L'IA peut-elle calculer le risque d'être atteint d'une maladie sur un paquebot ou un voyage en croisière ?

L'IA ne peut pas encore produire une estimation précise du risque de maladie au niveau du voyage sur un paquebot spécifique, car elle manque de données opérationnelles et sanitaires en temps réel à cette résolution. Pendant ce temps, certaines propositions soutenues par l'IA suggèrent comment une telle estimation pourrait être structurée, mais celles-ci restent conceptuelles. Examinons à la fois les limites et la méthodologie proposée derrière ces estimations.

Background

Jusqu'à la mi-2024, les systèmes d'IA ne peuvent pas calculer de manière indépendante le risque précis de contracter une maladie spécifique lors d'une croisière particulière, car ils n'ont pas accès en temps réel au manifeste des passagers d'un navire, aux registres médicaux à bord, aux données de prévalence des maladies spécifiques à l'itinéraire, ni aux mesures actuelles de sanitation ou de ventilation pour un navire donné. Les agences de santé publique, telles que le CDC américain, ne fournissent que des « notes d'inspection des navires de croisière » post-croisière et des rapports historiques du « Vessel Sanitation Program » ; ces données sont grossières, rétrospectives et ne constituent pas des estimations de risque granulaires au niveau du voyage.

Certains prototypes universitaires combinent des notes statiques du CDC avec des rapports de maladies crowdsourcés et des données météorologiques, mais aucun n'est validé à l'échelle d'un voyage ou d'un navire unique, nécessaire pour une évaluation actuarielle du risque [U.S. Centers for Disease Control and Prevention]. En théorie, l'IA peut calculer le risque de maladie lors d'une croisière en agrégeant des facteurs tels que les pratiques de sanitation, la densité des passagers, l'historique des épidémies, les flux de capteurs et les données environnementales (météo, qualité de l'air) via des modèles d'apprentissage automatique. Ces systèmes ingéreraient les maladies déclarées, les types de maladies et les sorties de surveillance en temps réel pour modéliser la probabilité de transmission, identifier les zones à haut risque et adapter les mesures d'atténuation, par exemple un nettoyage ciblé ou des conseils de santé personnalisés. Cependant, de tels systèmes prédictifs basés sur l'IA restent au stade de la recherche et ne sont pas encore déployés à grande échelle sur les navires de croisière [Centers for Disease Control and Prevention — World Health Organization].