Er moet een Global Pandemic Radar worden gemaakt om nieuwe COVID-varianten en andere opkomende ziekten te detecteren. Onder leiding van de WHO, het project heeft tot doel een internationaal netwerk van bewakingshubs te bouwen, opgezet om gegevens te delen die ons helpen de vaccinresistentie te monitoren, ziekten op te sporen en nieuwe te identificeren wanneer ze zich voordoen.

Dit is onmiskenbaar een goede zaak. Misschien meer dan welke gebeurtenis dan ook in de recente herinnering, de COVID-pandemie heeft duidelijk gemaakt hoe belangrijk het is om de collectieve intelligentie van de samenleving te bundelen en nieuwe manieren te vinden om die gecombineerde kennis zo snel mogelijk te delen.

Op zijn eenvoudigst, collectieve intelligentie is de verbeterde capaciteit die wordt gecreëerd wanneer verschillende groepen mensen samenwerken, vaak met behulp van technologie, om meer informatie te mobiliseren, ideeën en kennis om een ​​probleem op te lossen. Digitale technologieën hebben de afgelopen jaren getransformeerd wat kan worden bereikt door collectieve intelligentie - waardoor meer van ons, het vergroten van menselijke intelligentie met machine-intelligentie, en ons te helpen nieuwe inzichten te genereren uit nieuwe gegevensbronnen.

Dus wat hebben we geleerd in de afgelopen 18 maanden van collectieve intelligentiepooling die de Global Pandemic Radar kan informeren? Bouwen vanuit de COVID-crisis, welke lessen zullen ons helpen de ziektesurveillance te perfectioneren en beter te reageren op toekomstige crises?

Mensen willen wetenschappers helpen

Reageren op nieuwe en opkomende bedreigingen vereist nieuwe methoden om snel lacunes in gegevens en bewijsmateriaal op te vullen. Collectieve intelligentiemethoden zoals burgerwetenschap worden al jaren op grote schaal gebruikt in de milieusector, maar slimme wetenschappers zagen al snel de mogelijkheid om deze en andere benaderingen in te zetten om de eetlust van het publiek aan te boren om bij te dragen aan de COVID-19-respons.

Voordat artsen toegang hadden tot massale gemeenschapstests of nauwkeurige voorspellingen, bijvoorbeeld, door het publiek verstrekte gegevens waren een waardevolle vroege bron van informatie. Bijvoorbeeld, onderzoekers van King's College London ontwikkelden snel de COVID Zoe-symptoomtracker-app, waaraan sinds maart 2020 meer dan 4,6 miljoen mensen hun symptomen hebben bijgedragen. Deze gegevens speelden een cruciale rol om ons te helpen begrijpen hoe het virus verschillende groepen mensen treft, het blootleggen van de verscheidenheid aan COVID-19-symptomen die mensen hebben ervaren.

Zelfs gamers hebben hun rol achter de schermen gespeeld. Project Discovery wordt beschreven als een burgerwetenschap "minigame, " waarin gamers de ruimte verkennen terwijl ze polygonen rond clusters van cellen tekenen. De celpopulaties die ze traceren, zijn afkomstig van flowcytometriegegevens die normaal door wetenschappers nauwgezet zouden worden bestudeerd om te zien hoe een COVID-infectie verschillende soorten cellen beïnvloedt. Meer dan 327, 000 gamers hebben deelgenomen sinds juni 2020, wetenschappers naar schatting 330 jaar onderzoek besparen.

Misschien zichtbaarder, de inspanningen voor de ontwikkeling van vaccins zijn ook gevoed door vrijwilligers. meer dan 500, 000 mensen hebben zich aangemeld voor de vrijwilligersdienst voor COVID-vaccinonderzoeken in het VK.

Wetenschappelijke opleiding en onderzoeksfinanciering zijn doorgaans niet gericht op inspraak en samenwerking van het publiek. Dat betekent, ondanks het potentieel, het publiek wordt doorgaans uitgesloten van deelname aan wetenschappelijk onderzoek. Als we dit veranderen, kunnen we misschien de knop om de volgende pandemie te voorkomen verleggen en een hele reeks van onze andere complexe uitdagingen aanpakken, zoals klimaatverandering.

Te veel gegevens begrijpen

Naast deze opkomst van burgerwetenschap, 2020 was ook een topjaar voor wetenschappelijk onderzoek, zien een toename van 15% in papieren inzendingen. meer dan 475, Vanaf juni 2021 zijn er 000 COVID-gerelateerde papers en pre-prints online gedeeld.

Deze koortsachtige wetenschappelijke berichtgeving, bijzonder intens op het gebied van gezondheid en geneeskunde, heeft bezorgdheid geuit over de kwaliteitscontrole. Traditionele processen van peer review zijn onder druk komen te staan, met papieren die steeds vaker als pre-prints worden uitgebracht, voordat ze door vakgenoten zijn beoordeeld. In de tussentijd, besluitvormers staan ​​voor de uitdaging om de meest relevante bronnen te vinden in het licht van een overdaad aan informatie.

