AI技術が世界の感染症対策に情報提供を支援

最近、SingularityNETのCEOであるベン・ゲルツェル博士は、COVID-19サミットを開催することを決定し、上級AIおよびデータサイエンス研究者を招待して、疫学者、最前線の医療スタッフ、意思決定者と、現在の流行との闘いにおける最新の動向や、将来の課題への対応に関する期待とアイデアについて話し合いました。

サミットの主なテーマは、複雑系モデル（エージェントベースモデルなど）をどのように活用して政策立案に役立てるかを議論することでした。 SARSやMERSなど過去の感染症事例から多くの経験が蓄積されているにもかかわらず、今回のパンデミックでは、世界中の意思決定者は依然として、必要な対応情報をタイムリーに入手できなかったと一般的に述べています。

非常に複雑な適応型システムは、人工知能とエージェントベースのモデルを組み合わせることで、意思決定者がこれまでにない新しい能力を獲得し、意思決定プロセスの透明性を大幅に向上させるのに役立ちます。

[[325854]]

ベン・ゲルツェル博士

[[325855]]

デボラ・ドゥオン博士

このテーマの高度な技術的性質を考慮して、Rejuve の AI 開発責任者であり、SingularityNET のネットワーク分析責任者でもある Deborah Duong 博士は、スピーチの中で、エージェントベースのモデルを人工知能と組み合わせる方法と、これが意思決定者やその他の感染症対策専門家に提供できる情報サポートについて説明しました。

具体的には、現代文明社会の根幹を揺るがす可能性のある次の疫病やその他の大災害に備えるためには、情報ハブとしての複雑適応システムが必要です。

複雑適応システムは、全体的な状況の全体像を描き出すことができる。

人工知能の力とエージェントベースのシミュレーションを組み合わせた複雑適応システムは、データを分析する方法を根本的に変えるでしょう。

「複雑適応型システムとは、全体が部分の総和よりも大きいシステムです」とドゥオン博士は言います。「マクロレベルで構成要素について学ぶことができ、部分が適応して全体を変化させます。これにより、ミクロとマクロの間で相互作用できるようになります。」

例えば、COVID-19パンデミックの場合、世界の一部の地域では、社会的距離政策が施行されるずっと前から、住民が病気の拡散を防ぐためにマスクを着用し始めていました。言い換えれば、彼らは公共の場での行動習慣を自発的に変えました。これはまさに、個人が周囲との微細な相互作用を変化させる方法です。そしてマクロレベルでは、世界中の一部の地域や政府は、個人の行動の変化の結果として、COVID-19の流行をより容易に封じ込めることができています。そして、早期導入者の奨励により、他の人々も社会的隔離政策を受け入れ、従う可能性が高くなります。最終的には、ミクロとマクロの相互作用により、良好な社会的孤立のフィードバックが生み出されます。

ドゥオン博士は次のように付け加えました。「データだけでは必ずしも問題を解決できるわけではありませんが、データとパターンが政策立案のきっかけになることを認識する必要があります。データの処理方法に細心の注意を払えば、複雑適応システムを使用して空間データと概念データのパターンを分析し、それを政策の成果の向上に役立てることができます。」

マイケル・スナイダー博士が自身の健康データを収集・測定し、体の炎症反応を分析する研究に触発され、ドゥオン博士と彼女のチームは、異常検出アルゴリズムを使用してウェアラブルデバイスとRejuveが開発したアプリからの信号を分析し、今回の流行中に多数の個人の反応を収集しました。これらのデータに触発されて、彼女はベン・ゲルツェル博士がSingularityNET用に開発した「複雑適応システム」を改良し、設計レベルでCOVID-19の流行と戦うニーズに完全に適応させたいと考えました。

ドゥオン博士は、「COVID-19パンデミックの間も、医療従事者やその他の一般労働者は通常通り働く必要があります。マスクや手袋を正しく着用していても、感染のリスクは依然として存在します。そのため、医療従事者は自身の健康状態や職場での感染者分布についてより多くの情報を得て、情報に基づいた移動の決定を下せるようにする必要があります。ウェアラブルデバイスを適切なタイミングで使用できれば、これらの製品は、感染リスクの高い地域に入る前に警告したり、感染の可能性がある場合には事前に家族から離れるように促したりすることができます」と説明した。

