Forscher entwickeln KI-Modell, das COVID-19-Variantenwellen vorhersagen kann

Forscher am Massachusetts Institute of Technology (MIT) haben ein künstliche Intelligenz (KI)-Modell entwickelt, das frühzeitig vorhersagen kann, welche SARS-CoV-2-Varianten neue Infektionswellen auslösen könnten. Unter der Leitung von Retsef Levi von der Sloan School of Management des MIT untersuchte das Team die Faktoren, die die virale Übertragung beeinflussen. Sie analysierten einen umfangreichen Datensatz mit 9 Millionen SARS-CoV-2-Gensequenzen aus 30 Ländern, die vom Global Initiative on Sharing Avian Influenza Data (GISAID) stammten. Diese Daten wurden mit Informationen über Impfraten, Infektionshäufigkeiten und anderen relevanten Metriken kombiniert. Die Ergebnisse ihrer Forschung wurden im Journal PNAS Nexus dokumentiert. Aus der Datenanalyse ergaben sich deutliche Muster. Diese Erkenntnisse wurden genutzt, um ein Risikobewertungsmodell auf der Grundlage von maschinellem Lernen zu entwickeln. Bemerkenswerterweise konnte dieses Modell 72,8% der Varianten in einem beliebigen Land identifizieren, die innerhalb von drei Monaten mindestens 1.000 Infektionen pro Million Menschen verursachen könnten, nur eine Woche nach der Entdeckung. Diese Genauigkeit stieg nach zwei Wochen auf 80,1%. Schlüsselindikatoren für das Infektionspotenzial einer Variante sind ihre anfängliche Infektionskurve, Spike-Mutationen und die genetische Abweichung von der vorherrschenden Variante während des untersuchten Zeitraums. „Diese Arbeit bietet einen analytischen Rahmen, der mehrere Datenquellen, einschließlich genetischer Sequenzdaten und epidemiologischer Daten, über maschinelles Lernen nutzt, um verbesserte Frühwarnsignale für das Ausbreitungsrisiko neuer SARS-CoV-2-Varianten zu liefern“, sagten die Forscher in der Studie. Während sie die Notwendigkeit weiterer Untersuchungen betonten, hoben die Forscher die potenzielle Anwendbarkeit ihrer Modellierungsstrategie auf andere Atemwegsviren wie Influenza, Vogelgrippe oder andere Stämme von Coronaviren hervor.

Auswirkungen der Forschung

Die Forschungsergebnisse des MIT-Teams könnten dazu beitragen, frühzeitig auf neue SARS-CoV-2-Varianten zu reagieren und Maßnahmen zur Eindämmung von Infektionswellen zu ergreifen. Durch die Analyse von Millionen von Gensequenzen und anderen relevanten Daten konnten sie ein Modell entwickeln, das das Infektionspotenzial von Varianten vorhersagen kann. Dies könnte dazu beitragen, die Ausbreitung des Virus zu kontrollieren und die Effektivität von Impfprogrammen zu verbessern.

Anwendung auf andere Viren

Die Forscher betonen, dass ihre Modellierungsstrategie nicht nur auf SARS-CoV-2 beschränkt ist, sondern auch auf andere Atemwegsviren angewendet werden kann. Dies könnte dazu beitragen, frühzeitig auf neue Varianten von Influenza, Vogelgrippe oder anderen Coronaviren zu reagieren. Durch die Nutzung von maschinellem Lernen und umfangreichen Datenquellen könnten ähnliche Risikobewertungsmodelle entwickelt werden, um die Ausbreitung dieser Viren zu überwachen und einzudämmen.

Bedeutung für die öffentliche Gesundheit

Die Entwicklung eines Modells, das das Infektionspotenzial von SARS-CoV-2-Varianten vorhersagen kann, hat erhebliche Auswirkungen auf die öffentliche Gesundheit. Frühzeitige Warnungen vor neuen Varianten könnten dazu beitragen, Infektionswellen einzudämmen und die Wirksamkeit von Impfprogrammen zu verbessern. Dies könnte dazu beitragen, die Belastung des Gesundheitssystems zu verringern und Menschenleben zu retten. Die Forschung des MIT-Teams zeigt das Potenzial von künstlicher Intelligenz und maschinellem Lernen bei der Bekämpfung von Pandemien und anderen Gesundheitskrisen

Original Artikel Teaser

Researchers create AI-model that can predict COVID-19 variant waves

Researchers at the Massachusetts Institute of Technology (MIT) have engineered an Artificial Intelligence (AI) model that can anticipate early on which SARS-CoV-2 variants might trigger fresh waves of infections. Under the leadership of Retsef Levi from MIT’s Sloan School of Management, the team delved into the elements influencing viral transmission. They analyzed a vast dataset comprising 9 million SARS-CoV-2 genetic sequences sourced from 30 nations by the Global Initiative on Sharing Avian Influenza Data (GISAID). This data was combined with information on vaccination rates, infection frequencies, and other relevant metrics. Their research outcomes have been documented in the journal PNAS Nexus. From the data analysis, distinct patterns surfaced. These insights were harnessed to construct a risk assessment model powered by

Details zu Researchers create AI-model that can predict COVID-19 variant waves