雅典讯——佐治亚大学弗兰克林文理学院的一名博士生开发了一个以移动设备优先的人工智能平台，用于改善资源有限地区的疾病监测。简·奥杜姆(Jane Odum)开发的这一工具名为EpiCast，在上个月由谷歌赞助的MedGemma影响力挑战赛中获得一等奖和3万美元奖金。
"我们的教师和/或学生在国家和国际竞赛中获得认可，证明了他们所做的出色工作以及我们项目的质量，"奥杜姆正在攻读博士学位的佐治亚大学计算学院院长加甘·阿格拉瓦尔(Gagan Agrawal)表示。
该竞赛邀请开发者构建以人为本的AI应用程序，以解决复杂的医疗保健问题。超过850支团队参加了此次竞赛。
"简具备将深厚技术专长与实际问题解决相结合的罕见能力，"计算学院教授约翰·米勒(John Miller)表示。"她在EpiCast方面的工作展现了创造具有现实世界影响的应用程序的强烈主动性。"
米勒一直在指导奥杜姆关于用于流行病学预测的基于扩散的生成模型的博士研究，这项工作直接推动了EpiCast的开发。
2020年，西非各地的社区卫生工作者开始注意到如今被称为COVID-19的疾病的预警信号，如发热、咳嗽和呼吸困难，比向国家或世界卫生组织监测系统正式报告早数周。
这些观察结果通常手写在笔记本上，并用多种语言记录，导致在到达官方系统前出现延误。当实验室确认结果到达时，控制疫情的机会已经错过。这一差距促使奥杜姆创建了EpiCast。
新型AI技术助力跨境共享早期疾病检测信息
奥杜姆在尼日利亚出生并长大，2014年埃博拉疫情爆发时她就在那里。
"疾病传播的速度令人恐惧，"她说。"我们教会组织了监测社区症状的程序。当时有太多的恐惧。那次经历是我第一次了解社区卫生工作者的工作，以及他们在实地收集健康信息方面的关键作用。"
当COVID-19疫情出现时，奥杜姆正在尼日利亚探亲。
"到2020年2月尼日利亚官方确认首例病例时，病毒已经开始了传播，"她说。"社区卫生工作者很早就发现了病例，但现有的捕捉和共享信息的系统未能及时将信息传递给正确的人以控制疫情。"
如果你让卫生工作者更容易用他们实际使用的语言报告他们所看到的情况，疾病监测效果会更好，疫情也能更早被发现。
当MedGemma影响力挑战赛宣布时，两次疫情的记忆回到了奥杜姆的脑海中。
她想要构建一个工具，帮助社区卫生工作者使用自己的母语报告，同时监测他们所在地区的症状。
"如果你让卫生工作者更容易用他们实际使用的语言报告他们所看到的情况，"她说，"疾病监测效果会更好，疫情也能更早被发现。"
连接临床观察与正式疾病监测
EpiCast让社区卫生工作者用自己的语言描述患者症状；该系统随后将这些输入转换为符合全球健康标准的结构化临床数据。
它能在几秒钟内识别可能的症状，分配严重程度级别，并将病例映射到标准化的诊断代码。结果是一个将非正式临床观察与正式监测系统连接起来的工具，支持更早发现疫情并更快地做出公共卫生响应。
"即使每位患者等待少量时间，也可能在繁忙的诊所中打乱工作流程，"奥杜姆说。"如果系统不够快速可靠，就不会被使用。"
与许多依赖云计算的传统AI系统不同，EpiCast直接在移动设备上运行。奥杜姆优化了先进的医学语言模型以实现离线功能，将处理时间从几分钟减少到几秒钟，并消除了对可靠互联网连接的需求。
"早期检测对于疫情响应至关重要，"奥杜姆说。"如果我们能够实时捕获社区层面的信号，我们就能改变流行病的进程。"
【全文结束】
