AWS釋出的工具集,讓使用者可以以各種區域粒度層級,模擬武漢肺炎(COVID-19)的疫情發展,透過給定一定程度的干預政策,模型會輸出目標國家在特定時間內,已確診病例總數預測。現在AWS將該工具開源給研究人員使用。

不少研究人員正在致力於預測武漢肺炎疫情發展,以預測暴露、康復和具有免疫力人口的百分比,除了現在可以從各組織與機構拿到的武漢肺炎資料之外,研究人員也利用流感、SARS和MERS等類似疾病的歷史資料,建構流行病學模型和模擬器。

但AWS提到,要模擬真實世界所有的複雜性,是一件非常困難的事,在建立武漢肺炎預測模型的過程,會遭遇到幾項困難,包括必須要考慮影響病毒在國家和人群間傳播的參數,也要納入不同干預政策所帶來的影響,像是停課或是禁止外出命令等,再透過其他類似武漢肺炎的疾病,模擬出武漢肺炎的預測模型,畢竟對人類來說,武漢肺炎還是相對未知的疾病,沒有其他歷史資料可作參考。

現在AWS對研究人員和資料科學家,開源了建模工具集,讓使用者能夠更方便地建立模型,並且了解武漢肺炎在特定社群的發展,該工具集是由疾病發展模擬器,和幾個機器學習模型組合,能夠用來測試各種干預政策帶來的影響。機器學習模型可以透過評估疾病發展,並將結果與歷史資料進行比對,來初始化系統,接著用戶就可以使用模型學習到的參數,進行各種不同情境模擬。

AWS在開源工具集中,提供了多個筆記本,可以直接用在美國、歐洲和印度,以州的層級進行情境模擬,這些筆記本使用了各種資料源,包括卡內基美隆大學、約翰霍普金斯大學等,還有Google搜尋與臉書的調查趨勢,再加上2009年到2010年的H1N1歷史資料。

AWS使用工具集預測多個國家的武漢肺炎疫情趨勢,作為工具集使用範例。模擬顯示,法國正在面對第2波疫情中的高峰,而這波疫情將會持續約6個月,其模式與H1N1的趨勢相似,而美國在3個月內,也將會迎來第2波疫情高峰。印度的疫情發展,與AWS模型模擬預測結果高度相符(下圖),也就是說,如果印度仍然維持現有的干預政策,則很快的就會開始第2波疫情,並在明年2月中達到高峰。整體而言,在入秋之後,武漢肺炎疫情的模式,將會更像H1N1。

根據目前人類對武漢肺炎的研究,AWS在模型加入了數項限制,像是模型預期在高斯分布之後,會有多波感染潮,AWS提到,這種模式跟過去流感大流行相符。而目前疾病模型並不能預測死亡率,且由於機率因素,因此模擬的人口規模必須要夠大,AWS提到,在模型中假設1個武漢肺炎病患,會傳染給3個人,但是最近的研究顯示,這個數字會因人群而不同,因此這個數字是可調參數。

熱門新聞

Advertisement