该团队的适应性极强的模型在经济即将重新开放等转型时期被证明是有效的(图片来源:Ajitesh Srivastava)
对于工程师来说，有几种方法可以应对流感大流行的威胁。系统工程师可能会考虑改善我们国家的物流平台，以便更快地在全国范围内运输设备。生物医学工程师可以尝试设计新的医疗设备，我们可以在医院里部署，以帮助患有新疾病的人。航天工程师可能会把病毒发射到太空?但要实现这一切，我们需要更好地理解大流行的本质。我们需要知道，在许多其他事情中，它在哪里传播最快，它可能在哪里出现，以及谁可能面临最大的风险。
幸运的是，南加州大bob国际首页登录学维特比分校有一位流行病预测领域的专家。多年来，教授维克多Prasanna谢明电子与计算机工程系的查尔斯·李·鲍威尔(Charles Lee Powell)教授开发了模型，以更好地预测疫情接下来可能会发生什么。他们和南加州大学维特比分校的高级研究员阿吉特什·斯里瓦斯塔瓦(Ajbob国际首页登录itesh Srivastava)一起开始在他们的模型中输入数据。他们的工作，其初始版本已在一个开放获取共享纸目前正在同行评议中，他们已经获得了国家科学基金会15.8万美元的快速奖——这是一种需要立即取得成果的研究的特殊分类。他们的国家和州一级的预测可以通过互动探索web界面．
“我们拥有的数据越多，我们不仅能做出更准确的预测，而且能做出更细粒度和详细的预测。——维克多·普拉萨纳教授
如果战胜大流行最终取决于后勤和规划，那么可靠预测的重要性不可低估。斯里瓦斯塔瓦说:“假设加州突然发现自己储备了100万个额外的口罩。”“这很好，但你用它们做什么呢?”今天做得不错的社区或医院下周可能会出现病例激增?”
对于斯里瓦斯塔瓦来说，预测是我们拥有的最强大的工具之一。他的流行病学建模方法能够回答这类问题，并在2015年赢得了DARPA的挑战。
2017年，斯里瓦斯塔瓦与DARPA和军事人员合作，他在CHIKV测试方面的工作获得了DARPA大挑战奖(图片来源:Ajitesh Srivastava)
对于这样的问题，好的预测者需要一些东西。首先，他们需要数据——越多越好。这意味着通过查看确诊病例的官方统计数据来收集尽可能多的自己的数据。这还意味着与校园里的其他研究人员合作，他们可能从其他项目中获得数据，并在诸如Safegraph也可以访问他们的信息。Prasanna说:“我们拥有的数据越多，我们不仅能做出更准确的预测，而且能做出更细致和详细的预测。”
其次，预报员需要一个强大的和快人工智能和机器学习组件。拥有最好的数据集固然好，但将数据转化为可操作和及时信息的算法才是关键。这可以归结为开发最有效的算法工具。像COVID-19这样的大流行需要能够迅速推出的应对措施，并以最可靠的数据翻译为基础。
但还有一件事使该团队的模型与其他许多预测模型区别开来——它的适应性。斯里瓦斯塔瓦说:“事实证明，我们的模型在过渡时期追踪这种大流行方面比其他模型更好。”这种模式在各州开始关闭的时候表现得特别好，现在，随着各州慢慢开放，它再次证明了它在这个新的过渡时期的用途。
正确的预测可以回答一大堆问题，所有这些问题都对我们的国家和世界回到正轨至关重要。地方和国家经济何时、以何种方式重新开放?政府应该在哪里投资资源?制造商应该专注于生产哪些类型的用品?这些只是只有在可靠的预测完成后才能合理解决的几个非常大的问题。
该团队的下一步是在新的信息上运行他们的模型，并进一步完善他们的结果。
斯里瓦斯塔瓦说:“随着康复人数和抗体检测结果等方面的数据越来越多，我们可以将这些信息结合起来，更好地为下一步的决策提供信息。”
发布于2020年6月4日
最后更新于2020年6月4日
