AI帮助控制疟疾
综合先进计算机基础和AI,我们可以部署干预策略来防治疟疾
蚊帐、杀虫药和驱虫药都是控制疟疾传播的有效干预策略,但随着预算持续下降,公共官员和决策者怎么能知道什么使用 — — 地点和时间 — — 最有效呢?
疟疾是由寄生虫通过受感染蚊子的咬来传播给人的近半数世界人口面临风险
显示世界卫生组织2015年约2.12亿例疟疾病例和估计429 000例疟疾死亡
自2010年以来,疟疾控制措施导致死亡率下降29%
但我个人想看统计消除机器学习工具-最近人工智能-可能提供一些潜在答案
集成机智能
最近at人工智能创新应用新奥尔良会议,我有幸介绍我们最近的工作新探法治疟策略
IBM研究-Africa和牛津大学协作-我们开始使用机器智能提高官员决策能力并探索更有效的疟疾政策干预方法
我们的工作建议使用不同的AI算法或代理来确定特定地点最有效干预策略
公众可获取的研究模型使这一点成为可能OpenMalia)OpenMalia模拟模型可用于计算代理探索万一假想并学习新的更有效的控制该疾病策略
方法运用多项AI代理来确定更有效的疟疾政策,基础是长效驱虫蚊帐和执行室内残留喷洒程序未来五年干预期间 模拟肯尼亚西部
使用先进计算机基础架构和AI综合使用,我们可以证明有可能为特定区域确定更高性能未来干预策略
这一点很重要,因为同任何事情一样,人们发现难以处理广阔战略空间问题,有时我们的决定会受过去经验、时间缺失或影响的影响。
帮助决策者寻找成本效益更高的干预策略
抗争成本
高成本效益疟疾干预策略意义重大:鉴于有限、分布化和不确定的消除疟疾投资,AI也许能打平竞技场并协调我们如何为最大数人做最优事
举例说,2017年的一项研究报告,驱虫蚊帐一贯是各种传播地点最经济合算的干预方法。
然而,结果显示,对西肯尼亚模拟假想而言,为小部分家庭实施室内残留喷洒程序比继续推广驱虫网部署更具成本效益
我们把确定最经济合算的疟疾干预措施这一特殊挑战作为随机性处理多臂土匪问题.
假设未来5年执行任何策略,这可减少问题到确定哪项单项政策综合干预最有成本效益
探索新高性能政策时,我们希望减少不确定性,因为支持决策结果的随机性
所谓的bandit算法将不确定性考虑在内,自然合算 — — 并与其他技术作比较,包括遗传算法和Serviment学习政策级
scrapping表面
刚开始抓取人工智能面貌的同时 继续研究如何通过训练机器 实现更多微小决策探索更多干预选项目标干预对象跨位置部署并记录环境动态变化 当我们观察新现实世界数据
我相信这将使我们更接近消除疟疾目标使用AI
幸运的是,我们不认为我们必须单干或隔离利用更多计算资源 和地理独立性
希望这会启发其他研究者也参与解决问题
文章原创IBM思想博客并经许可重发布
