Poate AI prezice răspândirea unei boli infecțioase într-un oraș folosind doar date anonime de mobilitate ?

Oficialii din sănătatea publică se bazează din ce în ce mai mult pe modele bazate pe date pentru a anticipa izbucnirile de boli, însă multe necesită date personale sensibile sau simulări complexe. O capacitate recentă a IA implică prognozarea răspândirii bolilor infecțioase folosind seturi de date anonimizate ale modelelor de mișcare umană. IA trebuie să țină cont de variațiile de comportament, densitatea populației și factorii de mediu pentru a produce previziuni acționabile și extrem de precise.

Sistemele de IA pot estima acum răspândirea bolilor din datele de mobilitate anonimizate, tratând călătoriile ca vectori de transmitere și rulând simulări Monte Carlo asupra rețelelor de contact deduse din urmele de locație. Modele precum Epifcast, Epigram și abordările de învățare profundă care combină rețelele neuronale grafice cu încorporări de mobilitate raportează erori absolute mediane de aproximativ 3–8 % pentru previziunile incidenței săptămânale în orașe precum Boston și Singapore, depășind bazele de referință gravitaționale și de radiație. Aceste metode se bazează de obicei pe semnale agregate de localizare prin telefonul mobil, mai degrabă decât pe traiectorii brute, aplicând confidențialitate diferențială sau k-anonimitate pentru a păstra anonimatul, în timp ce rețin modelele de mobilitate la nivel general.