ใช้เทคโนโลยีทำนาย Covid-19

ใช้เทคโนโลยีทำนาย Covid-19

ในกลางเดือนมีนาคมที่ผ่านมา ศูนย์ควบคุมและป้องกันโรคแห่งชาติสหรัฐฯ (CDC) ได้เปิดเผยตัวเลขคาดการณ์การติดเชื้อโรค “Covid-19”

ของประชาชนในประเทศที่อาจสูงกว่าร้อยล้านคน รวมถึงประมาณการเสียชีวิตของประชาชนมากกว่าล้านคนหากไม่มีการป้องกันและรับมือกับเชื้อไวรัสนี้ทันเวลา ตัวเลขการคาดการณ์ดังกล่าวได้ช่วยให้ภาครัฐและประชาชนต่างตระหนักถึงภัยร้ายแรงจากเชื้อ Covid-19 จนใช้ปรับแผนรับมือกับเชื้อโรคร้าย และช่วยลดความสูญเสียของประเทศและอาจรักษาชีวิตประชาชนจำนวนมาก

โดยหนึ่งในโมเดลที่ใช้ในการคาดการณ์ (Forecast) ได้ประมาณว่าอาจมีผู้ติดเชื้อสูงตั้งแต่ 160 ล้านถึง 214 ล้านคนในช่วงเวลากว่าหนึ่งปี และอาจมีผู้เสียชีวิตตั้งแต่ 200,000 ถึง 1.7 ล้านคนขึ้นอยู่กับเปอร์เซนต์ของการติดเชื้อในชาวอเมริกันกว่า 320 ล้านคน โดยประมาณว่าประชาชนจำนวน 2.4 ล้านถึง 21 ล้านคนอาจต้องเข้ารับการรักษาตัวในโรงพยาบาลทั่วประเทศที่สามารถรองรับผู้ป่วยรวมทั้งสิ้น 925,000 เตียง การคาดการณ์ดังกล่าวจึงเป็นข้อมูลที่ส่งผลอย่างมากต่อการตัดสินใจเพื่อแก้ปัญหาในเวลานี้

เก็บข้อมูลจริงจากผู้คน

การคาดการณ์โดยใช้โมเดลและเทคโนโลยีด้าน AI เป็นหนึ่งในวิธีการที่ CDC ใช้เพื่อวางแผนในช่วงการแพร่ระบาดของเชื้อโรค ทำให้ช่วยลดผลกระทบด้านสาธารณสุขที่อาจเกิดขึ้น และช่วยรับมือผู้ป่วยที่เพิ่มจำนวนขึ้นอย่างรวดเร็วในระหว่างการแพร่ระบาด ช่วยให้สามารถจัดส่งบุคคลากรทางการแพทย์และอุปกรณ์ที่จำเป็น พร้อมทั้งคำแนะนำและขั้นตอนการจัดการแก่เจ้าหน้าที่ในแต่ละท้องถิ่น ตัวอย่างเช่น การจัดการกับไข้หวัดใหญ่ในฤดูกาลที่ผ่านมา โดย CDC พบว่าขณะนี้มีข้อมูลใหม่ที่ทยอยเข้ามาซึ่งอาจใช้ในการตั้งสมมติฐานของการแพร่กระจายของไวรัสและความรุนแรงที่อาจเกิดขึ้น

หนึ่งในโมเดลที่ใช้โดย CDC ถูกพัฒนาขึ้นโดย Dr. Roni Rosenfeld จากมหาวิทยาลัยคาร์เนกี้เมลลอน (CMU’s Machine-Learning Department) ผู้เชี่ยวชาญด้านการประเมินและวิเคราะห์การแพร่ระบาดของไข้หวัดใหญ่ที่เกิดขึ้นตามฤดูกาล (Seasonal Flu) ซึ่งได้คาดการณ์การแพร่ระบาดของ Covid-19 โดยในตอนต้น Dr. Rosenfeld มีความกังวลใจว่าจะไม่สามารถวิเคราะห์ผลได้ดีหรือถูกต้อง เนื่องจากลักษณะการคำนวณในโมเดลของไข้หวัดใหญ่มักมีข้อมูลจำนวนมากที่เก็บสะสมมากกว่าสิบปี จึงสามารถใช้ Machine Learning (ML) เพื่อทำนายผล แต่ในกรณีของ Covid-19 ซึ่งเป็นไวรัสใหม่จึงไม่มีข้อมูลเพื่อใช้ในการศึกษา

