|
|
Download AMAN Application from Apple store and Google play Follow us on : Twitter - Facebook - YouTube - Instagram |
|
|
|
Download AMAN Application from Apple store and Google play Follow us on : Twitter - Facebook - YouTube - Instagram |
| MedNEWS | HOME | |
MAP - Pandémies : Un nouvel outil d'Intelligence artificielle pour prédire à l’avance les foyers et le nombre d’infections
New York -6 avril 2021- (MAP) -Le professeur Anasse Bari, qui dirige le laboratoire d'analyse prédictive et d'intelligence artificielle (IA) à la prestigieuse Université de New York - NYU, a créé avec son équipe un nouvel outil d'IA basé sur les recherches Google, qui permet d’aider à prédire les foyers de la pandémie de Covid-19 et le nombre des infections, 10 à 14 jours à l'avance. Selon le professeur Bari, cet outil peut aider les gouvernements, les décideurs et les hôpitaux à comprendre les évolutions des pandémies en termes de prévision à la fois des hausses et des baisses du nombre des infections, sur la base de sources de données alternatives, notamment les recherches effectuées par les internautes en ligne. Le projet a débuté il y a un an et s'est concentré sur la première phase de la pandémie et les mesures de confinement aux Etats-Unis, explique-t-il, ajoutant qu’un résumé de l’architecture de cette nouvelle étude a été publié dans la revue scientifique "Springer Journal of Social Networks" en février dernier. En mars 2020, alors que la pandémie prenait forme, le professeur Bari avait dirigé une équipe de chercheurs américains et chinois, qui a conçu un outil d'intelligence artificielle capable de prédire à l'avance les patients atteints de Covid-19 susceptibles de développer des cas de maladie grave. Il s’agit d’un outil aidant les médecins à planifier à l'avance leurs ressources hospitalières (y compris les lits, les ventilateurs et l'oxygène). Natif de Tanger, le professeur Anasse Bari revient, dans cet entretien à la MAP, sur le fonctionnement de ce nouvel outil d’intelligence artificielle et ses objectifs à long terme. 1 - Vous êtes le principal coauteur d'une nouvelle étude de recherche sur les données alternatives comme moyen de lutte contre la pandémie de Covid-19. Pouvez-vous nous expliquer comment cela fonctionne et comment vous est-elle venue l'idée d'une telle innovation ? Dans ce projet, nous nous sommes appuyés sur la mise en place d'une «Intelligence artificielle spécialisée» en médecine avec des sources de données alternatives à l'épidémiologie pour comprendre le comportement humain face à une pandémie. Il y a quelques années, j'avais défini les sources de données alternatives comme «des données collectées à partir de sources de données non traditionnelles qui peuvent fournir de nouvelles perspectives sur une entité ou l'événement en question». Dans le cadre d'un projet précédent à Wall Street, nous avons utilisé avec succès des données alternatives provenant spécifiquement de Twitter, d'articles de presse, de données de carte de crédit et d'images satellite pour prédire les fluctuations des marchés financiers. La notion de «données alternatives» a d'abord été associée au secteur des banques d'investissement. Par exemple, nous avons utilisé des images satellites de voitures dans les parkings pour prédire les revenus des entreprises et des données de téléphonie mobile anonymes dans les centres commerciaux pour prédire les revenus des magasins. Dans ce projet relatif à la COVID-19, nous avons appliqué le même concept au domaine de l'épidémiologie numérique. Nous avons d'abord étudié diverses sources de données alternatives, y compris les tendances des recherches sur Google, ainsi que les données sur les voyages en avion, les données sur les trains et les taxis, les données sur les restaurants et les livraisons et d'autres sources de données en raison de leur pertinence pour la première vague de COVID-19. Notre succès à innover dans ce domaine réside dans le fait que l'équipe du laboratoire d'intelligence artificielle que je dirige est multidisciplinaire : mon principal codirecteur en IA médicale est le professeur Megan Coffee, médecin spécialiste des maladies infectieuses et le Dr. Matthias Heymann qui est mathématicien et ancien modélisateur financier chez la banque d’investissement Goldman Sachs, l'équipe compte également des informaticiens. 