情境示意圖,Photo by Army Sgt. Michael Baltz(U.S. DEPT OF DEFENSE,https://www.defense.gov/observe/photo-gallery/igphoto/2002282521/)

麻省理工學院(MIT)本周公布首個以AI模型而未使用歷史資料建立的預測模型,推估社交距離(Social distancing)措施,的確有助於減緩COVID-19病毒散布。同時AI模型也估計,美國感染人數將在4月15到20日間,來到高峰。

相較於許多學者使用SARS及MERS時代的資料,建立武漢肺炎的預測模型,MIT的研究是第一個只使用武漢肺炎感染數據,結合神經網路來預測隔離措施的效果。由MIT公民與環境工程博士候選人Raj Dandekar,及機械工程教授George Barbastathis合作的研究小組,以一般疫情散播研究所用的SEIR模型為基礎。一般SEIR模型將人群分成S(susceptible)、E(expose)、E(infected)及R(recovered),但是他們以實際COVID-19的病例資料,來訓練神經網路。

研究人員蒐集4個地區,包括美國、武漢、南韓和義大利的感染者人數各500名,並以這些資料來訓練神經網路,後者學習隔離措施下,感染者對感染速度的影響,進而發展出預測感染人數的能力。

利用這套模型,研究小組發現,隔離措施和病毒有效複製量的減緩,有直接相關性。研究人員說,這套神經網路學習到「隔離控制力道」的概念。在南韓等及早實施高強度措施的地區,有較高的「隔離控制力道」,得以減緩新增感染數,因而很快就出現高原期。

而美國或義大利則到3月中,才採行隔離措施,COVID-19病毒有效複製量較大,表示病毒成指數散布開來。

MIT的AI模型也預測出美義兩國的感染高峰期發展。根據該模型,美國會在4月第一周,感染數由指數成長減緩為直線成長,美、義兩國皆會在4月15日到20日之間開始走緩。該模型還預測美國感染人數會達到60萬人後,才會開始減速。

MIT這項預測,和美國華盛頓大學健康指標與評估研究院(Institute for Health Metrics and Evaluation)的研究結果相差不遠。

Barbastathis警告,這表示如果太早放鬆管制,將會引發災難。研究人員說,只要看新加坡,就知道太早放鬆管制的結果。早期的優等生新加坡,本周出現第二波大爆發,一天之內突增數百起感染案例。

研究小組計畫將模型,分享給其他人以協助防疫管制決策。

根據約翰霍普金斯大學的COVID-19感染地圖,美國感染速度是否能在本周減緩,值得觀察,截至今(17)日,美國確診人數已超過67萬。

熱門新聞

Advertisement