Ένα πρωτοποριακό σύστημα που υπολογίζει το ποσοστό μολυσμένων ταξιδιωτών δημιούργησαν από κοινού Έλληνες επιστήμονες το οποίο φάνηκε σημαντικό «εργαλείο» στην μάχη κατά της πανδημίας. Τα υπερ και τα κατά της εφαρμογής που έγινε παράδειγμα για τις άλλες χώρες.
Το πρωτοποριακό μοντέλο σύνθετης τεχνητής νοημοσύνης που τέθηκε σε εφαρμογή σε διάφορες πύλες εισόδου στην Ελλάδα, γνωστό και ως EVA (Εύα), «θα το θυμόμαστε ως ένα από τα καλύτερα παραδείγματα χρήσης δεδομένων στον αγώνα κατά του COVID-19 γράφει μεταξύ άλλων το μεγάλο περιοδικό Nature.
Η ιδεά του Δρακόπουλου και η επικοινωνία με Μητσοτάκη
Είχε μόλις ξεσπάσει η πανδημία όταν ο ερευνητής Κίμων Δρακόπουλος έστειλε e - mail τόσο στον Πρωθυπουργό Κυριάκο Μητσοτάκη, όσο στον επιστημονικό υπεύθυνο της χώρας για την πανδημία ρωτώντας τους αν χρειάζονται κάποια έξτρα συμβουλές από εκείνον και την ομάδα του, ειδικότητα των οποίων είναι η ανάλυση δεδομένων.
Ο Δρακόπουλος εργάζεται στο τμήμα της Επιστήμης των δεδομένων στο Πανεπιστήμιο της Βόρειας Καλιφόρνιας στο Λος Άντζελες και προς έκπληξή του έλαβε απάντηση από τον πρωθυπουργό μέσα σε λίγες ώρες. Εκείνη την περίοδο η Ευρωπαϊκή Ένωση ζητούσε από τα κράτη μέλη εκ των οποίων πολλά είχαν επιβάλλει πολλά lockdown εντός Μαρτίου να περιορίσουν τα ταξίδια τους στα άκρως απαραίτητα και τόνιζαν ότι από τον Ιούλιο και μετά μπορεί να ξεκινήσουν και πάλι. Έτσι η κυβέρνηση ζητούσε βοήθεια για να αποφασίσει πότε και πώς θα μπορούσαν να ανοίξουν με μεγαλύτερη ασφάλεια και πάλι τα σύνορα.
Η Ελλάδα, όπως αρκετές άλλες χώρες δεν είχε την δυνατότητα να κάνει τεστ σε όλους τους ταξιδιώτες, ειδικά σε εκείνους που δεν είχαν συμπτώματα. Έτσι υπήρχε η επιλογή να κάνουν τυχαία τεστ σε επισκέπτες ωστόσο η Ελλάδα επέλεξε να δοκίμασε μια άλλη προσέγγιση, χρησιμοποιώντας την τεχνητή νοημοσύνη.
Έτσι το σύστημα «διαβάζει» και αξιολογεί τις πιθανότητες μόλυνσης
Έτσι από τον Αύγουστο μέχρι και τον Νοέμβριο του 2020 με την βοήθεια του Δρακόπουλου και των συνεργατών του οι αρχές ετοίμασαν ένα σύστημα το οποίο στην ουσία βασίζεται σε έναν αλγόριθμό που μαθαίνει και αξιολογεί ποιοι ταξιδιώτες από όσους μπαίνουν στη χώρα πρέπει να κάνουν τεστ για τη νόσο Covid -19.
Σύμφωνα με τους συγγραφείς της πιλοτικής έρευνας ο σύστημα εκμάθησης που χρησιμοποίησε ο αλγόριθμος ήταν πιο αποτελεσματικό στην ανίχνευση ασυμπτωματικών ασθενών σε σύγκριση με την τυχαία δειγματοληψία ή τα τεστ που βασίζονταν μόνο στο υγειονομικό προφίλ της χώρας προέλευσης του ταξιδιώτη. Σύμφωνα με την ανάλυση των ερευνητών κατά την διάρκεια της καλοκαιρινής περιόδου - όταν αυτή είχε φτάσει πια στο απόγειό της - το σύστημα ανίχνευσε δύο με τέσσερις φορές περισσότερους μολυσμένους ασθενείς σε σύγκριση με τα τυχαία τεστ. Λογικό δεν είναι; Μπορεί να αναρωτηθεί κάποιος ωστόσο.
