Opini

Kecepatan melebihi akurasi sebagai strategi pengujian dapat membantu pengendalian Covid-19: Milind Tambe dengan lebih baik

Kecepatan melebihi akurasi sebagai strategi pengujian dapat membantu pengendalian Covid-19: Milind Tambe dengan lebih baik


MUMBAI:
Penundaan dalam mendiagnosis kasus Covid-19 menggunakan metode RT-PCR dapat mengimbangi efeknya, kekurangan yang dapat dibantu oleh tes yang kurang akurat tetapi lebih cepat seperti tes antigen cepat, studi pemodelan yang dilakukan oleh para peneliti dari Harvard Chan School of Public Health dan Harvard John A Paulson School of Engineering and Applied Sciences telah menemukan. Dalam makalah yang belum ditinjau oleh sejawat, para peneliti menulis bahwa dengan pola kinetika viral load, mereka memodelkan efektivitas surveilans dengan mempertimbangkan sensitivitas tes, frekuensi, dan waktu pelaporan sampel-ke-jawaban. Hasil ini menunjukkan bahwa surveilans yang efektif, termasuk waktu untuk deteksi pertama dan pengendalian wabah, sangat bergantung pada frekuensi pengujian dan kecepatan pelaporan, dan hanya sedikit ditingkatkan dengan sensitivitas pengujian yang tinggi. Para peneliti menyimpulkan bahwa surveilans harus memprioritaskan aksesibilitas, frekuensi, dan waktu sampel-ke-jawaban; batas analitis pendeteksian harus sekunder.

Milind tambe, direktur Center for Research on Computation & Society di Harvard Paulson School of Engineering and Applied Sciences, salah satu penulis studi dalam sebuah wawancara dengan Divya Rajagopal, berbicara tentang detail studi, dan peran ilmuwan komputer dan penggunaan kecerdasan buatan dalam menangani pandemi. Kutipan yang diedit:

Ada perdebatan sengit tentang tes apa yang tepat yang harus dilakukan untuk melawan pandemi. Bisakah Anda memberi tahu kami tentang studi pemodelan yang Anda dan kolega Anda lakukan di Harvard tentang hal ini?

Kerja sama kami adalah dengan Dr Michael Mina (ahli epidemiologi dan imunologi) dari Harvard Chan School of Public Health dan kolaborator lainnya, di mana kami mencoba untuk melihat apa strategi pengujian yang tepat ketika Anda di satu sisi memiliki tes yang akurat untuk viral load rendah tetapi mahal, seperti tes PCR harganya $ 50 dan membutuhkan waktu lebih lama untuk mendapatkan hasil, dan di sisi lain ada tes antigen cepat yang kurang sensitif. Jadi saat universitas terbuka, jika Anda ingin menguji siswa, tes apa yang Anda gunakan? Haruskah Anda membahas akurasi atau kecepatan? Jadi, pemodelan kami menunjukkan bahwa hanya penundaan satu hari untuk mendapatkan kembali hasil tes yang lebih akurat mengalahkan efeknya.

Jadi, kecepatan melebihi akurasi apakah ini yang ditunjukkan oleh pemodelan?

Ya, jadi jika Anda melakukan tes bahkan dengan tes sensitivitas rendah, tes yang kurang akurat, dan jika Anda mendapatkan hasil dengan cepat, itu adalah cara yang jauh lebih baik untuk maju. Itu menarik karena pemodelan ini menunjukkan bahwa Anda tidak perlu menjalani tes standar emas setiap saat. Jadi, bagi universitas yang dapat menguji semua siswa pada frekuensi tinggi dengan biaya tinggi akan menjadi biaya yang luar biasa. Dalam pengaturan seperti itu, meskipun tes cepat bisa jadi kurang sensitif, karena lebih cepat membantu dalam penahanan.

Di India, juga, kami telah menerapkan tes antigen cepat dan ada perdebatan tentang apakah kami melewatkan kasus…

Jadi, argumen lain dari ahli epidemiologi, dan juga sudut pandang Dr. Michael Mina, adalah bahwa ketika Anda menangkap orang dalam kisaran sensitif atau viral load rendah, mereka mungkin tidak menular, jadi Anda mungkin menangkap orang di akhir dari infeksi mereka atau ketika mereka sedang dalam perjalanan menuju pemulihan dibandingkan dengan ketika mereka terinfeksi pada tahap awal. Jadi, tes sensitif mungkin tidak berguna jika hasilnya keluar setelah beberapa hari. Di sini, di AS, menyelesaikan tes, dan mendapatkan kembali hasilnya membutuhkan waktu tiga hingga lima hari. Tetapi argumen utama yang mendukung tes cepat atau titik perawatan seperti tes antigen adalah biaya dan kecepatan. Jadi, saya berharap begitulah caranya.

Bagaimana ahli AI dapat membantu ahli epidemiologi dan pejabat kesehatan masyarakat dalam menangani pandemi?

Beberapa masalah yang kami hadapi adalah tantangan lintas disiplin. Apa yang kami temukan adalah kami dapat membantu upaya pemodelan dan simulasi, dalam memahami dampak dari berbagai tindakan seperti pembukaan kunci. Sebagai ilmuwan komputer dan peneliti AI, kami dapat membuat model terperinci tentang dampak strategi pengujian, yang dapat dilakukan dalam berbagai pengaturan. Kami juga dapat melihat strategi penyebaran vaksin saat mereka masuk.

Dr Tambe. Anda juga memimpin inisiatif AI untuk Kebaikan Sosial di Google Research India, dapatkah Anda memberi tahu kami tentang pekerjaan yang Anda lakukan?

Ada begitu banyak bakat AI di India, beberapa tahun yang lalu saya berada di IIT Patna di sebuah ruangan yang penuh dengan peneliti AI dan pertanyaan utamanya adalah dapatkah kita menggunakan bakat ini untuk kebaikan sosial seperti kesehatan masyarakat, dan tantangan lainnya. Saya melihat peluang menggunakan AI sangat besar di India. Jadi, bagaimana kita membawa para peneliti yang lapar ini untuk membawa pengetahuan mereka untuk memenuhi kebutuhan masyarakat. Jadi, pada tahun 2019 kami mengumpulkan ilmuwan komputer dan organisasi nirlaba bersama untuk mengatasi beberapa tantangan sosial utama, kami mencoba melakukannya dalam skala yang lebih kecil di Google Research India. Jadi, hambatan yang kita lihat adalah menemukan jenis yang cocok, hambatan lainnya adalah data tidak tersedia, jadi itu adalah kesempatan penelitian lain untuk dilihat. Jadi, kami berharap ini dilakukan dalam skala yang lebih besar. Jadi ada banyak peluang menarik dalam menerapkan AI untuk kebaikan sosial dan tidak hanya berlaku di belahan dunia tertentu.


Dipublikasikan oleh : Result HK