AI model može predvideti koje će varijante SARS-CoV-2 verovatno izazvati nove talase infekcije. Sadašnji modeli koji se koriste za predviđanje dinamike virusnog prenosa ne predviđaju širenje specifično za varijantu.
Retsef Levi i njegove kolege proučavali su koji faktori mogu da utiču na širenje virusa na osnovu analize 9 miliona genetskih sekvenci SARS-CoV-2 koje je prikupila Globalna inicijativa za deljenje podataka o ptičijoj influenci (GISAID) iz 30 zemalja, zajedno sa podacima o stopama vakcinacije, stope infekcije i drugi faktori.
Nalazi su objavljeni u časopisu PNAS Nekus.
Obrasci koji su proizašli iz ove analize korišćeni su za izgradnju modela za procenu rizika koji je omogućio mašinsko učenje. Model može otkriti 72,8% varijanti u svakoj zemlji koje će uzrokovati najmanje 1.000 slučajeva na milion ljudi u naredna tri mjeseca nakon perioda posmatranja od samo jedne sedmice nakon otkrivanja.
Ovaj prediktivni učinak se povećava na 80,1% nakon dve nedelje posmatranja. Među najjačim prediktorima da će varijanta postati zarazna su rana putanja infekcija uzrokovanih varijantom, šiške mutacije varijante i koliko se mutacije nove varijante razlikuju od mutacija najdominantnije varijante tokom perioda posmatranja.
Pristup modeliranju bi se potencijalno mogao proširiti kako bi se predvideo i budući tok drugih zaraznih bolesti, prema autorima.
