• nátha
    • A nátha ellen a mai napig nem tudunk mit tenni

      A nátha ellen a mai napig nem tudunk mit tenni

    • Két náthagyógyszert el kellene felejteni - tiltás lehet a végük

      Két náthagyógyszert el kellene felejteni - tiltás lehet a végük

    • Tudományos bizonyítékok támasztják alá a húsleves gyógyerejét

      Tudományos bizonyítékok támasztják alá a húsleves gyógyerejét

  • melanóma
    • Drámai mértékben nő a melanomás esetek száma

      Drámai mértékben nő a melanomás esetek száma

    • Fényvédelem, önvizsgálat és tudás: együtt védenek a bőrrák ellen

      Fényvédelem, önvizsgálat és tudás: együtt védenek a bőrrák ellen

    • A Szigeten is keresd a „rút kiskacsát”!

      A Szigeten is keresd a „rút kiskacsát”!

  • egynapos sebészet
    • Egynapos sebészet Pakson: hamarosan újraindulhat az ellátás?

      Egynapos sebészet Pakson: hamarosan újraindulhat az ellátás?

    • A kecskeméti kórház orvosa lett az Egynapos Sebészeti Tagozat elnöke

    • Egy év alatt több mint 3000 műtét a kecskeméti egynapos sebészeten

      Egy év alatt több mint 3000 műtét a kecskeméti egynapos sebészeten

IK: a járvány terjedését modellezik

Regionális hírek 2020.04.24 Forrás: Unideb.hu
IK: a járvány terjedését modellezik

Helytálló a népegészségügyi kutatók hipotézise, miszerint több csúcsra lehet számítani a görbén.

A mesterséges intelligencia és a gépi tanulás módszereivel jelzik előre a koronavírus-járvány terjedését a Debreceni Egyetem Informatikai Karának kutatói. A több kar közreműködésével készült speciális szoftver folyamatosan modellezi a várható esetszámot és a járvány alakulását - adta hírül az egyetemi portál.

A Népegészségügyi Kar kutatócsoportja által használt módszer jelentette a kiindulási alapot az Informatikai Kar előrejelző szoftveréhez, melynek fejlesztésében az Általános Orvostudományi Kar és a Kenézy Gyula Egyetemi Kórház szakemberei is közreműködtek. A program az informatika legmodernebb módszereivel, a mesterséges intelligencia és a gépi tanulás eszközeinek felhasználásával jósolja meg a koronavírus-járvány alakulását.

- Az időben egymást követő adatokat megjelenítő problémák megoldására vannak klasszikus matematikai modellek, amelyeknél differenciálegyenletek révén kapjuk meg például a görbe várható kifutásának irányát. Ezeknél a matematikusoknak kell meghatározniuk azt az egyenletet, ami leírja a vírus terjedését. Ezzel szemben a mesterséges intelligencia és a gépi tanulás esetében nekünk az adathalmazt kell betáplálni a programban, s ő állapítja meg a járvány viselkedését, majd ez alapján kiszámolja a várható esetszámot – tájékoztatott a módszerről Hajdu András, az Informatikai Kar dékánja, a Komputergrafika és Képfeldolgozás Tanszék vezetője.

A tanszékvezető kifejtette, hogy a szekvenciális adatok feldolgozásához rekurrens neurális háló architektúrát használnak, amelyet a WHO hivatalos adataival töltenek fel.

- Ebben az esetben az optimalizáció jelenti a legnagyobb kihívást, hogy minél pontosabb predikciót nyújtsunk az esetszámról. A kutatás következő fázisában további metaadatokat táplálunk a rendszerbe: az adott térségek regionális sajátosságairól, a meghozott egészségügyi intézkedésekről, korlátozásokról, a karanténok számáról, a népességről, a lakosság egészségügyi állapotáról, hogy még pontosabb legyen az előrejelzés – sorolta Hajdu András.

Az Informatikai Kar kutatói kétféle predikciót készítenek: az egyik a járvány tekintetében előrébb járó kínai adatok alapján számolják ki a vírus terjedését, míg a másik típusban a kínai adatokon kívül, az országspecikfikus jellemzőket is figyelembe veszik. A kutatás eredményeként az Amerikai Egyesült Államok, Nagy-Britannia, Spanyolország, Franciaország, Németország, Olaszország, valamint Magyarország területén modellezik a járvány viselkedését.

- Az már világosan látszik, hogy helytálló a népegészségügyi kutatók hipotézise, miszerint több csúcsra lehet számítani a görbén, ezt erősíti meg a már előrébb járó kínai modell is – jelentette ki Hajdu András tanszékvezető.

A munkában az Informatikai Kar hallgatói is közreműködnek. A publikáció a tervek szerint valamelyik multidiszciplináris tudományos szaklapban jelenik meg, a preprint már elérhető az Informatikai Kar weboldalán, ahol az adott előrejelzések folyamatosan frissítve is megtekinthetőek.