De gezamenlijke database met gezondheidsgegevens, Epistemonikos, biedt enige verlichting voor deze uitdagingen. Het gebruikt een combinatie van machine learning-algoritmen en crowdvalidatie om alle klinische systematische reviews te identificeren die verband houden met de zoekopdracht die door de gebruiker is ingevoerd.

Vroeger, het werd door beleidsmakers in Chili gebruikt om het proces van volksgezondheidswetgeving te versnellen. Sinds 2020, het team achter Epistemonikos heeft er meer dan 6 geïdentificeerd, 000 systematische reviews met betrekking tot COVID-19 in hun database. Door deze te benadrukken, hebben gezondheidswerkers en besluitvormers te midden van het lawaai gevonden wat ze zoeken.

Het is niet alleen wetenschappelijk onderzoek dat moeilijk te begrijpen is gebleken. De stroom aan gegevens over de pandemie vereist ook een zorgvuldige verzameling, aangezien het vaak uit meerdere bronnen komt en verspreid is over verschillende websites en open databases, waarvan vele verschillende normen en formaten volgen. Gegevens over een crisis zijn alleen nuttig als ze worden gesynthetiseerd en gepresenteerd op een manier die besluitvormers kunnen begrijpen.

Een retrospectief onderzoek toonde aan hoe Google-zoekopdrachten met aan pandemie gerelateerde zoekwoorden, zoals "longontsteking, " had kunnen worden gebruikt om de vroege waarschuwingssignalen van de verspreiding van COVID-19 in Europa op te sporen. Dezelfde bevinding werd bereikt met behulp van Twitter-gegevens, en zou in de toekomst kunnen worden bereikt met gegevens uit draagbare technologie. Voor nu, deze nieuwe gegevensbronnen zijn niet geïntegreerd in bredere surveillance-inspanningen, maar dit zou regeringen kunnen helpen beter te anticiperen op toekomstige crises.

In de VS, het ontbreken van een openbaar beschikbaar systeem voor het verzamelen van COVID-gerelateerde gegevens leidde tot de oprichting van het COVID Tracking Project. Een gemeenschap van meer dan 300 vrijwilligers verzamelde, samengestelde en geanalyseerde gegevensbronnen om de meest uitgebreide openbare informatiebron over COVID in de VS te produceren. Hun inspanningen hielpen bij het verwerken van ondergerapporteerde gegevens over degenen in de langdurige zorg en de incidentie van COVID, georganiseerd naar ras en etniciteit.

Echter, een ander veelbelovend pandemie-initiatief, het project Collective and Augmented Intelligence Against COVID-19 (CAIAC), kwam niet van de grond, ondanks de steun van UNESCO en het Stanford Institute for Human-Centered Artificial Intelligence. De les:het productief combineren van menselijke en machine-intelligentie kan ons helpen om te gaan met overweldigende hoeveelheden gegevens, maar het is niet gemakkelijk. Het creëren en onderhouden van nieuwe wereldwijde data-infrastructuren kost tijd, inspanning en aanzienlijke investeringen.

Diversiteit verbetert collectieve intelligentie

Er is meer dat we kunnen doen om collectieve intelligentie goed te benutten bij toekomstige crises. Meer data helpt zeker, en degenen die die gegevens organiseren, kunnen helpen deze zo snel mogelijk voor de belangrijkste besluitvormers te brengen. Maar wie de beslissingen neemt, is ook belangrijk.

Met de wereld verrast, het lijkt erop dat de besluitvorming over COVID-19 de gebruikelijke modus operandi heeft gevolgd waarbij de stemmen van vrouwen en minderheden worden uitgesloten. Een analyse van 115 COVID-19-besluitvormings- en deskundige taskforces uit 87 landen, inclusief het VK en de VS, ontdekte dat slechts 3,5% gendergelijkheid had in hun lidmaatschap, terwijl 85,2% mannen in de meerderheid waren. Zou de onevenredige impact van COVID-19 op zwarte en etnische minderheden en vrouwen even ernstig zijn geweest als deze deskundigengroepen diverser waren geweest?

De literatuur over collectieve intelligentie heeft lang gewezen op het potentieel van diversiteit bij het oplossen van problemen, maar deze positieve effecten kunnen alleen worden gerealiseerd als instellingen actief op zoek gaan naar verschillende stemmen. Zonder betere manieren te vinden om verschillende perspectieven in de besluitvorming te betrekken, we gaan niet al te enthousiast worden over hoe gelijk de voordelen van de Global Pandemic Radar, en andere toekomstige inspanningen om gegevens en inlichtingen te bundelen, zal worden gevoeld.

Hoewel COVID modellering op basis van AI tot de kern van overheidsbeslissingen heeft verheven, er is nog een lange weg te gaan voordat deze modellen toegankelijk zijn voor gewone mensen - iets wat zou kunnen helpen bij het diversifiëren van de besluitvorming. Dit is waar meer creatieve participatieve methoden, gericht op het helpen van leden van het publiek om de gevolgen van beleidsbeslissingen en collectief gedrag te onderzoeken, kan een rol spelen.

