AMM快照。信用:自然通信(2021)。DOI: 10.1038/ s41467-021-21018-5隶属于包括谷歌公司(Google Inc .)和美国疾控中心(CDC)在内的美国多家机构的研究人员团队发现，有可能将机器学习技术与智能手机追踪数据相结合，创建一个能够准确估计流感传播范围的应用程序。在他们发表在《自然通讯》杂志上的论文中，该小组描述了他们如何创建他们的应用程序，以及它在传统病毒传播估计系统中的测试效果。持续的疫情再次唤起了人们对一种比新型冠状病毒病毒更致命的病毒传播的更糟糕情况的担忧。因此，科学家们一直在寻找减缓下一次传播的方法，其中一部分努力将包括使用更好地预测传播如何升级的工具。在这项新的努力中，研究人员试图创建一个基于智能手机数据和机器学习的工具，该工具将与使用通勤数据创建的应用程序一样好或更好。
为了构建他们的应用程序，研究人员收集了纽约市安卓手机用户的匿名跟踪数据——谷歌存储了选择允许记录此类跟踪的用户的历史。他们用这些数据来教机器学习系统识别城市地图上的人类活动。该团队随后根据2016年至2017年流感季节的患者医院就诊和实验室报告，添加了用于描述流感传播率的模型数据。他们用这个应用程序来预测同一季节流感的传播。随后，他们将结果与实际流感季节的记录进行了比较，发现它们与基于通勤数据的三分之二的传统系统一样准确，并优于第三个系统。
研究人员随后重现了他们预测整个澳大利亚2016年流感季节的努力，并发现他们能够准确预测该国的流感传播。研究人员指出，使用电话追踪数据比使用通勤数据要便宜得多。他们还指出，与基于通勤数据的系统不同，他们的系统也可以用来追踪疫情在国际线路上的传播。他们还承认，由于儿童和老年人使用智能手机的比例较低，系统中使用的数据存在差距。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
