Hoe Big Data, AI en geavanceerde sensoren de tij keren tegen COVID-19

Regeringen, gezondheidszorgprofessionals en industrieën die geconfronteerd worden met de COVID-19 crisis keren nu naar drie krachtige bondgenoten: grootschalige data-analytics, kunstmatige intelligentie en een netwerk van thermische sensoren. Deze technologieën helpen de volksgezondheidstoll te verminderen en de wereldwijde economie te stabiliseren.

COVID-19 behoort tot dezelfde virale familie die SARS en de verkoudheid veroorzaakte. Als nieuwe pathogeen vangt het de onvoorbereide wereld, en vroege testing was fragmentarisch, wat populaties onwetend liet over lokale gevallen en onzeker hoe te reageren. Binnen weken identificeerden experts in AI en datawetenschap een duidelijke kans: computationele tools inzetten om epidemiologen en crisis-management teams te ondersteunen.

Datawetenschap heeft lang publiek-gezondheidsinterventies onderbouwd. De eerste vastgelegde data-gedreven uitbraakrespons dateert uit 1852, toen John Snow choleradeaths in Kaart bracht in Londen en de gecontamineerde waterbron identificeerde. Moderne algoritmen breiden die nalatenschap nu uit, biedend real-time inzichten in virusverspreiding en controlemaatregelen.

Laten we de data evalueren

Wiskundige modellen, zoals het klassieke SIR-framework, schatten hoeveel mensen vatbaar (S), geïnfecteerd (I) of hersteld (R) zullen zijn over tijd. Het Kermack-McKendrick model, een foundationele variant, werd recent toegepast door Ettore Mariotti in een maart 2020 studie over Italië's uitbraak¹. De COVID-19 context roept om een uitgebreid SEIR-model dat een "Exposed" compartiment (E) toevoegt om rekening te houden met pre-symptomatische maar besmettelijke individuen. Het onderstaande diagram illustreert deze structuur.

Afbeelding 1: SEIR-model (Afbeelding: triplebyte.com)

Deze modellen vangen twee kritieke dynamieken: het virus's biologische kenmerken en menselijke interactiepatronen. Hieruit ontstaat het reproductiegetal, R₀, dat schat hoeveel secundaire infecties een enkel geval zal genereren in een volledig vatbare populatie.

Bijvoorbeeld, met R₀ = 2, zou een geïnfecteerd persoon het virus aan twee anderen doorgeven, die elk weer twee meer zouden infecteren, enzovoort – illustrerend de multiplicatieve aard van transmissie. R₀ kan gevisualiseerd worden in drie scenario's: (1) <1 → ziekte sterft uit; (2) = 1 → steady state; (3) >1 → epidemie-groei (zie Afbeelding 2).

Afbeelding 2: R₀ basis scenario's (Afbeelding: triplebyte.com)

Lockdowns, schoolsluitingen en beperkingen op publieke locaties verminderen sociale contacten en dus R₀. R₀ < 1 bereiken is essentieel; anders blijft de ziekte zich verspreiden. Hoewel R₀ een gemiddelde metric is – influenza's R₀ hangt rond 1,3 – kan het geskewd worden door super-spreaders, die een ongewone grote hoeveelheid contacten infecteren. Het identificeren en isoleren van deze individuen is een sleutelstrategie voor het beheersen van uitbraken.

Omdat R₀ dynamisch is, vertrouwen autoriteiten op AI-gedreven modellen die GPS-data van mobiele apparaten incorporeren om hotspots te voorspellen en interventies te prioriteren.

Big Data, AI en Sensoren

Klinische data tijdens een epidemie kan ruizig zijn, met false positives en inconsistente rapportage. Big-data analytics en machine-learning algoritmen kunnen datasets zuiveren, quarantaine-naleving afdwingen en medicijnontdekking versnellen.

Azië's respons toont een reeks digitale tools. Drones uitgerust met hoge-resolutie scanners monitoren quarantaine-naleving en scannen lichaamstemperaturen. China en Taiwan gebruiken intelligente camera's die koorts detecteren zelfs wanneer individuen maskers dragen.

