Een probabilistisch computermodel met kunstmatige intelligentie, ontwikkeld in het Los Alamos National Laboratory, leverde de meest nauwkeurige toestand, nationaal, en regionale prognoses van de griep in 2018, het verslaan van 23 andere teams in de FluSight Challenge van de Centers for Disease Control and Prevention. Het CDC maakte de resultaten vorige week bekend.

"Het nauwkeurig voorspellen van ziekten is vergelijkbaar met weersvoorspellingen, omdat je computermodellen grote hoeveelheden gegevens moet invoeren, zodat ze trends kunnen 'leren', " zei Dave Osthus, een statisticus bij Los Alamos en ontwikkelaar van het computermodel, Dante. "Maar het is heel anders omdat de verspreiding van ziekten afhangt van de dagelijkse keuzes die mensen maken in hun gedrag, zoals reizen, handen wassen, rijden met het openbaar vervoer, interactie met het zorgstelsel, onder andere. Die zijn heel moeilijk te voorspellen."

De FluSight Challenge heeft tot doel nauwkeurige griepvoorspellingen te verbeteren door wetenschappelijke instellingen uit te dagen voorspellende computermodellen te ontwikkelen. Tijdens het griepseizoen 2018-2019, 24 verschillende teams namen deel aan het griepvoorspellingsinitiatief, die elk 38 verschillende wekelijkse voorspellingen indienen.

Dante bleek succesvoller dan de andere modellen in het voorspellen van de timing, piek, en korte termijn intensiteit van het zich ontvouwende griepseizoen. In tegenstelling tot andere modellen, Dante is een multischaalmodel, wat betekent dat het nationale, regionaal, en staat griepgegevens. Door het gemiddelde te nemen van de trends in die verschillende geografische gebieden, het gebruikt informatie van individuele staten om de prognoses van andere staten te verbeteren.

Elke week van half oktober tot half mei, Osthus diende een bestand in bij de CDC met daarin de voorspellingen van Dante voor het hele griepseizoen. "Door elke week van het seizoen in te dienen, kunnen voorspellers hun voorspellingen bijwerken in het licht van de huidige gegevens - vergelijkbaar met hoe, bijvoorbeeld, orkaanvoorspellingen worden bijgewerkt naarmate de orkaan zich ontvouwt, " hij zei.

Elke week worden nieuwe gegevens voor het griepseizoen verzameld en geïntegreerd in de voorspellingsmodellen. Dante bleek bijzonder nuttig voor prognoses op lokaal niveau, iets dat is, volgens Osthus, "vergezeld van aanzienlijke data-uitdagingen."

Voor dit griepseizoen Osthus is van plan om Dante+ in te dienen, een bijgewerkte versie van Dante die internetgebaseerde "nowcasting, " die een model ontwikkelt en gebruikt dat Google-zoekverkeer voor griepgerelateerde termen in kaart brengt op officiële gegevens over griepactiviteit.

Wat betreft wat Osthus voorspelt voor het griepseizoen van dit jaar, het is moeilijk te zeggen. "De griepvoorspellingen zo vroeg in het seizoen worden gekenmerkt door grote onzekerheid. " zei hij. "Het griepseizoen begint zich gewoonlijk pas na Thanksgiving te openbaren. Er is niks, op dit punt, om een ​​hoogst ongebruikelijk griepseizoen te suggereren, wat betekent dat het waarschijnlijk een piek zal bereiken tussen half december en eind maart. Wat de intensiteit van het griepseizoen betreft, echter, het is gewoon te vroeg om te zeggen."

Kelly Moran (een doctoraatsstudent aan de Duke University en, destijds, een gaststudent wetenschapper bij Los Alamos) heeft bijgedragen aan de validatie van Dante. Het model van de tweede plaats, DBM+, werd ook ontwikkeld in Los Alamos met de hulp van Reid Priedhorsky, Ashlynn Daughton (een doctoraatsstudent aan de Universiteit van Colorado Boulder), Sara Del Valle, en Jim Gattiker. De Dante-paper kan hier worden bekeken:https://arxiv.org/abs/1909.13766