工學部ハルトノ教授 新型コロナウイルス感染癥対策に係る取組みを公開 AIの活用で感染者數を短期予測

 工學部のハルトノ?ピトヨ教授は、特定の國において人口學などを考慮したモデルに頼らず新型コロナウイルスなどの感染者數を短期予測する手法を公開した。研究論文は6月25日、Informatics in Medicine Unlocked, Vol. 20, 100386 (2020) DOI:10.1016/j.imu.2020.100386 に掲載された。

 論文タイトルは「Similarity Maps and Pairwise Predictions for Transmission Dynamics of COVID-19 with Neural Network」。

 ハルトノ教授は、既存のSIRモデルと異なり、感染モデルを必要とせず、特定の國の短期間感染者數予測を行う方法を提案。様々な國での患者數の変動に時間差があることに注目し、各國の感染者數の時間変動(dynamics)を參照することで、予測のターゲットとなる國より早く感染者が増え、その後の変動が類似する國をdynamicsの周期的な構造を反映する自己組織化マップから特定し、その類似國の時間変動を用いてターゲット國の予測を行うことができることを発表した。

 研究には、dynamicsを特定するためにTopological Autoencodersと感染者予測を行う既存のLong Short-term Memory(LSTM)の2つのニュートラルネットワークを用いた。

HPfig1.jpg
Fig.1

fig2.jpg HPfig3.jpg
Fig.2 Fig.3

 人工知能研究開発ネットワークでは、技術について「新型コロナウイルス感染癥対策に係るAIを活用した取り組み」としても掲載されており、治療薬開発、感染シミュレーション、遠隔環境整備など様々な側面で新型コロナウイルス感染癥対策にも貢獻し得る、汎用的でかつ強力な技術のひとつとして紹介された。

 中京大學も參畫している同ネットワークは、日本のAI研究開発などの連攜の機會を提供することを通じてAI研究の活性化を図ることを目的に、人工知能(AI)の研究開発に関する統合的?統一的な情報発信や、AI研究者間の意見交換の推進などを行っている。

◆ 人工知能研究開発ネットワークHP

◆ 參畫研究機関の紹介ページ   

◆ ハルトノ教授の技術ページ    

◆ 論文「Similarity Maps and Pairwise Predictions for Transmission Dynamics of COVID-19 with Neural Network

2020/09/04

  • 記事を共有