In questo articolo Indice dei contenuti 2 sezioni
Il team dell’OMS ha individuato in pochi minuti oltre 45.500 persone a rischio Ebola nelle zone più isolate della Repubblica Democratica del Congo, sfruttando i nuovi strumenti di intelligenza artificiale di Google Earth. Con i metodi tradizionali un lavoro del genere avrebbe richiesto settimane intere, ed è proprio questa differenza di tempi a rendere la notizia così rilevante per chi si occupa di emergenze sanitarie.
Google ha pubblicato una serie di ricerche portate avanti insieme a diversi partner sanitari internazionali. Il messaggio di fondo è che l’AI applicata ai dati geografici può cambiare il modo di fare sanità pubblica, spostando l’attenzione dalla semplice reazione alle crisi verso una prevenzione capace di muoversi in anticipo.
Come funziona il sistema e cosa è successo in Congo
Alla base di tutto c’è un mix di immagini satellitari, dati sulla mobilità, tendenze di ricerca online e modelli sviluppati internamente da Google. Tra questi spicca il Population Dynamics Foundation Model, abbreviato in PDFM. Detto in modo semplice, il modello mette insieme gli spostamenti delle persone, quello che cercano sul web e i cambiamenti dell’ambiente che le circonda. Il risultato è una mappa dinamica e molto dettagliata delle condizioni di salute di una comunità.
Durante l’epidemia di Ebola ancora in corso nella RDC, i tecnici dell’Organizzazione Mondiale della Sanità hanno impiegato un agente AI ancora in fase prototipale per mappare i corridoi minerari più remoti. Si tratta di aree dove il rischio di contagio resta alto perché la gente si sposta di continuo. In pochi minuti lo strumento ha segnalato 48 insediamenti esposti e più di 45.500 abitanti potenzialmente in pericolo. Questo ha permesso di inviare laboratori mobili e di organizzare la sorveglianza ai confini prima ancora che i casi arrivassero.
Accanto a questo agente lavora un secondo strumento chiamato motore di previsione planetaria. Incrocia i flussi di mobilità con lo storico dei contagi e ogni settimana stima la probabilità che il virus raggiunga zone ancora libere dalla malattia. Per i coordinatori significa avere margine per prepararsi con un certo anticipo.
Dalla dengue al colera, gli altri impieghi del PDFM
Le stesse tecnologie non si limitano all’Ebola e sono già state messe alla prova in contesti molto diversi tra loro. I ricercatori del NYU Langone Health hanno sfruttato i segnali di popolazione in tempo reale per prevedere la mortalità cardiovascolare nello stesso anno, ottenendo risultati pari o migliori rispetto ai modelli classici.
Al Mount Sinai e al Boston Children’s Hospital invece gli studiosi hanno analizzato i comportamenti delle persone su entrambi i lati del confine tra Stati Uniti e Canada. L’obiettivo era stimare con maggiore precisione i tassi di vaccinazione contro morbillo, parotite e rosolia nelle contee americane.
Un altro esempio arriva dal Messico. L’Università di Oxford e il Tecnológico de Monterrey hanno combinato il PDFM con modelli climatici locali per prevedere le epidemie di dengue con abbastanza anticipo da poter intervenire, per esempio eliminando le larve di zanzara prima che la situazione degeneri. Sempre nella RDC, unendo i dati epidemiologici al modello di Google, è stato possibile individuare le aree più esposte al colera fino a otto settimane prima.
Per ora questi strumenti non sono accessibili a chiunque, ma Google sta lentamente aprendo le porte. I dati del PDFM si trovano in anteprima commerciale con il nome di Population Dynamics Insights su Google Maps Platform e i ricercatori possono chiedere un accesso gratuito per alcuni casi d’uso specifici. Le organizzazioni che rispettano i requisiti hanno inoltre la possibilità di richiedere crediti per Google Earth attraverso i programmi pubblici di Google Maps Platform.
Fonte: TecnoAndroid