Τα υπερ και τα κατά
Το σύστημα «Εύα» όμως είναι μοναδικό γιατί είναι ένα ζωντανό παράδειγμα χρήσης των δεδομένων και δείχνει πώς αυτά μπορούν να βελτιώσουν την καθημερινότητά μας. Παρόλα αυτά υπάρχουν ορισμένα εμπόδια και δυσκολίες που μένει να έχουμε κατά του όπως είναι η προστασία των προσωπικών δεδομένων.
Το σύστημα δεν κρατάει μόνο δεδομένα για το ιστορικό του ταξιδιού αλλά και δημογραφικά δεδομένα όπως η ηλικία και το φύλλο του ταξιδιώτη και έπειτα ταιριάζουν τα χαρακτηριστικά του ταξιδιώτη με τα δεδομένα προηγούμενων ταξιδιωτών και χρησιμοποιούν τα αποτελέσματα ώστε να υπολογίσουν τον κίνδυνο μόλυνσης. Έτσι, το σύστημα μπορεί να «διαβάσει» ποιοι πρέπει να κάνουν τεστ κατά προτεραιότητα.
Το σύστημα «Εύα» δημιουργήθηκε σε συνεργασία με δικηγόρους ώστε να διασφαλιστεί ότι δεν αντιβαίνει στο νόμο περί προστασίας των προσωπικών δεδομένων. Τα δεδομένα τα οποία για παράδειγμα οι αεροπορικές εταιρείες χρησιμοποιούν είναι βασισμένα σε προσωπικά στοιχεία τα οποία πρέπει να έχουν ελεγχθεί πρώτα και να έχει δοθεί η απαιτούμενη έγκριση ώστε να τα χρησιμοποιήσουν οι αρχές.
Η επιστήμη των δεδομένων μπορεί να επεκταθεί και σε άλλους τομείς. Για παράδειγμα θα μπορούσε να βοηθήσει στην μείωση της εγκληματικής συμπεριφοράς αλλά από την άλλη μπορεί να κάνει κατάχρηση της ιδιωτικής ζωής των ανθρώπων.
Στο μέλλον αυτό που μένει είναι να βρεθεί η χρυσή τομή, πράγμα το οποίο δεν ακούγεται πολύ εύκολο.
Οι συγγραφείς εκτιμούν πάντως ότι το σύστημα EVA απέτρεψε ένα πρόσθετο ποσοστό 6,7% των μολυσμένων ταξιδιωτών να εισέλθουν στη χώρα μέσω των έγκαιρών αποφάσεών να συμπεριληφθούν χώρες στη γκρι λίστα κατά την περίοδο αιχμής.
Σύμφωνα με όσα αναφέρουν τα αποτελέσματα υποδηλώνουν ότι οι απαγορεύσεις εισερχόμενων ταξιδιωτών σε ολόκληρη τη χώρα βάσει επιδημιολογικών μετρήσεων σε επίπεδο πληθυσμού μπορεί να μην είναι η πιο αποτελεσματική προσέγγιση για την επανέναρξη ασφαλών ταξιδιών και προτείνουν το σύστημα EVA ως εναλλακτικό».
Στην εργασία συμμετείχαν οι εξής καθηγητές:
University of Southern California, Kimon Drakopoulos, Assistant professor the Data Sciences and Operations department at USC Marshall School of Business (1ος συγγραφέας και corresponding author της εργασίας),
Ιατρική Σχολή Θεσσαλίας, Χρήστος Χατζηχριστοδούλου Καθηγητής Υγιεινής και Επιδημιολογίας, Σχολή Επιστημών υγείας, τμήμα Ιατρικής
Ιατρική Σχολή ΕΚΠΑ, Παγώνα Λάγιου, Καθηγήτρια Υγιεινής και Επιδημιολογίας Ιατρικής Σχολής Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, Πρόσεδρη Καθηγήτρια Επιδημιολογίας Παν/μίου Harvard ΗΠΑ,
Γκίκας Μαγιοργκίνης, Επίκουρος καθηγητής, Εργαστήριο Υγιεινής, Επιδημιολογίας και Ιατρικής στατιστικής, Ιατρική Σχολή, , Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, Ελλάδα.
Δημήτριος Παρασκευής, Αναπληρωτής Καθηγητής Επιδημιολογίας – Προληπτικής Ιατρικής, Εργαστήριο Υγιεινής Επιδημιολογίας και Ιατρικής Στατιστικής, Ιατρική Σχολή, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, Ελλάδα,
Σωτήρης Τσιόδρας, Καθηγητής Παθολογίας-Λοιμώξεων, Ιατρική Σχολή, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, Ελλάδα, Δ Πανεπιστημιακή Παθολογική Κλινική, «Πανεπιστημιακό Γενικό Νοσοκομείο Αττικόν», Ελλάδα.
Απόδοση από το https://www.nature.com
