seetharam ont entré les nombres d'infection dans le monde jusqu'au 30 avril, ce qui leur a permis de voir comment leurs prédictions se sont déroulées jusqu'en mai.
Certaines anomalies peuvent entraîner des difficultés. Par exemple, les données de la Chine n'ont pas été incluses en raison de préoccupations concernant la transparence du gouvernement concernant COVID-19. De plus, avec des ressources de santé souvent taxées à la limite, le suivi de la propagation du virus n'était parfois pas la priorité.
« Nous avons vu dans de nombreux pays qu'ils ont compté les infections mais ne l'ont pas attribué le jour de leur identification », a déclaré Ramesh. « Ils les ajouteront tous en une journée, et soudainement, il y a un changement dans les données que notre modèle n'est pas en mesure de prédire. »
Bien que les taux d'infection diminuent dans de nombreuses régions des États-Unis, ils augmentent dans d'autres pays, et les responsables de la santé américains craignent une deuxième vague de COVID-19 lorsque les personnes fatiguées du verrouillage ne respectent pas en toute sécurité les directives telles que le port de masques faciaux.
« L'utilité principale de cette étude est de préparer les hôpitaux et les travailleurs de la santé avec un équipement approprié », a déclaré Seetharam. « S'ils savent que les trois prochains jours vont voir une montée subite et que les lits de leurs hôpitaux sont tous remplis, ils devront construire des lits temporaires et des choses comme ça. »
Alors que le coronavirus se propage dans le monde entier, Ramesh et Seetharam continuent de collecter des données afin que leurs modèles puissent devenir plus précis. D'autres chercheurs ou responsables de la santé qui souhaitent utiliser leurs modèles peuvent les trouver affichés en ligne.
« Chaque point de données est un jour, et s'il s'étend plus longtemps, il produira des modèles plus intéressants dans les données », a déclaré Ramesh. « Ensuite, nous utiliserons des modèles plus complexes, car ils ont besoin de modèles de données plus complexes. Pour l'instant, ils n'existent pas – nous utilisons donc des modèles plus simples, qui sont également plus faciles à exécuter et à comprendre. »
L'article de Ramesh et Seetharam s'intitule «Modèles de régression d'ensemble pour la prévision à court terme des cas confirmés de COVID-19».