2 - Quels sont les outils et le type de données que vous utilisez dans cette étude pour tirer vos conclusions sur la propagation et la lutte contre la pandémie ? Ce que nous cherchons à réaliser dans le cadre de cette étude est de développer un baromètre du comportement basé sur les données alternatives et l'intelligence artificielle. Lorsque nous modélisons des épidémies de maladies infectieuses, les courbes sont toujours lisses, mais dans la réalité de toute épidémie, il y a des hauts et des bas, parfois même une évolution en dents de scie des infections. Ces changements peuvent être dus à de nombreux facteurs, mais les changements de comportement humain sont un facteur primordial. Il est difficile de quantifier le nombre de personnes avec lesquelles nous entrons en contact chaque jour. Mon idée était de capter le comportement humain - en particulier «l'isolement» et la «mobilité», en appliquant des algorithmes de l’intelligence artificielle à de nouvelles sources de données dans le domaine médical: recherche Google, données de voyage aérien, réservation de restaurant, données de livraison de nourriture et imagerie satellite à peindre une image globale du comportement humain vis-à-vis des politiques et restrictions de la pandémie, pour (1) prédire les points chauds où la maladie se propage, et (2) pour savoir comment la courbe des infections va changer. Car en étant capable de prédire à l'avance le nombre de cas de Covid-19, cela aidera les gouvernements à réagir en conséquence et à planifier à l'avance. Il est important de noter que les ensembles de données que nous utilisons dans cet outil se présentent sous forme d'agrégats, anonymisés afin de préserver la confidentialité. Cet outil pourrait ainsi permettre aux décideurs politiques et aux épidémiologistes de suivre l'impact des interventions sociales et de se préparer aux poussées croissantes. Dans cette première version de la recherche que nous avons publiée, nous nous sommes concentrés sur les recherches Google, qui offrent une fenêtre sur les projets probables des individus. Ainsi, le fait de rechercher les heures de fermeture d'un restaurant ou les directions pour se rendre à une salle de sport peut nous donner une idée du moment où les gens sont plus susceptibles d’être ensemble à l'intérieur. La recherche a également montré une association entre les activités prévues à l'extérieur du domicile après la levée des mesures de fermeture, indiquant comment les effets des décisions politiques peuvent être mesurés à l'aide de données alternatives. En effet, depuis le début de la pandémie, les gouvernements ont limité les activités, souvent poussés en cela par les hausses des cas de Covid-19, puis ont assoupli ces restrictions après les baisses des infections. Cependant, ces actions répondent aux taux d'infection et visent à limiter la propagation des cas futurs. Nous concevons des algorithmes pour déterminer s'il existait des moyens de repérer les comportements connus pour être à risque pendant la pandémie (par exemple : fréquentations des salons de coiffure et de manucure) avant les pics des infections locales et régionales ; et inversement, identifier les comportements connus pour être moins risqués avant la baisse des cas de coronavirus. Notre objectif était de cerner la dynamique sociale sous-jacente de la pandémie en utilisant des sources de données alternatives qui sont nouvelles pour les épidémiologistes des maladies infectieuses. Pour ce faire, nous avons examiné les recherches en ligne effectuées de mars à juin 2020 dans les 50 Etats américains, et nous avons constaté que l’analyse des recherches Google peut permettre de prédire les hausses et les baisses des cas de Covid-19 entre 10 à 14 jours à l'avance, ce qui correspond au décalage entre l'exposition au virus et le début des symptômes. 