TIeteilijät Massachusettsin teknillisen korkeakoulun (MIT) ovat tehneet merkittävän läpimurron taistelussa COVID-19-tautia vastaan. He ovat kehittäneet tekoälymallin, joka pystyy tarkasti ennustamaan, mitkä SARS-CoV-2-variaatiot todennäköisesti aiheuttavat uusia tartunta-aaltoja.
Perinteiset mallit, joita käytetään viruksen leviämisen dynamiikan ennustamiseen, eivät ota huomioon tiettyjen variaatioiden leviämistä. Kuitenkin MIT:n Sloanin kauppakorkeakoulun Retsef Levin johtaman tiimin tunnisti tarpeen variaatiospesifisille ennusteille. He analysoivat 30 maasta Global Initiative on Sharing Avian Influenza Data (GISAID) -n kokoamat 9 miljoonaa SARS-CoV-2-genomijaksoa sekä tietoja rokotuksista ja tartuntatautien esiintyvyydestä.
Löydöksensä, jotka julkaistiin PNAS Nexus -lehdessä, tekijät kehittivät riskinarviomallin käyttäen koneoppimista. Malli osoitti vaikuttavaa tarkkuutta, tunnistaen 72,8% kaikista variaatioista jokaisessa maassa, jotka johtaisivat vähintään 1 000 tapaukseen miljoonaa ihmistä kohden kolmen kuukauden sisällä vain yhden viikon tarkkailun jälkeen havaitsemisen jälkeen. Tämä ennustava suorituskyky kasvoi 80,1%: iin kahden viikon tarkkailun jälkeen.
Tutkimus tunnisti useita avainindikaattoreita variaation tartuttavuudesta. Variaation aiheuttamien tartuntojen varhainen kulku, variaation piikkimutaatiot sekä uuden variaation mutaatioiden eroavuus vallitsevasta variaatiosta havaintojakson aikana osoittautuivat vahvoiksi ennustajiksi.
Tutkijat korostivat, että tämä malli tarjoaa analysointikehyksen, joka yhdistää geneettisen sekvenssidatan ja epidemiologisen datan, jotta voidaan tarjota parempia varhaisia signaaleja uusien SARS-CoV-2-variaatioiden leviämisen riskistä. He mainitsivat myös tämän lähestymistavan mahdollisen laajentamisen hengitystieviruksiin, kuten influenssaan, lintuinfluenssaan ja muihin koronaviruksiin.
Tämä läpimurto luo toivoa jatkuvassa taistelussa COVID-19:ää vastaan ja tarjoaa arvokasta tietoa variaatiospesifisestä leviämisdynamiikasta. Huonosti riskitettyjen variaatioiden varhaisella havaitsemisella ja seurannalla kansanterveysviranomaiset voivat ryhtyä nopeisiin toimenpiteisiin mahdollisten purkausten torjumiseksi ja yhteisöjen suojelemiseksi. Tämän tekoälymallin mahdolliset tulevaisuuden sovellukset muiden hengitysvirusten hallinnassa korostavat sen merkitystä nykyisen pandemian ulkopuolella.
The source of the article is from the blog windowsvistamagazine.es