複雑適応システムは、感染者と非感染者の相互作用データから「COVID-19のデジタル署名」を見つけるのにも役立つと期待されています。

人工知能と因果推論を使用して発見されたパターンは、定義を満たす概念グループを識別し、社会的文脈に基づいてデータ分析を完了するのに役立ちます。

データの所有権、プライバシー、セキュリティ

現在、メディアはプライバシー、データの所有権、AI システムのセキュリティなどの問題をうまく監視しています。私たちは、すべての国民がデータの所有権、プライバシー、セキュリティを確保できるように、複雑で適応性の高いシステムを構築することができます。同時に、因果推論機能を備えた人工知能ソリューションを使用することで、意思決定ネットワークを確立し、意思決定者にタイムリーな情報サポートを提供することができます。マルコフ決定プロセスと同様に、シミュレーション シナリオでデータをモデル化できます。人口の一定割合がウェアラブルデバイスを使用している限り、正確なポリシーを策定するために必要な最小限のデータを集めることができます。

「もし私たちが完全に安全（暗号化）な独自のウェアラブルデバイスを持ち、AIが個人の特定ではなく意思決定パターンを見つける役割を担うなら、デバイスはリスクを即座に着用者に知らせ、着用者が自分で意思決定を行えるようにすることができます。同時に、政策立案者は個人の意思決定からより多くの情報を得て、人々の判断に沿った感染症対策戦略を策定することができます」とドゥオン博士は述べた。

ニュアンスが政策の質と成功を左右する

既存の統計手法は範囲が広すぎ、方法論的な不確実性があるため、今回の流行中に意思決定者が策定した対応戦略では、微妙なレベルでの具体的な違いが考慮されていないことがよくあります。

さらに重要なのは、社会的隔離や旅行に関するポリシーを策定する際に、特定の特別なグループには、そのグループに適したターゲットを絞ったガイダンスが必要になる場合があるということです。

たとえば、政策立案者が人々に社会的隔離を実践するよう求めるとき、人々はいわゆる「社会的隔離」または距離をどれくらい保つべきかと尋ねるかもしれません。1メートルですか、それとも2メートルですか?

病院では、医療スタッフがウイルスの拡散との戦いで苦戦を強いられている。さらに残酷なのは、多くの看護スタッフが生計を立てるために複数の病院を行き来しなければならず、病院間でウイルスが広がるリスクがあることです。

「複雑適応システムでは、システムはこれらの状況に適応し、微妙な違いにリアルタイムで対応することができます」とドゥオン博士は述べています。「政策立案者は、ウェアラブルデバイスを使用する人々に個別の推奨事項を提供できるだけでなく、微妙な違いがシステム全体と社会全体に及ぼす影響を迅速に認識することもできます。病院間を移動するパートタイムの看護師が多数いる場合は、異なる病院間でウイルスを拡散させないように適切なポリシーを策定する必要があります。」

コアのメリット

複雑適応型システムを使用して Rejuve/COVID-19 アプリケーション データを分析する主な利点は、「症例曲線を下げることの真の意味を取り戻す」ことです。実際、流行中、多くの人々は「感染者数の平坦化」について誤解しており、社会的隔離措置が実施されている限り、感染者数は減少するだろうと考えていました。しかし、そうではありません。

ウェアラブルデバイスのシミュレーションビュー

感染者数と死亡者数は変わらないものの、感染拡大はより緩やかになり、医療システムが次から次へと起こる感染の波にもっと冷静に対処できるようになるだろう。

一方、流行中に複雑適応システムが提供する戦略を導入できれば、ピーク部分を制御して、真に「曲線を平坦化」できる可能性があります。

ウェアラブルデバイスシミュレーションビュー2

ベン・ゲルツェル博士は次のように結論づけています。「複雑適応型システムの構築は、きめ細かなモデリングから始まります。生体認証データが政府に完全に公開されることは望ましくありません。そのため、より高度な統合、データ所有権、セキュリティが必要です。一方、意思決定者はデータを理解し、影響を追跡し、政策を策定するのに十分な情報を持っている必要があります。SIngularityNET エコシステム内でこのオープンソースの複雑適応型システムを使用することで、この目標を達成することができます。業界が人工汎用知能を継続的に探究する中で、AI の民主化が成功と失敗の鍵となるかもしれません。」