Trí tuệ nhân tạo giúp làm chậm lại sự bùng phát của các đại dịch trong tương lai

Trí tuệ nhân tạo có thể là một trong những chìa khóa để hạn chế sự lây nhiễm của các đại dịch trong tương lai. Trong nghiên cứu mới đây, các nhà khoa học tại đại học Gothenburg đã tìm hiểu cách máy học được sử dụng để tìm ra các phương pháp kiểm tra thời gian bùng phát dịch bệnh, từ đó giúp kiểm soát dịch tốt hơn.

Laura Natali, nghiên cứu sinh tiến sĩ vật lý tại đại học Gothenburg và là tác giả chính của nghiên cứu cho biết: “Đây có thể là bước đầu tiên giúp xã hội kiểm soát tốt hơn các đợt bùng phát dịch bệnh và giảm thiểu việc phải giãn cách xã hội trong tương lai.”

Máy học (Machine learning) là một nhánh của trí tuệ nhân tạo và có thể được mô tả như một mô hình toán học, trong đó máy tính được đào tạo để học cách theo dõi các kết nối và giải quyết vấn đề bằng cách sử dụng những tập dữ liệu khác nhau. Các nhà nghiên cứu sử dụng máy học để mô phỏng một đợt bùng phát dịch bệnh mới, nơi thông tin về các trường hợp nhiễm bệnh đầu tiên được sử dụng để ước tính khả năng lây nhiễm với những người khác. Dữ liệu gửi về mạng lưới liên hệ thông tin của cá nhân bị nhiễm: họ đã tiếp xúc gần với ai, ở đâu và trong thời gian nào.

“Các đợt bùng phát dịch có thể nhanh chóng được kiểm soát khi phương pháp này được sử dụng, khi các đợt xét nghiệm ngẫu nhiên không thể kiểm soát được sự lây lan dẫn đến việc nhiều cá thể bị nhiễm bệnh hơn. Trong điều kiện thực tế, thông tin được bổ sung, chẳng hạn như dữ liệu nhân khẩu học, các tình trạng liên quan đến tuổi tác và sức khỏe, có thể cải thiện hiệu quả của phương pháp hơn nữa. Phương pháp này cũng có thể được sử dụng để ngăn ngừa việc tái nhiễm trong nếu khả năng miễn dịch sau khi mắc bệnh chỉ là tạm thời.”

Laura Natali nhấn mạnh rằng nghiên cứu này mới chỉ tiến hành ở mức mô phỏng và cần thử nghiệm trên thực tế để cải thiện phương pháp hơn nữa. Vì vậy, còn quá sớm để ứng dụng nó trong đại dịch Covid-19 đang diễn ra. Ngoài ra, cô coi nghiên cứu này là bước đầu tiên để có thể thực hiện nhiều sáng kiến ​​có mục tiêu hơn nhằm giảm sự lây lan của các dịch bệnh, vì việc xét nghiệm dựa trên máy học tự động có thể thích ứng với đặc điểm cụ thể của mỗi loại bệnh.

“Khi một dịch bệnh bùng phát lớn, điều quan trọng là phải xác định nhanh chóng và hiệu quả các cá thể lây nhiễm. Trong các xét nghiệm ngẫu nhiên, việc tìm ra cá thể mắc bệnh là không đơn giản, nhưng với chiến lược xét nghiệm cùng sự trợ giúp của trí tuệ nhân tạo, chúng ta có thể tìm thấy nhiều trường hợp bị nhiễm bệnh hơn. Và qua đó, chúng ta cũng có được thông tin cần thiết để giảm thiểu việc lây bệnh” Laura Natali cho biết.

Duy Anh(Theo:4state.news)