Ilmuwan Ciptakan AI Bisa Prediksi Pandemi, Bagaimana Cara Kerjanya?

Universitas Johns Hopkins dan Universitas Duke menciptakan PandemicLLM, sebuah alat AI berbasis LLM yang dirancang untuk memprediksi penyebaran pandemi.

Untuk mencegah penyebaran pandemi di masa depan sebelum menjadi lebih luas, tim peneliti dari Universitas Johns Hopkins dan Universitas Duke telah menciptakan sebuah alat berbasis kecerdasan buatan yang dikenal sebagai AI generatif bernama PandemicLLM.

Alat ini didasarkan pada large language model (LLM) seperti ChatGPT dan dirancang untuk memberikan prediksi yang lebih akurat mengenai pandemi dari berbagai penyakit menular, termasuk flu burung, cacar monyet, dan RSV, bahkan saat kondisi terus berubah.

"Covid-19 memperjelas betapa rumitnya memprediksi penyebaran penyakit ketika faktor-faktor penting terus berubah," kata Lauren Gardner, seorang ahli pemodelan dari Johns Hopkins yang terlibat dalam penelitian ini, seperti yang dilansir oleh The Independent pada Minggu (8/6).

Artikel ini dipublikasikan dalam jurnal Nature Computational Science, dan menunjukkan bahwa PandemicLLM merupakan terobosan signifikan dalam bidang epidemiologi yang memanfaatkan AI.

Model ini tidak hanya memperhitungkan lonjakan infeksi terbaru dan kebijakan pemerintah, tetapi juga memasukkan data tentang vaksinasi, tingkat rawat inap, karakteristik demografis, serta prevalensi varian virus di masing-masing negara bagian di Amerika Serikat.

Dengan demikian, alat ini diharapkan dapat memberikan wawasan yang lebih mendalam dan membantu dalam pengambilan keputusan yang tepat dalam menangani potensi pandemi di masa depan.

PandemicLLM

Salah satu keunggulan utama dari PandemicLLM terletak pada kemampuannya untuk melakukan perkiraan jangka pendek, yaitu untuk periode satu hingga tiga minggu ke depan.

Ketika diuji secara retrospektif menggunakan data pandemi Covid-19 selama 19 bulan di Amerika Serikat, alat ini menunjukkan hasil yang lebih baik dibandingkan dengan metode prediksi terkemuka yang diterapkan oleh CovidHub milik CDC.

"Biasanya, kita hanya menggunakan data masa lalu untuk memprediksi masa depan," ungkap Hao Yang, asisten profesor teknik sipil dan sistem di Johns Hopkins.

"Namun, itu tidak cukup. Framework baru ini memanfaatkan data real-time untuk menangkap dinamika yang sebenarnya," tambahnya.

Ke depan, tim peneliti memiliki rencana untuk mengeksplorasi bagaimana LLM ini dapat meniru proses pengambilan keputusan individu terkait kesehatan.

Dengan harapan, alat ini dapat memberikan dukungan kepada perancang kebijakan dalam merumuskan strategi yang lebih tepat sasaran dan responsif terhadap perubahan kondisi yang terjadi di lapangan.

Dengan memanfaatkan data terkini, diharapkan bahwa kebijakan yang dihasilkan akan lebih efektif dan relevan dalam menghadapi tantangan kesehatan masyarakat yang dinamis.