„Bár a járvány gyorsan terjed, az információ tud még gyorsabban” – ezzel a felütéssel jellemzik kanadai fejlesztői a BlueDot epidemiológiai szoftvert, amelyről kiderült, hogy már napokkal a járvány kitörése előtt figyelmeztetett a Vuhanban megjelent új koronavírus gyors terjedésének veszélyeire.
A modern közlekedési infrastruktúrával ellátott fejlett világban egyetlen vírus órák alatt képes átugrani a kontinens túloldalára, vagy akár átszelni az óceánt. De az is a tudományos-technológiai előrehaladottságnak köszönhető, hogy új utak nyílnak a nyomon követésére, járvánnyá fajulásának előrejelzésére. A kezdeti, megfigyelésen alapuló járványtant – ilyen a Semmelweis Ignác-féle felismerés a kézmosás fontosságáról – később felváltotta az olyan matematikai, legtöbbször pusztán statisztikai összefüggések megfigyelése, mint az 1956-os British Doctors’ Study tanulmányok a dohányzás és a tüdőrák közötti erős korrelációról. A számítógép megjelenésével aztán új távlatok nyíltak az epidemiológiában, hiszen sokkal egyszerűbb volt neurális hálókkal modelleket felállítani, mint a körülményes, ember által elvégzett számításokkal. A lényeg, hogy ha kellő mennyiségű és minőségű adat (big data) áll a mesterséges intelligencia rendelkezésére, akkor megfelelő finomhangolással képes jól modellezni jelenlegi és jelezni jövőbeli folyamatokat. A figyelembe vett adatok – például a BlueDot esetében is – olyan általános jellemzők, mint a lakosság egészségügyi állapota, mobilitása, demográfiája, vagy az adott ország egészségügyi intézményeinek minősége. E mutatók mellé jönnek olyan, dinamikusabban változó tényezők, mint a klíma, az időjárás, az állatok közelsége és akár a megvásárolt repülőjegyek adatai. Ezt a sok változót képes egyidejűleg összevetni a mesterséges intelligencia, majd az elemzésükből jóslatokat formálni a jövőre nézve, például egy vírus terjedésével kapcsolatban. Ilyen adatok mellett ezek az epidemiológiai előrejelzések remekül működnek, ha cseppfertőzéssel terjedő vírusokról van szó, mint a vuhani koronavírus, vagy testvére, a 2003-ban fellépett SARS, de tuberkulózisos eseteknél is jól használható.
Ugyanebből a mintából például a HIV-vírusra vonatkozó predikciók már nem lennének túl pontosak, hiszen az utóbbi fertőzés szexuális úton terjed, amit a manapság rendelkezésére álló száraz adatokból már nehezebben „lát meg” a mesterséges intelligencia, mint egy közös repülőutat. Ebben az esetben a megoldás inkább a vírus altípusainak a nyomon követése a genomszerkezet megvizsgálásával, de éppen Kínában volt már rá példa, hogy a tudósok az AIDS halálozási statisztikáit vetették össze a kínai Google-ként ismert Baidu keresőmotorban az AIDS tüneteire keresve. Egy maláj startup fejlesztése, az AIME Healthcare a Dengue-láz kitöréseit tartja folyamatos megfigyelés alatt, és felkészülési javaslatokat ad az egészségügyi ellátórendszernek. A technológiát a nem humán kórokozók monitorozására is alkalmazzák, a filovírusok – például az ebola is ebbe a családba tartozik – esetében denevéreket figyelnek meg, hogy az emberiség újabb világjárványt kerülhessen el. ¬ PAPP PETRA ANNA
