人工知能が未来の大流行を決定する

Near East University、人工知能モデルを使用、インフルエンザ A H1N1、チクングニア熱、デング熱、クリミア・コンゴ出血熱、エボラ、黄熱病、HIV、インフルエンザ A H3N2、インフルエンザ A H5N1、西ナイル、SARS-CoV のそれぞれについて 1 フィート22 ウイルス. 悪の毎年の予測を行うことによって; どのウイルスがどの年に大規模な流行を引き起こす可能性があるかを明らかにしました。

近東大学は、人工知能と数学的モデルを使用して、他の伝染病がパンデミックに変わるリスクを伴うかどうかなどの質問に明確な答えを与える研究を実施しました。

近東大学教授。 博士Tamer Sanlidag、准。 博士ディルバー・ウズン・オズシャヒン准。 博士センク・セルハン・オズベレル、アシスト。 アソシエイト博士ベルナ・ウズン、アシスト。 アソシエイト博士アブドゥラヒ・ガルバ・ウスマン博士. ナジフェ・スルタノールとDr. Cemile Bağkur の署名のある書斎。 インフルエンザ A H1N1、チクングニア熱、デング熱、クリミア・コンゴ出血熱、エボラ、黄熱病、HIV、インフルエンザ A H3N2、インフルエンザ A H5N1、ウエストナイル、および SARS-CoV-1 ウイルスのそれぞれについて、22 年間の予測が行われています。大流行を引き起こす可能性があるということです。

「デング熱ウイルスは3,5万人、チクングニアウイルスは1,1万人に達する可能性があります」

「人工知能アプリケーションによる将来のアウトブレイクの可能性の予測。 最初に発生したウイルスは? いつ？" 大統領府、首相府、保健省、国民教育省、共和国議会、ニコシアのトルコ共和国大使館の名前で報告された調査。 1 年に約 1 万例のインフルエンザ A H2032N550 ウイルス。 彼は、2037 年に約 1,1 万人の症例を持つチクングニアウイルスと、2042 年に約 3,5 万人の症例を持つデング熱ウイルスが、世界に影響を与える大きな流行を引き起こす可能性があると判断しました。

別の結果によると、HIV 感染の増加は過去と同様に 22 年間継続します。 一方、クリミア・コンゴ出血熱、エボラ出血熱、黄熱病、インフルエンザA H3N2、インフルエンザA H5N1、西ナイル、SARS-CoV-1ウイルスは、パンデミックになる可能性はありません。

教授博士İrfan Suat Günsel: 「人類に対する責任の要件として、過去の経験の結果として作成し、将来の主要な伝染病の可能性を決定するレポートを一般の人々の注意を引くために提示します。」

近東大学理事長 教授博士İrfan Suat Günsel は、Covid-19 パンデミック時の彼らの仕事に言及し、次のように述べています。 「わが国の分析キットは、わが国の保健省に続いて、わが国の保健省によって認可されました。私たちは、この時期に生み出されたニーズに対応するために、呼吸器、移動式、病院用呼吸器などの多くのプロジェクトに取り組みました。」 句を使用した。

「パンデミック期間中、科学者が人工知能と数学的モデルを使用して作成したレポート。 ギュンセル氏は、「私たちは、強力な科学的根拠に基づいて懸念を引き起こす不確実性に答えながら、流行プロセスの管理に関するデータを州に提供することで、非常に重要な任務を果たしました」と述べ、「報告書を提出しました。過去の経験の結果として準備したものであり、将来の主要な伝染病の可能性を決定するものであり、人類に対する責任の要件として一般の人々の注意を引くものです.私たちは提供します. 彼は言った。

「WHO、CDC、ECDC、PAHOからの11のRNAウイルスのデータを、4つの異なるハイブリッド人工知能モデルで分析しました。」

近東大学 学長代行 教授博士Tamer Şanlıdağ は、人工知能モデルが意思決定プロセスにおいて非常に重要な精度に達したことを強調しています。 最初に発生したウイルスは? いつ？" 彼はまた、彼らが報告書のタイトルで報告した研究は、将来の大規模な流行についての重要な結果を明らかにしたと述べた.

研究で使用された 11 の RNA ウイルスの突然変異率、ワクチンの存在、Ro 値、年間の症例数および死亡者数などの基準に関するデータ。 2000 年から 2022 年をカバーする世界保健機関 (WHO)、CDC (疾病管理予防センター)、ECDC (欧州疾病予防センター)、PAHO (汎アメリカ保健機構) などの重要な機関から入手したと述べています。 、教授博士Şanlıdağ 氏によると、「2000 年以降、ウイルスの種類ごとに観測されたデータ、線形回帰 - ガウス過程回帰 (LR-GPR)、線形回帰 - 最小二乗ブースト (LR-LSQBOOST)、線形回帰 - サポート ベクター マシン (LR-SVM) の結果。線形回帰-回帰ツリー (LR-RT) などの 4 つの異なるハイブリッド人工知能モデルを分析することによって得られました。」 言った。

教授博士Tamer Şanlıdağ は、彼らが準備した研究の正確性を 88% から 99% と説明しました。

大流行を引き起こす可能性が最も高いデング熱とチクングニアウイルスが蚊を介して広がることを思い出し、シャンルダーは、地球温暖化と気候変動による気温の上昇により、これらの病気の伝染を加速する宿主の拡散が確実になると警告しました。