TL; DR: вроде работает неплохо

Летом 2020 года система обучения с подкреплением «Ева», разработанная Дракопулосом (исследователем из Университета Южной Калифорнии) и его коллегами, была развернута через все границы Греции, чтобы ограничить приток бессимптомных путешественников, инфицированных Covid-19. [1]

Я наткнулся на эту статью, просматривая новости Nature, и подумал, что она действительно интересная. Ниже приводится краткое изложение того, как работает система, а также сравнение с альтернативными подходами и уроками, предложенными создателями системы.

Общий обзор системы Ева

В соответствии с просьбой ЕС открыть свои границы еще в 2020 году правительству Греции потребовалась помощь в принятии решения, когда и как выполнять требования. Как и многим другим странам, Греции не хватало возможностей проверить всех, кто пересекал ее границы. Первым ответом было случайное тестирование. Однако позже с помощью исследователей страна решила опробовать подход ИИ. Процесс описан ниже [2]:

Шаг 1: Форма местонахождения пассажира (PLF)

Каждая семья, въезжающая в страну, должна заполнить PLF не менее чем за 24 часа до прибытия, указав данные о стране происхождения, месте и дате въезда, возрасте и поле.

Шаг 2. Оценка распространенности среди типов путешественников

Во-первых, Ева использует регрессию LASSO для адаптивного извлечения минимального набора дискретных интерпретируемых типов путешественников на основе демографических характеристик. Эти типы обновляются еженедельно на основе последних результатов тестирования. Во-вторых, используя эмпирический метод Байеса, система оценивает ежедневную распространенность каждого типа.

Шаг 3: Распределение скудных тестов

Используя оценки распространенности из шага 2, Ева нацелена на подгруппу путешественников для проведения ПЦР-тестирования. Эти рекомендации должны учитывать бюджетные и ресурсные ограничения на уровне порта. Кроме того, они должны сбалансировать 2 цели:

  • Эксплуатация: Ева должна максимально увеличить количество идентифицированных инфицированных бессимптомных путешественников.
  • Исследование. Ева должна стратегически распределить типы путешественников, по которым у нее в настоящее время нет точных оценок, чтобы лучше узнать их распространенность.

Шаг 4. Рекомендации по внесению в серый список

Оценки распространенности, полученные на этапе 2, также можно использовать для рекомендации включения особо рискованных стран в серый список. Однако эти решения не были полностью алгоритмическими и требовали участия человека.

Шаг 5: замкнуть петлю

Тесты, выполненные на шаге 3, регистрируются в течение 24–48 часов и передаются обратно на шаг 2 для обновления оценок распространенности.

Каковы результаты?

По оценкам исследователей, Ева выявила примерно в 2 раза больше инфицированных путешественников, чем произвела выборочная проверка во время пикового туристического сезона. Они также сравнили его эффективность с методами, использующими эпидемиологические показатели населения (где пассажиры проходят тестирование с вероятностью, пропорциональной случаям на душу населения, смертности на душу населения и т. Д.), Предложенным ЕС. Они обнаружили, что Ева выявила в 1,25–1,45 раза больше заражений при том же бюджете на тестирование и инфраструктуре PLF. [2]

Извлеченные уроки для будущих чрезвычайных ситуаций

Исследователи также предложили следующие идеи [2]:

Разработайте алгоритм минимизации данных

Перед разработкой Eva исследователи встретились с юристами, эпидемиологами и политиками, чтобы решить, какая информация является прогностической и может быть запрошена PLF на законных основаниях. Они ограничили запросы данных упомянутыми выше, но не упомянули инвазивные функции, такие как профессии.

Сделайте ставку на интерпретируемость

В конце концов, Ева - это рекомендательная система, которая может создать или сломать страну в разгар пандемии. Чтобы все стороны этому доверяли, система должна обеспечивать прозрачное обоснование. Например, используя эмпирический метод Байеса, они могут сказать, что типы с большими доверительными интервалами могут иметь значительно более высокий риск, чем предполагает их точечная оценка, и, следовательно, требуют большего количества тестов для устранения неопределенности.

Дизайн для гибкости

Исследователи разработали Eva по модульному принципу, в котором выделение типов, оценка и распределение тестов были разделены. Это означает, что один шаг можно изменить, не затрагивая другие шаги. Например, если распространение вакцины началось в 2020 году, новые типы путешественников могут быть определены на шаге 2 без изменения других шагов.

Оставайся на связи

Мне нравится писать о науке о данных и науке. Если вам нравится этот пост, подпишитесь на меня в Medium, присоединитесь к моему списку рассылки или станьте членом Medium (я буду получать ~ 50% от ваших членских взносов, если вы воспользуетесь этой ссылкой), если вы не т уже. Увидимся в следующем посте! 😄

Источники

[1] Природа 597, 447–448 (2021). https://doi.org/10.1038/d41586-021-02554-y

[2] Бастани, Х., Дракопулос, К., Гупта, В. и др.. Эффективное и целевое пограничное тестирование COVID-19 посредством обучения с подкреплением. Природа (2021 г.). Https://doi.org/10.1038/s41586-021-04014-z