Thursday, March 26, 2020

人工智能分析發燒數據

本文內容取自TechCrunch的新科技報導,Kinsa's Fever Map證明全社區居家禁足、保持6尺社交距離是有效的。

Kinsa 是一家生產智能體溫計的公司。人們用他們的產品測試自己的體溫,但是公司利用這些體溫數據的地理位置,致力於建立一個精確的預測模型,以便了解在流感季節,流感如何在社區內和社區之間傳播。

隨著COVID-19的大流行,他們的發燒圖有了新用途。 雖然「美國健康氣候圖」不能專門追蹤目前的新病毒傳播,只能查看與地理數據有關的發燒狀況,它卻能提供容易明白的早期指標。假若及時參照他們的數據來施行相應的隔離與社交防範,就真的能夠有效控制社區流感傳播。

2月份《紐約時報》在報道Kinsa的健康氣候圖時,他們在美國市場上有大約1百万個温度計。但截至昨天,他們的訂貨量大大增加,每天訂貨多達1萬個。這說明該公司的智能分析現在是基於非常大的美國人口數據集。 Kinsa的創始人兼首席執行官Inder Singh說,龐大的數據集允許他們獲得空前的準確度和精細度,幫助俄勒岡州立大學Ben Dalziel教授預測出社區的流感傳播。

Signh說,「這說明我們公司的核心假設是對的:醫生需要實時、準確的醫學數據及其地理位置,而這些數據要從剛患病的人那裡獲取,來檢測疾病的爆發,並預測疾病的傳播。我們將體溫數據輸入Dalziel教授現有的傳染病傳播第一主要模型中,於是這模型能夠在9月15日就準確顯示出20個星期內所預測的整個流感季節高峰期和緩和期。」這對於疾病追蹤和減緩流行是很大進步。

Kinsa 最近為發燒圖增加了另外一個功能--尋找「非典型的發燒數量」。他們把測試得到的實時發燒數據,減去流感季節原來所預計的發燒數量,就得到社區內意外增多的發燒人數--在COVID-19大流行的情況下,這些額外的發燒人數很可能就代表了實際感染的人數。這裡Signh給出一個佛州的例子。

在佛州3月22日的發燒圖裡,發紅的區域是超過典型流感季節發燒人數比較多的地方,灰色地帶是沒有增加的地方。你看沿海人員流動大的地區都增加了發燒人數。

Singh解釋說,一個地區發燒人數忽然增加,剛好是新聞報道邁阿密居民和旅遊者忽略禁止聚集的勸告,在海灘繼續照常遊玩的時候。隨著限制人員流動和保持社交距離的嚴格實施,發燒人數不再快速增加並迅速下降,都反映在發燒圖上。

由於Kinsa的發燒數據是實時的,用戶可以隨時了解本區域的疫情。這就好像COVID-19的測試,測得越多,越能夠了解本區域的疫情發展趨勢。COVID-19的美國測試能力起步慢了,目前還有些跟不上需要--你只能了解感染的積累人數,看不見已經自己康復的人數--而我們知道很多人是輕微感冒症狀自己痊癒的。Kinsa的體溫計卻能夠隨時提供額外增加的發燒人數是否減少了。

當然Kinsa的發燒圖只記錄發燒數據,那些發燒未必代表新病毒的感染,有些感染完全沒有症狀。但發燒是這次感染的主要症狀之一,所以至少在一定程度上,這個發燒圖能夠反映出COVID-19疫情。不過現在的非典型發燒圖分析還不能達到精細的程度,Kinsa尋求藉著擴大數據集,以及藉著與其他智能體溫計製造商合作

因為有人在質疑隱私權問題,Signh說Kinsa只關心發燒的地理數據,對用戶的其它個人信息完全沒有興趣,公司也沒有辦法從地理發燒量追溯發燒者的姓名或其他資料。

目前Kinsa正在設法將非典型發燒數字轉化成曲線圖表,讓人一眼看見限制人口流通和保持社交距離對減少非典型發燒的明顯作用。因為每天發表的官方COVID-19在某些地區的感染數字實在令人震驚。

No comments:

Post a Comment