ซึ่งในโมเดลเดิมของการคาดการณ์ไข้หวัดใหญ่เมื่อเกิดการระบาดขึ้นในแต่ละฤดูกาล มักเกิดข้อมูลในลักษณะที่มีความเกี่ยวข้องสัมพันธ์กับผู้ป่วยและการแพร่ระบาดของเชื้อ เช่นการสืบค้นข้อมูลในเสิร์ชเอนจิช่วยให้ทราบเทรนด์ (Trend) ของการแพร่ระบาด หรือจากการวิเคราะห์ Click Stream ของการสืบค้นข้อมูลในแต่ละพื้นที่ ตลอดจนโพสต์ข้อมูลในโซเชียลมีเดียที่ทำให้ทราบถึงสิ่งที่กำลังพูดถึงกัน (Talking About This) หรือยาที่ผู้คนสนใจ ช่วยให้สามารถประเมินสถานการณ์ได้ใกล้เคียงกับเหตุการณ์จริง แต่ในกรณีของ Covid-19 ซี่งเป็นเชื้อโรคใหม่การเสิร์ชข้อมูลอาจเกี่ยวข้องกับการทำความเข้าใจเชื้อโรคจากทุกพื้นที่ หรือการส่งข่าวคราวเกี่ยวกับโรคให้เพื่อนฝูงทราบในโซเชียลมีเดีย ดังนั้นข้อมูลในลักษณะนี้จึงยังไม่ถูกต้องหรือเหมาะสมกับโมเดลที่มีอยู่

ดังนั้นทีมงานของ Dr. Rosenfeld จึงเน้นวิธีการสำรวจความคิดเห็นในลักษณะ Crowdsourcing และเรียกการเก็บข้อมูลในลักษณะนี้ว่า “Wisdom of Crowds” โดยการสอบถามข้อมูลเกี่ยวกับเชื้อโรคโดยตรงจากผู้เชี่ยวชาญและบุคคลทั่วไปที่มีความสนใจต่อเหตุการณ์ที่เกิดขึ้น และเก็บผลสำรวจในแต่ละพื้นที่เป็นประจำทุกสัปดาห์ผ่านแพลตฟอร์มออนไลน์เรียกว่า “Crowdcast” เพื่อให้ผู้เข้าร่วมการสำรวจช่วยตอบคำถามหรือช่วยคาดการณ์การแพร่ระบาดของเชื้อโรคที่อาจเกิดขึ้นในพื้นที่นั้น โดยทีมงานพบว่าถึงแม้ผลลัพธ์ที่ได้จากแต่ละบุคคลอาจคาดเคลื่อนจากความเป็นจริง แต่เมื่อรวมผลเข้าด้วยกันและป้อนเข้าสู่ระบบ ML สามารถให้ผลลัพธ์ที่ใช้ได้ดี อย่างไรก็ตามโมเดลสำหรับ Covid-19 ยังต้องปรับปรุงต่อเนื่อง โดยทีมงานได้ขอความร่วมมือและขอข้อมูลจากหน่วยงานอื่นๆ เช่น ข้อมูลการตรวจสุขภาพของผู้ป่วย หรือยาที่ถูกจำหน่ายในช่วงการแพร่ระบาด โดยหวังว่าจะมีข้อมูลเพียงพอเพื่อปรับให้โมเดลทำงานถูกต้องที่สุดเท่าที่จะเป็นไปได้

