Py学习  »  机器学习算法

机器学习或可预测孩子们没有接种疫苗的危险

IEEE电气电子工程师学会 • 4 年前 • 176 次点击  

点击

上方“IEEE电气电子工程师学会”即可订阅公众号。网罗全球科技前沿动态,为科研创业打开脑洞。



由于麻疹的爆发,是的纽约市社区、游轮、国际机场甚至谷歌总部都对疫苗持越来越怀疑的态度。为了帮助家庭医生说服面对给孩子接种疫苗而犹豫不决的父母,数据科学家展示了计算机模型如何预测个别未接种疫苗孩子的发展可能性的。

 

自2016年以来,随着越来越多的人选择不给他们的孩子接种疫苗,全世界的麻疹病例和死亡人数都出现了回升 -- 这一决定经常受到通过Facebook和YouTube等社交媒体平台在线传播的错误信息的影响。通过识别不接种疫苗或可导致的最严重的风险,计算机模型可帮助家庭医生在父母还未决定是否接种疫苗的时候进行讨论。

 

IBM首席分析办公室的数据科学家Tin Oreskovic说:“这种方法之所以有用,是因为一旦人们下定决心,就很难说服他们,但如果我们足够早地了解他们,并以友好的方式向他们解释为什么给他们的孩子接种疫苗很重要,这可能会更容易。”

 

选择不接种MMR(麻疹、腮腺炎、风疹)疫苗的家庭可能使其邻居和社区面临严重疾病和死亡的风险。根据世界卫生组织(WHO)的数据,2017年全世界有11万麻疹死亡病例。在1963年麻疹疫苗问世之前,麻疹疫情经常席卷全球,每年造成大约260万人死亡。

 

非常重要的是,需要确保至少有95%的人口通过两种疫苗剂量(有时是在接触病毒之前)获得免疫是很重要的。95%的“群体免疫”阈值限制了麻疹爆发的可能传播,有助于保护年龄太小无法接种疫苗的婴儿以及因其他疾病或条件而无法接种疫苗的人。但许多国家已经看到二次剂量疫苗接种率低于群体免疫阈值,包括2017年世界卫生组织欧洲区域53个国家中的34个。

 

为了帮助提高疫苗接种率,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结束时接种疫苗的可能性。与克罗地亚公共卫生研究所合作,来自法国、葡萄牙和美国的研究人员共同为2011年至2018年进入一年级的48000名儿童的电子健康记录组成机器学习算法。

 

在比较了四个机器学习模型的结果后,研究人员决定建立一个LASSO逻辑回归模型,该模型确定了对疫苗犹豫不决的家庭,精确度为72%。该模型将大量可能影响疫苗接种率的数据特征删减至25个最重要的特征,这提高了模型预测能力在训练数据集中以外的其他儿童群体中保持的可能性。(一些提高儿童风险评分的特征包括让孩子比同龄人更晚地坐、走路和说话。)

 

同样重要的是,研究小组选择了LASSO模型,因为它以人类能够理解的方式展示了儿童风险评分的结果。对于许多机器学习模型来说,可解释性从来不是一个保证,但在这种情况下,它允许数据科学家和卫生官员理解并信任LASSO模型将某些家庭分为犹豫接种疫苗的更高风险的原因。

 

该项目还创建了一个“预警和监测系统”网络仪表盘,向国家、县和地方诊所级别的公共卫生官员和医生提供接种率和儿童风险评分。下一个正在考虑的项目可能涉及一项随机对照试验,看看儿童风险评分是否有助于官员和医生有效干预对于疫苗犹豫不决的家庭提高疫苗接种率。但下一步很可能会在2020-2021学年之前完成。

 

在这类预测人口分析得到广泛应用之前,必须解决一些重要问题。任何应用机器学习或相关人工智能技术分析个人健康数据的项目都必须考虑隐私和安全问题。在这种情况下,Oreskovic的研究小组和克罗地亚公共卫生官员采取了特别的预防措施,以确保儿童的电子健康记录始终匿名。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这些记录,甚至从未下载任何匿名数据。

 

Orekovic表示,数据科学家需要记住的另一个问题是,机器学习和人工智能是否能够是被数据特征,这些特征有助于决策对某些社区采取有偏见的行动。他警告说,在克罗地亚的研究中,不要采用强调种族或宗教因素等特征的模型。

 

美国最近发生了麻疹疫情,主要是由于未接种疫苗的美国居民从国际旅行返回并在疫苗接种率较低的社区传播该疾病。其中包括纽约州落克兰县和纽约市的一些极端正统的犹太社区。类似的对疫苗的怀疑已经在美国的自由派和保守派社区蔓延开来。

 

如果一个计算机模型确实假想标记了某些宗教信仰,它会增加官员根据信息采取行动的风险,这种方式会使整个宗教团体蒙羞。“问题是:额外的关注是否通过偏见或过多的政策干预伤害了社区,”Oreskovic说。



点击

阅读原文

了解更多详情


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/33525
 
176 次点击