近来全球新型冠状病毒感染症(COVID-19)确诊人数已超过2000万人,韩国国内确诊人数也急剧增加,与此同时,境外输入确诊人数的扩散趋势也绝不容乐观。
在此背景下,韩国研究团队开发出可预测境外输入确诊人数的相关技术,引发关注。
KAIST19日表示,产业及系统工程系李在吉教授研究团队开发出预测新冠境外输入确诊人数的大数据·人工智能(AI)技术。
李教授团队开发的这项技术,将人工智能(AI)技术应用于海外各国确诊人数和死亡人数、海外各国新冠相关关键词搜索频率、飞往韩国的每日航班数,以及从海外各国入境韩国的漫游客户人数等大数据,预测未来两周的境外输入确诊人数。
新冠确诊人数越是激增,由境外输入引发社区传播的风险也必然随之而来。因此,李在吉教授团队开发的精确境外输入确诊人数预测技术,有望在防疫设施及隔离设施扩充、高风险国家入境者管理政策等方面得到广泛应用。
就读于KAIST知识服务工程研究生院的博士生金敏硕为第一作者,姜俊赫、金度荣、宋焕俊、闵香淑、南英恩、朴东民等学生为第二至第七作者。该研究将于24日在最高权威国际学术会议“ACM KDD 2020”的“AI for COVID-19”分会上发表。
境外输入确诊人数受多种因素影响。一般来说,它与海外各国的新冠风险度成正比,也与从海外各国入境韩国的人数成正比。但由于实时掌握新冠风险度和入境人数存在诸多限制,研究团队成功构建了以易于获取的大数据为基础的人工智能(AI)模型。
研究团队在计算海外各国新冠风险度时,基本上利用了已报告的确诊人数和死亡人数。但由于这些数值受检测数量左右,团队同时将新冠相关关键词搜索频率作为输入数据,实时计算该国的新冠风险度。
此外,由于实时入境人数属机密信息不对外公开,团队通过每日提供的抵韩航班数和漫游客户入境人数进行推算。漫游客户入境人数数据由KT提供,但其仅包含KT客户入境者的局限性,通过一并考虑每日航班数得以解决。
另外,预测境外输入确诊人数还必须高度重视国家间的地理关联性。因为某一特定国家的新冠疫情更容易传播至邻国,国家间的交流也受距离影响。
为解决这一问题,研究团队设计了按国家—大洲构成的地理层级结构学习地理关联性的人工智能(AI)模型,先精确预测来自各大洲的境外输入确诊人数,最终精确预测整体境外输入确诊人数。团队将该人工智能模型命名为“Hi-COVIDNet”。
随后,研究团队用仅约一个半月短期训练数据生成的“Hi-COVIDNet”预测未来两周境外输入确诊人数,结果确认该模型与既有基于时间序列数据的预测机器学习或基于深度学习的模型相比,准确性最高提升35%。
第一作者金敏硕博士生表示:“这项研究是展示最新AI技术可应用于新冠防疫的案例”,“期待它为提升K防疫的地位作出贡献”。
/大田=朴熙润记者 hypark@sedaily.com






