Apa yang Dapat Dilakukan Ilmu Data untuk Membantu Mencegah Pandemi di Masa Depan?

Saat ini kita sedang menghadapi keadaan darurat di seluruh dunia. Dari sudut pandang kesehatan masyarakat, untuk memerangi epidemi, pihak berwenang harus mengambil berbagai tindakan, misalnya, menciptakan kesadaran yang efektif, menetapkan pedoman untuk ahli kesehatan, menargetkan klaster kontaminasi, membatasi perkembangan populasi, dan mengalokasikan sumber daya yang langka.

Analisis data yang cepat dan akurat yang dapat menunjukkan wabah dan mengantisipasi pergerakan sangat penting untuk memerangi infeksi yang tak tertahankan. Metodologi historis, seperti laporan penyelidik dan catatan rumah sakit, dapat diandalkan namun paling tidak moderat dalam peramalan. Ada kepercayaan yang berkembang bahwa metodologi yang lebih baru, termasuk pelacakan ponsel dan penambangan data mesin pencari, dan media sosial, dapat membantu memberikan gambaran yang lebih cepat dan lebih halus tentang di mana penyakit menyebar dan di mana mereka dapat menyebar selanjutnya.

Ilmu data dapat memainkan peran penting dalam memecah pengujian skala besar individu dengan menghubungkan hasil ini dengan atribut kesehatan anonim dari pasien rawat inap. Ini akan memungkinkan kami untuk memahami faktor risiko utama dan melindungi individu yang berisiko tinggi terkena infeksi dengan lebih baik. Semakin banyak informasi yang ada, semakin tepat prediksi ini.

Kekuatan Prediksi

Inovasi prediksi telah mengubah banyak perusahaan selama 20 tahun terakhir. Organisasi seperti BlueDot dan Metabiota memanfaatkan cakupan algoritma pemrosesan bahasa alami (NLP) untuk menyaring outlet berita dan laporan perawatan kesehatan resmi dalam berbagai bahasa di seluruh dunia. Perangkat prediksi mereka juga dapat memanfaatkan informasi perjalanan udara untuk mensurvei risiko bahwa hub transit dapat melihat individu yang terkontaminasi muncul atau pergi.

Memanfaatkan berbagai sumber data besar, model pembelajaran mesin dapat dilatih untuk mengukur risiko klinis seseorang terkena penyakit parah jika mereka tertular infeksi serius seperti COVID-19: seberapa besar kemungkinan mereka memerlukan perawatan khusus, yang asetnya terbatas? Seberapa besar kemungkinan mereka menyerah pada penyakit? Data tersebut dapat menggabungkan sejarah medis mendasar orang.

Hasilnya sangat akurat. Misalnya, laporan publik terbaru Metabiota pada 25 Februari memperkirakan bahwa pada 3 Maret, akan ada total 1.27.000 kasus COVID-19 di seluruh dunia . Jumlah ini melampaui sekitar 30.000, namun Mark Gallivan, Direktur Ilmu Data perusahaan saat itu, mengatakan bahwa ini masih dalam ruang kesalahan. Ini juga mencatat negara-negara yang paling mungkin melaporkan kasus baru, termasuk China, Italia, Iran, dan Amerika Serikat.

Sistem AI DeepMind Google digunakan untuk membedakan atribut virus, yang dapat membantu memahami cara kerjanya. Data ini akan terbukti membantu dalam menentukan obat apa yang harus dicari. Yang lain telah memasukkan teknologi yang dikembangkan oleh startup bioinformatika yang berbasis di Inggris, BenevolentAI, yang menggunakan kecerdasan buatan untuk menemukan pengobatan yang menjanjikan untuk berbagai penyakit, yang mungkin efektif dalam mengobati COVID-19.

Penggunaan teknologi pengenalan wajah SenseTime dan perangkat lunak pendeteksi suhu di China untuk mendeteksi individu yang mungkin mengalami demam dan mungkin terinfeksi juga telah membantu. Inovasi serupa menggerakkan 'helm pintar' yang digunakan oleh pihak berwenang di wilayah Sichuan untuk mendeteksi individu yang demam.

Pemerintah China juga telah membangun sistem pemantauan yang disebut Kode Kesehatan yang menggunakan data besar untuk mengidentifikasi dan menilai risiko setiap individu tergantung pada riwayat perjalanan mereka, jumlah waktu yang mereka habiskan di hotspot infeksi, dan potensi paparan individu dengan virus. . Penduduk diberi kode warna (merah, kuning, atau hijau), yang dapat mereka peroleh melalui aplikasi utama WeChat atau AliPay untuk menunjukkan apakah mereka harus diisolasi atau diizinkan keluar di tempat umum.

Tidak seperti tes medis yang langka, mahal, dan sering tertunda, pendekatan personalisasi digital berbasis data klinis ini dapat diterapkan dengan cepat dan cukup mudah untuk diukur. Ini akan memungkinkan alokasi aset yang lebih baik dan lebih menarik dalam hal peralatan medis langka, misalnya, unit uji, masker pelindung, dan tempat tidur rumah sakit.

