NAO机器人代理商
机器人新闻
机器学习预测孩子有可能无法接种疫苗
- 越来越多的对疫苗的怀疑引发了麻疹疫情的爆发，影响了纽约市社区，游轮，国际机场甚至谷歌的山景城总部。为了帮助家庭医生接触疫苗犹豫不决的父母，数据科学家已经证明计算机模型如何能够预测个别孩子的父母不会接种疫苗的可能性。
自2016年以来，随着越来越多的人选择不为他们的孩子接种疫苗，世界目睹了麻疹病例和死亡人数的复苏 - 这一决定往往受到通过Facebook和YouTube等社交媒体平台在线传播的错误信息的影响。通过识别最不可能接种疫苗风险的家庭，计算机模型可以使卫生官员和医生在他们仍未确定接种疫苗的阶段与父母交谈。“这可能有用的原因在于，虽然一旦他们下定决心就很难说服某人，但如果我们足够早地了解并以友好的方式接触他们，解释为什么他们的孩子很重要，这可能会更容易。接种疫苗，“ IBM首席分析办公室的数据科学家Tin Oreskovic说 。选择不接种MMR(麻疹，腮腺炎，风疹)疫苗的家庭可能会使其邻居和社区面临严重疾病和死亡的风险。2017年，全球麻疹死亡人数为110,000人。根据世界卫生组织 (WHO)的数据，这些死亡大多数涉及5岁以下的儿童 。 在麻疹疫苗于1963年问世之前，麻疹流行病定期席卷全球，每年造成约260万人死亡。重要的是确保至少95%的人口通过两次疫苗剂量(或有时接触过病毒)获得免疫力。95%的“群体免疫力”阈值限制了麻疹暴发的可能传播，并有助于保护年龄太小而无法接种疫苗的婴儿以及因其他疾病或病症而无法接种疫苗的人。但是，许多国家已经看到第二剂疫苗接种率低于群体免疫阈值，包括2017年世卫组织欧洲区域53个国家中的34个。为了提高疫苗接种率，Oreskovic发起并协调了芝加哥大学社会福利 数据科学 项目，旨在预测克罗地亚儿童在一年级学年结束时接种疫苗的可能性。法国，葡萄牙和美国的研究人员与克罗地亚公共卫生研究所 合作，共同研究了2011年至2018年进入一年级的48,000名儿童的电子健康记录中的机器学习算法。在比较了四种机器学习模型的结果后，研究人员决定采用LASSO逻辑回归模型，该模型确定了72%精确度的疫苗犹豫家族。 该模型将 影响疫苗接种率的大量 可能数据特征修剪至最重要特征中的25个 - 这些特征提高了模型预测能力超过训练数据集中其他儿童群体的机会。(一些提高儿童风险评分的功能包括让孩子坐在，走路，以及比同龄人更晚的时候说话。)同样重要的是，该团队选择了LASSO模型，因为它以人类可以理解的方式呈现儿童风险评分的结果。对于许多机器学习模型而言，我的可扩展性绝不是一个保证，但在这种情况下，它允许 数据科学家和卫生官员理解并相信LASSO模型 将某些家庭单独 列为接种疫苗的风险较高的原因。该项目还创建了一个“早期预警和监测系统”网络仪表板，向国家，县和地方卫生诊所的公共卫生官员和医生提供疫苗接种率和儿童风险评分。 正在考虑的下一个项目可能涉及一项随机对照试验，以确定儿童风险评分是否有助于官员和医生有效地干预疫苗犹豫家庭并提高疫苗接种率。但下一步可能会在2020-2021学年之前发生。在广泛部署这种类型的预测人口分析之前，必须解决一些重要问题。任何将机器学习或相关人工智能技术应用于分析个人健康数据的项目都必须考虑到隐私和安全问题。在这种情况下，Oreskovic的团队和 克罗地亚公共卫生官员 采取了特殊预防措施，以确保儿童的电子健康记录始终是匿名的。研究人员通过克罗地亚公共卫生研究所的在线服务器访问了这些记录，甚至从未下载过任何匿名数据。Oreskovic说，数据科学家要记住的另一个问题是，机器学习和人工智能是否可能识别导致政策制定者对某些社区采取有偏见行为的数据特征。他告诫不要采用部署模型的想法，这些模型突出了克罗地亚研究数据中排除的种族或宗教因素等特征。美国 最近爆发麻疹疫情，主要是由于未接种疫苗的美国居民从国际旅行中返回并在疫苗接种率较低的社区传播疾病。其中包括纽约州罗克兰县和纽约市的一些极端正统犹太人社区。最着名的极端正统拉比们敦促他们的会众接种疫苗，但抗疫苗运动仍然获得了一些牵引力。对美国各地的自由派和保守派社区也有类似的对疫苗的怀疑态度。如果一个计算机模型假设地标记了某些宗教信仰，那么就会增加官员以一种可能使整个宗教团体蒙羞的方式对信息采取行动的风险。“ 问题是：额外的注意力是否会通过偏见或过多的政策干预来伤害社区，” 奥雷斯科维奇说。
- 上一篇：日本发明橡胶履带的送货NAO机器人
- 下一篇： 不是买了机器人就等于实现自动化
