Artificial intelligence is a fundamental tool when reconstructing chains of infection, but it is still a largely unexplored area of research. Nicola Gatti (co-director of the Artificial Intelligence Observatory of Politecnico di Milano), in an interview with the Sole 24Ore, has highlighted two problems. The first is linked to data semantics: different methods of information gathering pollute information quality and flaw attempts to search for patterns. The second is linked to the quantitative scale of the data. This is the first pandemic where we can systematically collect data within a significant time period, although we still do not have any tried and tested tools to interpret the data.

Learning how to reconstruct chains of infection is one of the most pressing requirements to ensure subjects who are either asymptomatic or who have mild symptoms can be promptly identified. The apps currently in use have not been able to circumvent the problem of privacy. Therefore, to (quite rightly) safeguard privacy, part of their infection tracking efficacy has been relinquished: for example, all the information has to be entered spontaneously and homogeneously by users.

Gatti’s research group is developing a new decentralized algorithm to collect localization data from mobile devices. The process is completely automatic, consistent and anonymous, yet uniquely linked to a single user. “The system aims at identifying the users who have the highest probability of having been infected with the virus, reconstructing the chain of infection starting from a diagnosed patient zero. It is basically an epidemiological model on a micro-scale, which treats a group of people (identified because they have been in contact with a patient diagnosed with Covid) as an entire population”. The preliminary results of this method indicate the possibility of limiting infection by between 20 and 50%. The research has been published in preprint at this link: A privacy-preserving tests optimization algorithm for epidemics containment

VERSIONE ITALIANA

L’intelligenza artificiale è uno strumento chiave per ricostruire le catene di contagio, ma è un campo di ricerca ancora molto inesplorato. Nicola Gatti (co-direttore dell’Osservatorio sull’intelligenza artificiale del Politecnico di Milano), in un’intervista al Sole 24Ore, ha evidenziato due problemi. Il primo, legato alla semantica del dato: diversi metodi di raccolta delle informazioni inquinano la qualità dell’informazione e rendono fallaci i tentativi di ricerca di pattern. Il secondo motivo è legato alla dimensione quantitativa dei dati. Quella in corso è la prima pandemia di cui siamo in grado di raccogliere sistematicamente i dati in un arco di tempo significativo e non abbiamo ancora strumenti collaudati per la loro interpretazione.

Una delle necessità più urgenti è imparare a ricostruire le catene di contagio per identificare tempestivamente gli infetti asintomatici o pauci-sintomatici. Le app oggi in circolazione non riescono a aggirare il problema della privacy e, per tutelarla (giustamente), rinunciano a una parte della loro efficacia nel tracciare il contagio: per esempio perché tutte le informazioni devono essere immesse dagli utenti spontaneamente e in modo omogeneo.

Il gruppo di ricerca di Gatti sta sviluppando un nuovo algoritmo decentralizzato che sarebbe in grado di raccogliere i dati geolocalizzati dai dispositivi mobili, in modo automatico, omogeneo e totalmente anonimo ma riconducibile univocamente a un utente. “Il sistema identificherebbe le utenze che hanno una maggiore probabilità di aver contratto il virus, ricostruendo la catena a partire dalla diagnosi di un paziente zero. Si tratta, in sostanza, di un modello epidemiologico in microscala, che tratta un gruppo di persone, identificate dal fatto di avere avuto contatti con un paziente diagnosticato Covid, come una popolazione”. I risultati preliminari di questo metodo indicano la possibilità di limitare il contagio in una misura compresa tra il 20 e il 50%. Lo studio è pubblicato in preprint a questo link: A privacy-preserving tests optimization algorithm for epidemics containment

Questo sito utilizza i cookies per le statistiche e per agevolare la navigazione nelle pagine del sito e delle applicazioni web. Maggiori informazioni sono disponibili alla pagina dell'informativa sulla privacy

Accetto