AWS开源可模拟武汉肺炎传播的AI模型工具集

AWS释出的工具集，让使用者可以以各种区域粒度层级，模拟武汉肺炎（COVID-19）的疫情发展，透过给定一定程度的干预政策，模型会输出目标国家在特定时间内，已确诊病例总数预测。现在AWS将该工具开源给研究人员使用。

不少研究人员正在致力于预测武汉肺炎疫情发展，以预测暴露、康复和具有免疫力人口的百分比，除了现在可以从各组织与机构拿到的武汉肺炎资料之外，研究人员也利用流感、SARS和MERS等类似疾病的历史资料，建构流行病学模型和模拟器。

但AWS提到，要模拟真实世界所有的复杂性，是一件非常困难的事，在建立武汉肺炎预测模型的过程，会遭遇到几项困难，包括必须要考虑影响病毒在国家和人群间传播的参数，也要纳入不同干预政策所带来的影响，像是停课或是禁止外出命令等，再透过其他类似武汉肺炎的疾病，模拟出武汉肺炎的预测模型，毕竟对人类来说，武汉肺炎还是相对未知的疾病，没有其他历史资料可作参考。

现在AWS对研究人员和资料科学家，开源了建模工具集，让使用者能够更方便地建立模型，并且了解武汉肺炎在特定社群的发展，该工具集是由疾病发展模拟器，和几个机器学习模型组合，能够用来测试各种干预政策带来的影响。机器学习模型可以透过评估疾病发展，并将结果与历史资料进行比对，来初始化系统，接着用户就可以使用模型学习到的参数，进行各种不同情境模拟。

AWS在开源工具集中，提供了多个笔记本，可以直接用在美国、欧洲和印度，以州的层级进行情境模拟，这些笔记本使用了各种资料源，包括卡内基美隆大学、约翰霍普金斯大学等，还有Google搜寻与脸书的调查趋势，再加上2009年到2010年的H1N1历史资料。

AWS使用工具集预测多个国家的武汉肺炎疫情趋势，作为工具集使用范例。模拟显示，法国正在面对第2波疫情中的高峰，而这波疫情将会持续约6个月，其模式与H1N1的趋势相似，而美国在3个月内，也将会迎来第2波疫情高峰。印度的疫情发展，与AWS模型模拟预测结果高度相符（下图），也就是说，如果印度仍然维持现有的干预政策，则很快的就会开始第2波疫情，并在明年2月中达到高峰。整体而言，在入秋之后，武汉肺炎疫情的模式，将会更像H1N1。

根据目前人类对武汉肺炎的研究，AWS在模型加入了数项限制，像是模型预期在高斯分布之后，会有多波感染潮，AWS提到，这种模式跟过去流感大流行相符。而目前疾病模型并不能预测死亡率，且由于概率因素，因此模拟的人口规模必须要够大，AWS提到，在模型中假设1个武汉肺炎病患，会传染给3个人，但是最近的研究显示，这个数字会因人群而不同，因此这个数字是可调参数。