Met het spel van de Corona Minister kunnen mensen de gevolgen van verschillende beleidsinterventies verkennen terwijl ze navigeren door afwegingen tussen volksgezondheid, economie en burgerrechten. Ergens anders, onderzoekers in Denemarken hebben een VR-game-ervaring gecreëerd waarbij burgers door drukke scènes navigeren en infectie proberen te voorkomen. Het doel van de ervaring is om deelnemers te helpen omgaan met de complexiteit van ziekteverspreiding en de rol die vaccinatie speelt.

Vooruitgang boeken in hoe we effectief kunnen denken, samen beslissen en handelen is een gebied dat bijna geen onderzoeksinvesteringen ontvangt. We denken dat het gebruik van AI om de gedistribueerde collectieve intelligentie van grote, diverse groepen is een belangrijke grens voor innovatie, en een enorme kans om de bevolking voor te bereiden op een toekomstige crisis.

Investeer in bottom-up initiatieven

Van ebola tot COVID, we hebben keer op keer geleerd dat crises zowel top-down als bottom-up reacties vereisen. Dus hoewel de Global Pandemic Radar een grote stap voorwaarts is, regeringen die crisispreventie en -bestrijding serieus nemen, moeten beginnen met het ondersteunen van de digitale en sociale infrastructuur die gemeenschappen in staat stelt zelf intelligent te handelen.

in 2020, we zagen hoe bestaande systemen van gemeenschapsactie snel konden draaien om zich op COVID-19 te concentreren. Een daarvan was MetaSUB, een wereldwijd project om microbiële portretten te maken van stedelijke vervoerssystemen dat al bestaat sinds 2015. Met een netwerk van vrijwilligers en wetenschappers in meer dan 100 steden, ze nemen regelmatig uitstrijkjes van treinen en roltrappen, het testen van de pathogenen die ze vinden op eventuele markers van antibioticaresistentie.

Door de pandemie hebben ze snel het MetaCOV-project opgezet, door hun eerdere methodologie toe te passen om te zien hoe microbiële monsters veranderden tijdens de pandemie. Hun gegevens hielpen aan te tonen dat hoe langer COVID-19 op een oppervlak was, hoe kleiner de kans dat iemand ziek zou worden.

Dan is er het FluCast-voorspellingssysteem, die sinds 2015 gebruikmaakt van de "wisdom of crowds" om seizoensgrieptrends voor de Amerikaanse Centers for Disease Control te voorspellen. Het systeem werd in 2020 snel omgevormd tot COVIDCast, die steunt op open databronnen en de deelname van vrijwilligers. COVIDCast biedt nu realtime gegevens over een reeks indicatoren, waaronder het dragen van maskers en COVID-gerelateerde bezoeken aan artsen, om regionale pieken in COVID-infecties en ziekenhuisopnames te voorspellen.

Doordat deze systemen al aanwezig en verbonden waren, konden ze snel worden ingezet om aan dringende nieuwe eisen te voldoen. Veel door de gemeenschap geleide reacties hebben natuurlijk, bleek een cruciale rol te spelen zonder enige bestaande institutionele steun, zoals groepen die persoonlijke beschermingsmiddelen maken voor ziekenhuizen in moeilijkheden, en gemeenschappen in India en Nepal die zuurstofvoorraden en beschikbaarheid van ziekenhuisbedden volgen. Veel van deze nieuwe groepen moeten worden ondersteund, zodat ze in toekomstige noodsituaties snel kunnen mobiliseren.

Daarbovenop, meer proactieve investeringen, in navolging van organisaties zoals het Omidyar Network, moet nu worden gericht op gemeenschapsinfrastructuur. En overheidsinstellingen moeten erkennen dat het momenteel te moeilijk is voor gemeenschapsprojecten om verbinding te maken met instellingen. Als ze worden uitgesloten van formele planning, zulke groepen kunnen hun collectieve intelligentie niet aanbieden voor het collectieve welzijn.

Collectieve intelligentie benutten

Op z'n best, collectieve intelligentie kan ons helpen om met meer vertrouwen op crises te reageren, duidelijkheid en samenwerking. Maar we moeten nu beginnen met het bouwen en versterken van deze schema's en systemen, voor de volgende crisis.

De pandemie is zwaar geweest. Maar het heeft ook onze collectieve intelligentie in de schijnwerpers gezet, hetzij via WhatsApp-groepen in de buurt of internationaal wetenschappelijk onderzoek. Terwijl we op weg zijn naar COVID-herstel, inzetten op nieuwe initiatieven zoals de Global Pandemic Radar, we moeten ervoor zorgen dat deze lessen niet worden vergeten. We moeten nu investeren in de gecombineerde kracht van data, technologie en mensen, die ons zal helpen de volgende uitbraak te voorkomen en de volgende grote crisis van de samenleving het hoofd te bieden.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.