Ini dapat memberdayakan kami dengan model yang benar dan memungkinkan de-karantina yang lebih aman dengan kecepatan yang jauh lebih cepat daripada yang diizinkan oleh praktik terbaik yang dipisahkan jalur uji saat ini untuk COVID-19, di mana siapa pun yang terinfeksi dan kontak mereka akan tetap berada dalam kurungan, terlepas dari itu. apakah mereka secara umum aman atau menunjukkan gejala penyakit parah.

Menambang untuk Data

Informasi mobilitas manusia dan data telekomunikasi yang digunakan selama wabah Ebola di Afrika Barat dan juga telah diselidiki oleh Laboratorium Inovasi UNICEF, Flowminder, dan organisasi lainnya. Tujuan utama yang mendasarinya adalah untuk memahami tren mobilitas manusia sehubungan dengan tindakan penguncian dan menilai bahaya penyakit yang berkembang di wilayah tertentu.

Di lapangan, dengan menggunakan aplikasi EPI Info Viral Hemorrhagic Fever Penyakit ini Dapat Dikontrol, sebuah program open-source yang mengidentifikasi mereka yang terpapar virus dan membangun database besar data pasien yang menggabungkan nama, jenis kelamin, usia, lokasi, medis sejarah & banyak pengenal lainnya.

Dalam penerapan analitik data besar, nama perusahaan Swedia Flowminder menggunakan catatan telepon 2013 di Senegal untuk menutupi wabah infeksi masa lalu pada pola lalu lintas untuk memperkirakan pergerakan dan pertumbuhan Ebola di negara itu. Sementara bagian penting dari respons terhadap Ebola ditetapkan dalam infrastruktur fisik & operasi, jelas bahwa respons tersebut ditambah dengan kemampuan untuk memanfaatkan data.

Jalan kedua yang menggembirakan adalah penambangan data media sosial dan aktivitas mesin pencari, yang dapat dengan cepat menunjukkan di mana wabah sedang terjadi. Namun, data dari berbagi sosial dan kueri mesin telusur dapat menyesatkan dan tidak boleh dipercaya secara eksklusif. Sebaliknya, organisasi perawatan kesehatan mengkonsolidasikan informasi dari sumber-sumber ini dengan kumpulan data medis tradisional dan menggunakan kemampuan medis saat membedah tren. Daniel Bausch , Direktur Tim Dukungan Cepat Kesehatan Masyarakat Inggris , melihat potensi luar biasa dalam kumpulan data yang dikumpulkan dari media sosial.

Baru-baru ini, Laboratorium Big Data di Kantor Proyek Strategi Pengembangan Nizhny Novgorod mengembangkan model matematika untuk memprediksi penyebaran COVID-19. Model tersebut menggunakan informasi di sebagian besar negara dan distrik yang telah menerbitkan wawasan COVID-19, termasuk 297 wilayah di dunia dan 21 wilayah di Italia.

Tim terus mengamati penelitian Rusia dan global tentang COVID-19. Ini menyiratkan bahwa mereka dapat mengumpulkan informasi untuk model dari mana saja di dunia, baik dikumpulkan oleh negara, dan didistribusikan berdasarkan wilayah dan wilayah yang lebih kecil. Analisis tersebut menggabungkan beberapa lusin kota perkotaan, untuk membedakan kota-kota yang memiliki parameter epidemiologis yang paling dekat dengan kota-kota tersebut (kebijakan, ukuran populasi, dan kepadatan). Model yang dikembangkan membantu dalam meramalkan pandemi dengan akurasi 2,5%.

Salah satu pendekatan untuk diadopsi adalah dengan membentuk komite etik independen atau data trust. Tugas mereka adalah menciptakan mekanisme tata kelola data untuk menemukan keselarasan antara kepentingan publik yang bersaing sambil memastikan keamanan individu.

Baca juga: Hal Produktif yang Bisa Dilakukan Saat Lockdown

Dapatkan sertifikasi ilmu data dari Universitas top dunia. Pelajari Program PG Eksekutif, Program Sertifikat Tingkat Lanjut, atau Program Magister untuk mempercepat karir Anda.

Kesimpulan

Sekarang, saat kita mengembangkan kemajuan baru yang diharapkan untuk mengumpulkan, menyebarkan, dan memanfaatkan informasi untuk membantu memerangi pandemi apa pun, kita juga perlu memastikan bahwa mereka menghormati praktik terbaik etis. Memang, bahkan di tengah keadaan darurat, kita perlu mengikuti pedoman keamanan data dan menjamin bahwa informasi tersebut dieksploitasi secara etis.

Membuat para perintis di pemerintahan, bisnis, dan layanan medis mempercayai alat ini secara mendasar akan mengubah seberapa cepat kita merespons wabah penyakit.

Jika Anda penasaran untuk belajar tentang ilmu data, lihat Diploma PG IIIT-B & upGrad dalam Ilmu Data yang dibuat untuk para profesional yang bekerja dan menawarkan 10+ studi kasus & proyek, lokakarya praktis, bimbingan dengan pakar industri, 1- on-1 dengan mentor industri, 400+ jam pembelajaran dan bantuan pekerjaan dengan perusahaan-perusahaan top.