Hong Kong's SenseTime heeft een contactloze temperatuurdeteeplatform geïmplementeerd over Peking, Shanghai en Shenzhen's transit-hubs en publieke gebouwen. Het systeem kan gezichts-heettekenaturen door maskerlagen heen lezen.

Alibaba's AI diagnostisch systeem analyseert borst CT-scans met tot 96% nauwkeurigheid, wat snelle identificatie van COVID-19 gevallen mogelijk maakt. Tegenovergesteld, Graphen, in samenwerking met Columbia University, gebruikt zijn Ardi AI platform om virale genoomvariaties in kaart te brengen, wat onderzoekers een visueel tool geeft om mutatiepatronen en epidemiologische data te tracken.

Big data ondersteunt ook verbeterde surveillance. Vier analytische methodologieën – descriptief, voorspellend, voorschrijvend en geautomatiseerd – leiden besluitvorming van het begrijpen van verleden trends tot het uitvoeren van autonoom responses.

• Descriptieve analyse: vat huidige en historische prestaties samen via visuele dashboards.
• Voorspellende analyse: gebruikt regressie- en vooruitschattingsmodellen om toekomstige uitkomsten te anticiperen.
• Voorschrijvende analyse: identificeert optimale strategieën gebaseerd op voorspellende inzichten.
• Geautomatiseerde analyse: trigger autonoom acties in real-time, volgend analytische resultaten.

Alibaba's Alipay Health Code benut China's gezondheidszorgdata om toegang tot publieke ruimtes te regelen, met kleur-gecodeerde toestemmingen gebaseerd op risicoprofielen.

Toronto-gebaseerd BlueDot, een AI startup, ontwikkelde een vroege waarschuwingssysteem dat de 2019 coronavirus-dreiging vlagde voor officiële herkenning. Zijn platform, gebouwd op natural-language processing, scant continu globale nieuwsfeeds om ziekteverspreiding te voorspellen.

Insilico Medicine in Maryland past deep learning toe om medicijnontdekking te versnellen. Hun AI heeft miljoenen moleculen gescreend op antiviraal potentieel en curateert een vaccin-ontwikkelingsdatabase.

De economische impact bestuderen

Naast gezondheidseffecten heeft COVID-19 de wereldwijde economieën zwaar gestoord. Satellietbeelden en AI maken snelle beoordeling van industriële activiteit mogelijk. WeBank onderzoekers trackten bijvoorbeeld China's staalfabrieken: output daalde tot 29% van capaciteit op 29 jan 2020, maar herstelde tot 76% op 9 feb (Afbeelding 3).

Afbeelding 3: Satellietbeelden tonen een scherpe daling in staalindustrie-activiteit tijdens de vroege epidemie (Afbeelding: spectrum.ieee.org)

Overige sectoren werden gemonitord door voertuigen in grote parkeerterreinen te tellen, onthullend dat Shanghai's Tesla-productie volledig hersteld was op 10 feb, terwijl toeristische attracties als Shanghai Disneyland gesloten bleven.

GPS-satellietdata kwantificeerde ook commuterpatronen, vergelijkend 2019 en 2020 Chinese Nieuwjaar verkeer. Terwijl 2019 een terugkeer naar pre-vakantie volumes zag, herstelde 2020 verkeer niet, wat aanhoudende storingen aanduidde.

Op 10 maart 2020 had 75% van de werknemers werk hervat, en projecties suggereerden dat de meeste Chinese werknemers – uitgezonderd Wuhan – aan het einde van maart zouden terugkeren.

Deze case studies illustreren de beslissende rol van AI en big data tijdens een volksgezondheidscrisis en wijzen op hun potentieel als standaardtools voor toekomstige veerkracht.

Referentie

1 Mariotti, E. (2020, maart 6). Modelling the Covid-19 Outbreak in Italy.

>> Dit artikel was oorspronkelijk gepubliceerd op onze sister site, EE Times Europe.