Biotechnologia.pl
łączymy wszystkie strony biobiznesu
Algorytm uczenia maszynowego zwiększa skuteczność i wydajność testowania podróżnych na COVID-19
Algorytm uczenia maszynowego zwiększa skuteczność i wydajność testowania podróżnych na COVI

Międzynarodowy zespół naukowców wykorzystał algorytm uczenia maszynowego do optymalizacji testowania przyjeżdżających do Grecji podróżnych pod kątem COVID-19. Sztuczna inteligencja okazała się skuteczna w przewidywaniu, u których osób wynik testu najprawdopodobniej będzie pozytywny. Wyniki prac badawczych zostały opublikowane w prestiżowym czasopiśmie „Nature”. Wdrożenie algorytmu uczenia maszynowego na greckiej granicy jest istotne, ponieważ turystyka jest jednym z najważniejszych obszarów gospodarki tego państwa.

 

Zespół badawczy pod kierownictwem dr Harmsy Bastani zaprojektował i wdrożył na przejściach granicznych w Grecji system optymalizacji testowania bazujący na sztucznej inteligencji. Algorytm, który opiera się na metodzie uczenia maszynowego, znacznie zwiększył skuteczność testowania bezobjawowych nosicieli SARS-CoV-2. Jednocześnie przyczynił się do utrzymywania otwartych granic dla turystów odwiedzających Grecję.

System nazwany Eva został wdrożony latem 2020 r. na wszystkich greckich granicach w celu ograniczenia napływu bezobjawowych podróżnych zakażonych SARS-CoV-2. Umożliwił również kształtowanie polityki granicznej na podstawie szacunków przypadków COVID-19 w czasie rzeczywistym. Eva przydzielała podróżnym ograniczoną przez zasoby Grecji liczbę testów na podstawie danych demograficznych i wyników wcześniej testowanych osób. Ostatecznie sztuczna inteligencja zidentyfikowała 1,85 razy więcej bezobjawowych zakażonych podróżnych niż losowe testy obserwacyjne.

Opracowany algorytm realizuje dwa cele. Pierwszym jest przetestowanie grup pasażerów, u których prawdopodobieństwo pozytywnego wyniku testu jest największe. Eva realizuje tę misję poprzez wykorzystanie wzorców z danych dotyczących wcześniejszych wyników testów na SARS-CoV-2. Drugi cel wdrożenia algorytmu to badanie wzorców, które nie zostały odzwierciedlone w poprzednich statystykach, poprzez testowanie grup pasażerów, o których algorytm niewiele wie. Opracowane informacje Eva przekazuje funkcjonariuszom granicznym, ukierunkowując testowanie na konkretne typy pasażerów. Pozwala to na zwiększenie skuteczności badań, przy jednoczesnym poszanowaniu ograniczeń budżetowych i zasobów związanych z personelem, liczbą laboratoriów oraz logistyką dostaw próbek biologicznych.

Źródła

Bastani, H., Drakopoulos, K., Gupta, V., Vlachogiannis, J., Hadjicristodoulou, C., Lagiou, P., ... & Tsiodras, S. (2021). „Efficient and targeted COVID-19 border testing via reinforcement learning”. „Nature”, 1-11.

https://www.nature.com/articles/d41586-021-02556-w

Fot. https://pixabay.com/pl/photos/lotnisko-terminal-facet-podr%C3%B3%C5%BC-1822133/

KOMENTARZE
Newsletter