Amazon Web Services rilascia strumenti machine learning per prevenire la diffusione di COVID-19

Amazon Web Services rilascia strumenti machine learning per prevenire la diffusione di COVID-19

Simulatori e set di dati disponibili in forma open source per studiare la diffusione della pandemia e testare gli effetti di possibili approcci di intervento

di pubblicata il , alle 11:41 nel canale Scienza e tecnologia
AmazonAmazon Web Services
 

Amazon Web Services ha reso disponibili in forma open source un nuovo simulatore e una serie di strumenti machine learning che consentono di studiare e provare a prevedere la diffusione dei contagi della pandemia COVID-19. Si tratta di un insieme di strumenti e dati che possono consentire di far luce sulle complessità di questo virus, offrendo un simulatore di diffusione e vari modelli per testare l'impatto di varie strategie di intervento.

Nonostante oggi si conosca qualcosa in più di COVD-19 rispetto agli esordi della pandemia, la costruzione di un corretto modello epidemiologico è un compito ancora arduo. Questo perché è necessario dapprima identificare le variabili che possono influenzare la diffusione della malattia a livello di città, poi a livello di Paese e infine a livello di popolazioni. Un efficace modello di intervento deve poi essere in grado di modificare le strategie (chiusure, quarantene) esplorando le tendenze di malattie che hanno mostrato tendenze simili a quelle di COVID-19

Studiare e prevenire la diffusione della pandemia COVID-19 con il Machine Learning di AWS

I modelli machine learning messi a disposizione da AWS compiono una stima della progressione della malattia confrontando i dati con i risultati storici. Questo offre la possibilità a scienziati e ricercatori di sfruttare un simulatore per riprodurre scenari ipotetici per diversi approcci di intervento e usare modelli a livello statale negli USA, in India e nei Paesi Europei.

Il simulatore di AWS è in grado di assegnare una serie di probabilità alle variabili della malattia per ciascun individuo, come ad esempio il lasso di tempo che intercorre tra l'esposizione al patogeno e lo sviluppo di sintomi. E' possibile inoltre studiare le dinamiche a livello di popolazione, in maniera tale che il passaggio di un individuo da uno stato a quello successivo sia condizionati dagli stati degli altri individui della popolazione. Per esempio un individuo può passare da "sucettibile" a "esposto" a seconda di fattori come la vulnerabilitò a causa di condizioni pre-esistenti o a interventi esterni come il distanziamento sociale.

"Il nostro codice open source simula le proiezioni dei casi COVID-19 a vari livelli di granularità regionale. L'output è la proiezione dei casi confermati totali su una tempistica specifica per uno stato o un paese target, per un dato grado di intervento. La nostra soluzione cerca innanzitutto di capire il tempo approssimativo per raggiungere il picco e le percentuali di casi previste dei casi COVID-19 giornalieri per l'entità target (stato / paese) mediante l'analisi dei modelli di incidenza della malattia. Successivamente, seleziona i parametri ottimali utilizzando tecniche di ottimizzazione su un modello di simulazione. Infine, genera le proiezioni dei casi confermati giornalieri e cumulativi, a partire dall'inizio dell'epidemia fino un periodo di tempo specificato in futuro" si legge nel blog ufficiale di AWS.

Amazon Web Services non è la sola ad aver rilasciato modelli ML e set di dati per aiutare a sviluppare adeguate misure di intervento per contenere la diffusione della pandemia: Google ha reso pubblici i suoi nel mese di marzo, mentre Facebook li ha rilasciati qualche giorno fa.

0 Commenti
Gli autori dei commenti, e non la redazione, sono responsabili dei contenuti da loro inseriti - info

Devi effettuare il login per poter commentare
Se non sei ancora registrato, puoi farlo attraverso questo form.
Se sei già registrato e loggato nel sito, puoi inserire il tuo commento.
Si tenga presente quanto letto nel regolamento, nel rispetto del "quieto vivere".

La discussione è consultabile anche qui, sul forum.
 
^