学生使用AI建立更好的COVID-19预测模型

一队 加州理工学院 学生，由 Yaser Abu-Mostafa (PhD '83), have developed 一种使用人工智能（AI）预测COVID-19影响的工具。

该项目始于阿布·莫斯塔法的一项任务'加州理工学院计算机科学课程，CS / CNS / EE 156关于学习系统'的春季学期。它已经发展成为一种为决策者评估大流行病的工具。'对其社区的潜在影响并预测缓解工作的效果。

重定向CS / CNS / EE 156重点的想法来自加州理工学院的高级教授亚历山大·兹洛卡帕（Alexander Zlokapa）， 加州理工学院数据科学组织，这是一个旨在促进学生参与数据科学研究的倡议。兹洛卡帕（Zlokapa）于3月19日与阿布-莫斯塔法（Abu-Mostafa）接触，建议从该航线切换档's的原始主题：使用AI进行电影推荐。

阿布·莫斯塔法（Abu-Mostafa）担心在最后一刻改变齿轮，特别是从有趣的话题到更严肃的话题，因此通过电子邮件向他的学生发送了他们的想法。“反应热烈。我们所有人都看到了为国家带来真正改变的机会，”电机工程和计算机科学教授Abu-Mostafa说。班上已经有80名学生了；当新挑战宣布时，又有70个签约了。

“甚至在早期，大流行的严重性就变得很明显：我们处于战争中，敌人强大，” Abu-Mostafa says. “我们还没有与之作斗争的武器，既没有疗法也没有疫苗。但是，战争中还有另一种必不可少的武器。情报。我们需要知道敌人在做什么，以便我们可以提前计划。我和我的学生可以适当地使用人工智能（我的课程主题）来帮助收集这种智力。”

“标准的流行病学模型对疾病的传播方式进行了基本假设，然后让您根据感染率和恢复率等进行调整。另一方面，人工智能并没有把一切视为理所当然，”研究生Dominic Yurk（BS'17），是该课程的首席助教。

如果您要预测COVID-19在给定区域中的未来传播，则不想查看之前发生的事情，而只是划一条线。您要考虑人口密度和流动性，人们是否去饭店和工作，该地区的医院容量，过去的流感发病率；研究人员说，有很多数据可能与此问题有关。

班级'截止到4月和5月，共有150多名学生参加了多达4人的竞争团队，他们的任务是对这种疾病的影响做出准确的预测。考虑到测试数据往往不可靠且不一定全面，他们专注于预测死亡率，这是评估给定位置疾病影响的最可靠指标。他们在该项目上花费了数千小时。他们收集了所有看似相关的数据，包括COVID-19死亡率数据，受影响人口的人口统计数据和密度，人们是否遵守在家中就餐，临床统计数据，以前的流感数据等等。

“我们牢记决策者的竞争规则，” Abu-Mostafa says. “以下是应避免的示例：在4月的某个时候，乔治亚州有590张重症监护病房（ICU）病床可用。当时，一个著名的模型预测佐治亚州'在任何给定时间，COVID-19患者将需要424至1,928张ICU床位。这种不精确的预测对决策者没有帮助，” Abu-Mostafa says.

最终，大约40个团队制作了可行的模型，能够做出合理的预测，而前10个左右的团队就能够对COVID-19对特定社区的未来影响进行精确预测的能力，与现有模型竞争。 

当班级在6月结束时，阿布·莫斯塔法'的学生告诉他，他们想在整个夏天继续努力—吸收班级生成的顶级模型的最佳部分，并将它们汇总为一个 更强大的工具。他选择了8名研究生（包括Yurk）和18名本科生，并责成他的新团队创建范围扩大的模型，对死亡率，感染数量和检测阳性率做出快速而准确的预测。

来源：从公司收到的新闻材料和从公司收集的其他信息’s website.