เทคโนโลยีช่วยแนะทาง

นอกจากนี้ศาสตร์จารย์ Alessandro Vespignani แห่งมหาวิทยาลัย Northeastern University ในกรุงบอสตันได้พัฒนาโมเดลเพื่อทำนายการแพร่ระบาดของเชื้อโรค Covid-19 ผ่านเทคโนโลยีที่เรียกว่า “Computational Disease Modeling” ซึ่งแสดงผลผ่านระบบ "EpiRisk" เพื่อประเมินความเป็นไปได้ในการที่ผู้ติดเชื้อโรคจะสามารถแพร่กระจายเชื้อไปยังพื้นที่อื่นๆ ในโลกผ่านการเดินทาง โดยทำงานร่วมกับคณะทำงานและองค์กรอีกกว่า 80 ทีมจากทั่วโลกเพื่อวิเคราะห์และพัฒนาโมเดลการเคลื่อนตัว (Mobility Modeling) และประสบปัญหาจากความไม่เพียงพอของจำนวนข้อมูลที่เก็บรวบรวมได้ในเวลานี้เช่นกัน ตลอดจนการเปลี่ยนแปลงที่เกิดขึ้นอย่างรวดเร็วในทุกพื้นที่ทั่วโลก เช่นจากมาตราการปิดเมืองหรือปิดประเทศ ซึ่งเป็นการเปลี่ยนแปลงที่รวดเร็วและมีผลต่อการวิเคราะห์ข้อมูลอย่างมาก

เทคโนโลยีด้านวิทยาศาสตร์ข้อมูล (Data Science) ช่วยในการเก็บและวิเคราะห์ผลของข้อมูลจำนวนมากจากสถานะและเวลาที่ต่างกันของการแพร่ระบาด โดย Big Data และ AI ถูกนำมาใช้ในการป้องกันการแพร่ระบาดของเชื้อโรคผ่านอัลกอลิธึมและโมเดลที่ถูกพัฒนาขึ้นจากข้อมูลจำนวนมหาศาลที่รวบรวมได้ และถูกใช้เพื่อทำนายผลในสถานการณ์ที่ต่างกันเพื่อให้ได้คำแนะนำที่เกิดประโยชน์สูงสุด

ทั่วโลกร่วมต้านภัย

จากกรณีการแพร่ระบาดของ Covid-19 ในทุกพื้นที่ทั่วโลกจนเกิดตัวเลขคาดการณ์จากหลายองค์กรต่างโมเดลที่ประเมินว่า หากไม่มีแผนการป้องกันและเตรียมรับมือได้ทันเวลาอาจมีผู้เสียชีวิตหลายล้านคนทั่วโลก ซึ่งนับเป็นตัวเลขที่สูงมาก และจำเป็นต้องอาศัยข้อมูลที่รวบรวมได้ในเวลาอันสั้นนี้เพื่อทำความเข้าใจกับการแพร่ระบาดและความรุนแรงที่อาจเกิดขึ้น

เพื่อร่วมกันต่อสู้กับไวรัสร้าย กลุ่มนักวิจัยจากหลากหลายองค์กรได้ร่วมกันจัดเตรียมชุดข้อมูล “Open Research Dataset (CORD-19)” และฐานข้อมูลที่รวบรวมเอกสารและงานวิจัยเกี่ยวกับไวรัสในกลุ่มนี้แบบเรียลไทม์ ซึ่งมีมากกว่า 44,000 ชิ้นงาน เพื่อเปิดโอกาสให้นักวิจัยจากทั่วโลกเข้าถึงข้อมูลและร่วมกันยับยั้งการแพร่ระบาดของไวรัส โดยหน่วยงานของรัฐได้เรียกร้องให้นักวิจัยด้าน AI เข้าร่วมในการพัฒนาเทคโนโลยีเพื่อช่วยการแพทย์ในการวิเคราะห์ข้อมูลจำนวนมากอย่างรวดเร็วและทันเวลา เพราะการต้านภัยร้ายจากไวรัส Covid-19 ต้องอาศัยความร่วมมือและร่วมใจจากทุกกลุ่มทั้งจากด้านการแพทย์ การสาธารณสุข ตลอดจนนักวิจัยและนักพัฒนาทั่วโลก