Neues AI-Tool verbessert Vorhersage von Infektionskrankheitenrevolutionär

Ein neues KI-Werkzeug, entwickelt von Forschern der Johns Hopkins University und der Duke University, könnte die Art und Weise revolutionieren, wie öffentliche Gesundheitsbeamte Ausbrüche von Infektionskrankheiten wie Grippe und COVID-19 vorhersagen, verfolgen und managen. „Die COVID-19-Pandemie hat das Herausforderung aufgezeigt, die Krankheitsausbreitung aufgrund des Wechselspiels komplexer und ständig sich ändernder Faktoren vorherzusagen“, sagte Lauren Gardner von der Johns Hopkins University, eine Modellierungsexpertin, die das weltweit genutzte COVID-19-Dashboard erstellt hatte. „Wenn die Bedingungen stabil waren, funktionierten die Modelle gut. Allerdings, wenn neue Varianten auftauchten oder Politiken sich änderten, waren wir bei der Vorhersage der Auswirkungen sehr schlecht, weil wir die Modellierungsfähigkeiten nicht hatten, um kritische Informationsquellen einzubeziehen. Das neue Werkzeug schließt diese Lücke.“ Die Arbeit wurde in der Zeitschrift Nature Computational Science veröffentlicht. Während der Coronapandemie existierte die Technologie, die das neue Werkzeug zugrunde liegt, noch nicht. Das Team verwendet erstmals großes Sprachmodell (Large Language Model, LLM), ähnlich dem Generativen KI-Modell ChatGPT, um die Ausbreitung von Krankheiten vorherzusagen. Im Gegensatz zu herkömmlichen Modellen, die die Vorhersage als rein mathematisches Problem behandeln, kann PandemicLLM mit den Daten rationale Überlegungen anstellen. Es berücksichtigt Eingaben wie aktuelle Infektionsspitzen, neue Variants und Maskenpflichten. Das Modell erhält verschiedene Informationsströme, darunter Daten, die bisher noch nie in Vorhersagemodellen für Epidemien verwendet wurden. Die Forscher fanden heraus, dass PandemicLLM Krankheitsmuster und Krankenhausaufnahmetrends ein bis drei Wochen im Voraus genau vorhersagen konnte, wobei es konstant bessere Ergebnisse als andere Methoden erzielte, einschließlich der besten auf der COVID-19-Hub der Centers for Disease Control and Prevention (CDC). „Eine drängende Herausforderung bei der Vorhersage von Erkrankungen ist, die Treiber von Infektionsspitzen und Krankenhausaufnahmen zu identifizieren und diese neuen Informationsströme in die Modellierung zu integrieren“, sagte Gardner. Das Modell basiert auf vier Arten von Daten: Infektionsdaten: Informationen über aktuelle und vergangene Infektionen. Genetische Daten: Details über neue Virenvarianten. Politische Daten: Maßnahmen wie Maskenpflichten und Quarantäne. Soziale Daten: Beispiele sind Suchanfragen, Sozialmedien-Beiträge und Umfrageergebnisse. Nach der Aufnahme dieser Informationen kann das Modell vorhersagen, wie die verschiedenen Elemente zusammenwirken und das Verhalten der Krankheit beeinflussen. Um es zu testen, wendeten die Forscher das Modell rückwirkend auf die COVID-19-Pandemie an und analysierten die Entwicklung in jedem Bundesstaat über einen Zeitraum von 19 Monaten. Verglichen mit anderen Modellen zeigte das neue Werkzeug besonders gute Ergebnisse, wenn die Situation instabil war. „Normalerweise verwenden wir die Vergangenheit, um die Zukunft vorherzusagen“, sagte Hao „Frank“ Yang, Assistant Professor für Zivil- und Systemingenieurwesen an der Johns Hopkins University, der sich auf die Entwicklung zuverlässiger KI spezialisiert hat. „Dadurch erhält das Modell jedoch nicht genug Informationen, um das aktuelle Geschehen zu verstehen und vorherzusagen. Stattdessen nutzt dieses Framework neue Arten von Echtzeitinformationen.“ Mit den erforderlichen Daten kann das Modell für jede Infektionskrankheit angepasst werden, einschließlich Vogelgrippe, Affenpocken und RSV. Das Team untersucht nun auch, ob LLMs in der Lage sind, das Entscheidungsverhalten von Einzelpersonen hinsichtlich ihrer Gesundheit nachzuahmen, in der Hoffnung, dass solche Modelle den Behörden helfen, sicherere und effektivere Politiken zu gestalten. „Wir wissen aus der COVID-19-Pandemie, dass wir bessere Werkzeuge benötigen, um effektivere Politiken zu unterstützen“, sagte Gardner. „Es wird eine weitere Pandemie geben, und solche Rahmenwerke werden entscheidend sein, um die öffentliche Gesundheitsreaktion zu unterstützen.“ Industrieinsider bewerten die Entwicklung von PandemicLLM als bedeutenden Fortschritt in der Epidemiologie und der public health-Management. Die Fähigkeit, Echtzeitdaten und komplexe Faktoren zu integrieren, könnte dazu beitragen, die Reaktionen auf zukünftige Pandemien wesentlich schneller und präziser zu gestalten. Die Johns Hopkins University und die Duke University sind führende Institutionen auf dem Gebiet der Medizin und Epidemiologie, und ihre Zusammenarbeit verspricht innovative Lösungen für drängende gesundheitliche Herausforderungen.