Un modello computerizzato probabilistico di intelligenza artificiale sviluppato presso il Los Alamos National Laboratory ha fornito lo stato più accurato, nazionale, e le previsioni regionali dell'influenza nel 2018 battendo altre 23 squadre nella FluSight Challenge dei Centers for Disease Control and Prevention. Il CDC ha annunciato i risultati la scorsa settimana.

"La previsione accurata delle malattie è simile alle previsioni del tempo in quanto è necessario fornire ai modelli informatici grandi quantità di dati in modo che possano "apprendere" le tendenze, " ha detto Dave Osthus, uno statistico a Los Alamos e sviluppatore del modello informatico, Dante. "Ma è molto diverso perché la diffusione della malattia dipende dalle scelte quotidiane che gli esseri umani fanno nel loro comportamento, come viaggiare, lavarsi le mani, in sella ai mezzi pubblici, interagire con il sistema sanitario, tra l'altro. Sono molto difficili da prevedere".

La FluSight Challenge mira a migliorare la previsione accurata dell'influenza sfidando le istituzioni scientifiche a sviluppare modelli informatici predittivi. Durante la stagione influenzale 2018-2019, 24 diverse squadre hanno partecipato all'iniziativa di previsione dell'influenza, ciascuno presentando 38 diverse previsioni settimanali.

Dante si è dimostrato più efficace degli altri modelli nel prevedere i tempi, picco, e l'intensità a breve termine della stagione influenzale in corso. A differenza di altri modelli, Dante è un modello multiscala, il che significa che combina nazionale, regionale, e dati sull'influenza statale. Facendo la media delle tendenze in queste diverse aree geografiche, utilizza le informazioni dei singoli stati per migliorare le previsioni di altri stati.

Ogni settimana da metà ottobre a metà maggio, Osthus ha presentato un file al CDC che descriveva le previsioni di Dante per l'intera stagione influenzale. "L'invio di ogni settimana della stagione consente ai meteorologi di aggiornare le proprie previsioni alla luce dei dati attuali, in modo simile a come, ad esempio, le previsioni degli uragani vengono aggiornate man mano che l'uragano si sta svolgendo, " Egli ha detto.

Nuovi dati per la stagione influenzale vengono raccolti ogni settimana e integrati nei modelli di previsione. Dante si è rivelato particolarmente utile per la previsione a livello locale, qualcosa che è, secondo Ostus, "accompagnato da significative sfide di dati".

Per questa stagione influenzale, Osthus intende presentare Dante+, una versione aggiornata di Dante che includerà "nowcasting, " che sviluppa e utilizza un modello che mappa il traffico di ricerca di Google per i termini relativi all'influenza sui dati ufficiali sull'attività influenzale.

Quanto a ciò che Osthus prevede per la stagione influenzale di quest'anno, è difficile da dire. "Le previsioni sull'influenza a quest'inizio della stagione sono contrassegnate da una significativa incertezza, " ha detto. "La stagione influenzale di solito non inizia a rivelarsi fino a dopo il Ringraziamento. Non c'è nulla, a questo punto, per suggerire una stagione influenzale molto insolita, il che significa che è probabile che raggiunga il picco tra metà dicembre e fine marzo. Per quanto riguarda l'intensità della stagione influenzale, però, è troppo presto per dirlo".

Kelly Moran (una studentessa di dottorato alla Duke University e, al tempo, uno scienziato ospite in visita a Los Alamos) ha contribuito alla convalida di Dante. Il modello del secondo posto, DBM+, è stato sviluppato anche a Los Alamos con l'aiuto di Reid Priedhorsky, Ashlynn Daughton (studentessa di dottorato presso l'Università del Colorado Boulder), Sara Del Valle, e Jim Gattiker. Il documento di Dante può essere visualizzato qui:https://arxiv.org/abs/1909.13766