Indien wird erneut von einem getroffen COVID-19 Welle und es gab einen Sprung in den Fällen. Vor diesem Hintergrund haben Wissenschaftler des Massachusetts Institute of Technology (MIT) in den USA ein KI-Modell entwickelt, das vorhersagen kann, welche SARS-CoV-2-Varianten wahrscheinlich neue Infektionswellen auslösen werden.
Eine der Anwendungen der KI-Technologie findet im medizinischen Bereich statt, und aktuelle Modelle, die eine Virusübertragung vorhersagen können, sagen keine variantenspezifische Ausbreitung einer Infektion voraus.
Wie Wissenschaftler dieses KI-Modell entwickelt haben
Unter der Leitung von Retsef Levi von der Sloan School of Management des MIT untersuchte ein Team anhand einer Analyse von 9 Millionen SARS-CoV-2-Gensequenzen die Faktoren, die die Virusausbreitung beeinflussen könnten. Diese Sequenzen wurden von der Global Initiative on Sharing Avian Influenza Data (GISAID) aus 30 Ländern gesammelt. Die Daten umfassen auch Impfraten und Infektionsraten.
Den in der Fachzeitschrift PNAS Nexus veröffentlichten Ergebnissen zufolge nutzte das Team die aus dieser Analyse hervorgegangenen Muster, um ein Risikobewertungsmodell mit maschinellem Lernen zu erstellen. Damit sollen in jedem Land 72,8 % der Varianten erkannt werden, die in den nächsten drei Monaten mindestens 1.000 Fälle pro Million Menschen verursachen werden.
„Diese Arbeit bietet einen analytischen Rahmen, der mehrere Datenquellen nutzt, darunter genetische Sequenzdaten und epidemiologische Daten über Modelle des maschinellen Lernens, um verbesserte Frühsignale zum Ausbreitungsrisiko neuer SARS-CoV-2-Varianten zu liefern“, sagten die Forscher.
Während nach einem Beobachtungszeitraum von einer Woche nach der Entdeckung eine Vorhersagegenauigkeit von 72,8 % erreicht wird, steigt die Leistung nach zweiwöchiger Beobachtung auf 80,1 %.
Wissenschaftler haben mehr Forschung in dieser Richtung gefordert und erklärt, dass ein ähnlicher Ansatz möglicherweise auf andere Atemwegsviren wie Influenza, Vogelgrippeviren oder andere Coronaviren ausgeweitet werden könne.
Eine der Anwendungen der KI-Technologie findet im medizinischen Bereich statt, und aktuelle Modelle, die eine Virusübertragung vorhersagen können, sagen keine variantenspezifische Ausbreitung einer Infektion voraus.
Wie Wissenschaftler dieses KI-Modell entwickelt haben
Unter der Leitung von Retsef Levi von der Sloan School of Management des MIT untersuchte ein Team anhand einer Analyse von 9 Millionen SARS-CoV-2-Gensequenzen die Faktoren, die die Virusausbreitung beeinflussen könnten. Diese Sequenzen wurden von der Global Initiative on Sharing Avian Influenza Data (GISAID) aus 30 Ländern gesammelt. Die Daten umfassen auch Impfraten und Infektionsraten.
Den in der Fachzeitschrift PNAS Nexus veröffentlichten Ergebnissen zufolge nutzte das Team die aus dieser Analyse hervorgegangenen Muster, um ein Risikobewertungsmodell mit maschinellem Lernen zu erstellen. Damit sollen in jedem Land 72,8 % der Varianten erkannt werden, die in den nächsten drei Monaten mindestens 1.000 Fälle pro Million Menschen verursachen werden.
„Diese Arbeit bietet einen analytischen Rahmen, der mehrere Datenquellen nutzt, darunter genetische Sequenzdaten und epidemiologische Daten über Modelle des maschinellen Lernens, um verbesserte Frühsignale zum Ausbreitungsrisiko neuer SARS-CoV-2-Varianten zu liefern“, sagten die Forscher.
Während nach einem Beobachtungszeitraum von einer Woche nach der Entdeckung eine Vorhersagegenauigkeit von 72,8 % erreicht wird, steigt die Leistung nach zweiwöchiger Beobachtung auf 80,1 %.
Wissenschaftler haben mehr Forschung in dieser Richtung gefordert und erklärt, dass ein ähnlicher Ansatz möglicherweise auf andere Atemwegsviren wie Influenza, Vogelgrippeviren oder andere Coronaviren ausgeweitet werden könne.