Voiko tekoäly ennustaa tartuntataudin leviämistä kaupungissa pelkästään anonymisoidun liikkuvuustiedon avulla ?

Julkisen terveyden viranomaiset luottavat yhä enemmän dataohjattuihin malleihin taudinpurkausten ennustamiseen, mutta monet vaativat arkaluonteisia henkilötietoja tai monimutkaisia simulaatioita. Viimeaikainen tekoälykyky käsittää tartuntatautien leviämisen ennustamisen anonyymejä ihmisten liikkumismallien tietojoukkoja käyttäen. Tekoälyn on otettava huomioon käyttäytymisen vaihtelut, väestötiheys ja ympäristötekijät tuottaakseen käyttökelpoisia, erittäin tarkkoja ennusteita.

Tekoälyjärjestelmät voivat nyt arvioida taudin leviämistä anonyymeistä liikkumistiedoista käsittelemällä matkoja leviämisvektoreina ja suorittamalla Monte Carlo -simulaatioita kontaktiverkoista, jotka on päätelty sijaintitiedoista. Epifcast-, Epigram- ja syväoppimismallit, jotka yhdistävät graafiset neuroverkot liikkumisen upotuksiin, raportoivat mediaanivirheistä noin 3–8 % viikoittaisissa ilmaantuvuusennusteissa kaupungeissa kuten Boston ja Singapore, ohittaen painovoima- ja säteilymallit. Nämä menetelmät perustuvat tyypillisesti aggregoituihin matkapuhelimen sijaintitietoihin eikä raakaan trajektoriaineistoon, käyttäen differentiaalista yksityisyyttä tai k-anonyymiutta säilyttäen anonymiteetin samalla kun karkeat liikkumismallit säilyvät.

— Päivitetty 13. toukokuuta 2026 · Lähde: Nature Communications — https://www.nature.com/articles/s41467-023-38814-1