3 - Quels sont les objectifs à long terme de cette étude ? Et au-delà de la pandémie, quels sont les autres domaines qui pourraient généralement bénéficier des données alternatives et de l'intelligence artificielle ? Nous travaillons actuellement à étendre cet outil à d'autres sources de données et à d'autres points géographiques qui pourraient, nous l'espérons, capturer davantage de signaux et de prédicteurs de la pandémie et d’autres éventuelles futures épidémies. L'outil sera transformé en une alerte avancée en temps réel pour détecter et prédire les futures pandémies. Ma théorie générale est que, pour faire en sorte que le monde soit préparé et pour lutter contre les futures pandémies, il faudrait une collaboration multidisciplinaire et internationale et une approche holistique, de la prédiction de la gravité clinique à l'aide de l'intelligence artificielle que nous avons conçue au début de la pandémie, à la mise en place d’instruments d’alerte avancée en temps réel utilisant des données alternatives pour aider à prédire le nombre de cas à l'avance, ainsi que les futures flambées des infections. Nous vivons dans un monde marqué par l’abondance de données, et l'application de l'intelligence artificielle aux données alternatives a montré des résultats fructueux dans le secteur de la finance. En effet, les données - à partir d'images satellites de zones d'intérêt, de drones automatisés, de capteurs de comptage de personnes, de géolocalisation de porte-conteneurs, de données transactionnelles de cartes de crédit, de téléphones portables, de médias sociaux - sont désormais la marchandise la plus précieuse pour Wall Street. Car l'application de l'analyse prédictive à ces sources de données alternatives peut aider à découvrir et à contextualiser des informations susceptibles de produire de meilleures prévisions dans le monde de la finance. Par exemple, de nombreux fonds spéculatifs à Wall Street utilisent l'imagerie satellitaire pour prendre des décisions concernant les investissements pétroliers et énergétiques à travers le monde. L'analyse prédictive peut aider à traiter les images satellites des réservoirs de pétrole et peut être utilisée pour connaître le niveau de pétrole brut dans les réservoirs afin de révéler l'approvisionnement en pétrole brut dans le pays concerné. Alors que les images satellites deviennent de plus en plus disponibles à différents niveaux de résolution et de fréquence, de nouveaux marchés émergent dans l'agriculture de précision, la foresterie et la gestion de catastrophes telles que les inondations et les sécheresses, les déversements d'hydrocarbures et la pêche illégale, qui sont directement liés à un certain nombre de décisions d'investissement. Agency : MAP Date : 2021-04-07 11:18:00
|
||
ANADOLU AJANSI - AA
AGENCE FRANCE PRESSE - AFP
AGENCE MAURITANIENNE D'INFORMATION - AMI
ATHENS NEWS AGENCY/ MACEDONIAN NEWS AGENCY - ANA / MPA
AGENZIA NAZIONALE STAMPA ASSOCIATA
ALGERIE PRESSE SERVICE - APS
ALBANIAN TELEGRAPHIC AGENCY - ATA
CYPRUS NEWS AGENCY - CNA
AGENCIA EFE,S.A. - EFE
FEDERAL NEWS AGENCY - FENA
CROATIAN NEW AGENCY - HINA
LIBYAN NEW AGENCY - LANA
AGÊNCIA DE NOTÍCIAS DE PORTUGAL,SA - LUSA
AGENCE MAROCAINE DE PRESSE - MAP
MIDDLE EAST NEWS AGENCY - MENA
NATIONAL NEWS AGENCY - NNA
SYRIAN ARAB NEWS AGENCY - SANA
TANJUG TACNO - TANJUG
AGENCE TUNIS AFRIQUE PRESS- TAP
PALESTINIAN NEWS & INFO AGENCY - WAFA
FEDERATION OF ARAB NEWS AGENCY - FANA>
INTERNATIONAL PRESS SERVICE -IPS
ORGANIZATION OF ASIAN -PACIFIC NEWS AGENCIES - OANA
EUROPEAN ALLIANCE OF NEWS AGENCIES - EANA
ASSOCIATION OF BALKAN NEWS AGENCIES - ABNA
FEDERATION ATLANTIQUE DES AGENCES DE PRESSE AFRICAINES - FAAPA
