Amazon Web Services aide à prédire la propagation du COVID-19

Amazon Web Services (AWS) lance un nouveau simulateur et une boîte à outils d’apprentissage automatique en open source. Cette solution est conçue pour anticiper et atténuer la propagation du COVID-19. AWS indique que la suite, qui comprend un simulateur de progression de la maladie et des modèles pour tester l’impact de diverses stratégies d’intervention, peut aider à capturer avec précision de nombreuses complexités du virus dans le monde.

Un modèle épidémiologique global

Grâce à la technologie, des avancées dans la compréhension du COVID-19 ont pu être mises en place. Néanmoins, la construction d’un modèle épidémiologique global reste difficile. Les défis de la construction de modèles incluent l’identification des variables qui influencent la propagation de la maladie dans les villes, les pays et les populations. Un modèle performant doit également combiner des stratégies d’intervention telles que les fermetures d’établissement d’accueil et les ordonnances de maintien à domicile. Il doit aussi explorer des hypothèses en intégrant les tendances des maladies comme le coronavirus.

Les modèles d’apprentissage automatique de la suite AWS s’amorcent en estimant la progression de la maladie et en comparant les résultats aux données historiques. Les scientifiques des données peuvent exécuter un simulateur pour jouer des scénarios hypothétiques pour différentes interventions. Le simulateur utilisera des modèles à différents niveaux : un État par exemple aux États-Unis, un pays comme l’Inde ceux en Europe. Dans ces modèles, la boîte à outils s’appuie sur des sources de données qui publient fréquemment le nombre de nouveaux cas de COVID-19 dans le monde.

Mode de fonctionnement du simulateur AWS

Pour les États-Unis, la suite AWS utilise l’API Delphi Epidata de l’Université Carnegie Mellon pour accéder à divers ensembles de données. Ces données comprennent celle du Johns Hopkins Center for Systems Science and Engineering, mais ne s’y limitent pas. Il y a aussi les tendances de l’enquête à partir de la recherche Google et de Facebook ainsi que les données historiques pour H1N1 de 2009 à 2010. Cet ensemble d’outils modélise la progression de la maladie pour chaque individu d’une population, puis rend compte de l’état global de la population.

Le simulateur AWS peut attribuer une distribution de probabilité aux variables de maladie pour chaque individu. Les utilisateurs peuvent entre autres définir des paramètres comme si les individus développeront des symptômes dans les 2 à 5 jours après l’exposition ou dans les 14 à 21 jours après l’exposition. Le simulateur saisit également la dynamique de la population, de sorte que le passage d’un état à un autre pour un individu est influencé par les états des autres dans la population. Par exemple, une personne passe d’un état « sensible » à « exposé » dans le modèle en fonction de différents facteurs. Il peut s’agir de la vulnérabilité de la personne causées par les conditions préexistantes et autres paramètres comme l’éloignement social.

Pin It on Pinterest