Verbundvorhaben AIOLOS - Artificial Intelligence Tools for outbreak detection and response

Abstract

Derzeitiger Stand von Wissenschaft und Technik - Die COVID-19-Pandemie hat die Entwicklung zahlreicher digitaler Instrumente für die Prognose und Verfolgung des Verlaufs von Epidemien und die Bewertung der Auswirkungen von Maßnahmen sowie der sozioökonomischen Folgen ausgelöst. Ein länderübergreifender, unterschiedliche Datenquellen integrierender und Vorhersagen treffender Ansatz ist derzeit noch nicht verfügbar. Begründung/Zielsetzung der Untersuchung - Im Rahmen des Projekts AIOLOS wurde eine web-basierte multidimensionale Datenplattform entwickelt, die es ermöglicht, frühzeitig Ausbrüche von Infektionserkrankungen der Atemwege zu erkennen (ALERT), die Ausbreitung einer Epidemie und ihre Konsequenzen zu verfolgen (MONITOR) und den Einfluss und die Wirksamkeit verschiedener Interventionen und Maßnahmen zu simulieren, um damit die Entscheidungsfindung auf wissenschaftlicher und politischer Ebene zu unterstützen (DECIDE). Methode - Das AIOLOS Dashboard führt vielseitige Daten unterschiedlicher Quellen aus Deutschland und Frankreich zusammen. Auf diesen Daten aufbauend wurden KI- Modelle entwickelt, um bessere Vorhersagen zum Verlauf des Infektionsgeschehens und zum Einfluss verschiedener Maßnahmen treffen zu können. Ergebnis - Im ALERT Bereich des AIOLOS Dashboard werden Trendanalysen für Zeitreihen unterschiedlicher Indikatoren ausgegeben (z.B.: Abwasserdaten, Social Media Daten). Das Dashboard verfügt ferner über die Modalität, Schwellenwert-basierte Warnungen auszugeben, sowie vor neu auftretenden Virusvarianten zu warnen. Im Bereich MONITOR wurden Modelle zur Extrapolation von Fallzahlen, Hospitalisierungs- und Todesraten entwickelt. Im Bereich DECIDE konnte anhand historischer COVID-19 Daten analysiert werden, wie sich Maßnahmen wie social Distancing und breit angelegte Impfkampagnen auf die Pandemieentwicklung eindämmend ausgewirkt haben, die Übertragbarkeit dieses KI-Modells auf frühe Ausbruchsstadien eines anderen Erregers ist allerdings aufgrund der erregerspezifischen Krankheitsausbreitung unwahrscheinlich. Schlussfolgerung/Anwendungsmöglichkeiten - Der binationale Ansatz hat verdeutlicht, wie stark sich die Datenlage beider Länder unterscheidet und den Bedarf an grenzüberschreitenden Lösungen zur Risikoprävention geschärft. Die sich rasant wandelnden Ausgangslage, bezüglich der Datenverfügbarkeit erschwert zusätzlich die Entwicklung eines stabilen Vorhersagetools. Von großer Bedeutung wäre z.B.: die Einführung eines stetigen und flächendeckenden Abwassermonitoring, um zuverlässige Vorhersagen treffen zu können.

Datei-Upload durch TIB

Current state of science and technology - The COVID-19 pandemic has triggered the development of numerous digital tools for forecasting and tracking the course of the pandemic and assessing the impact of measures and socio-economic consequences. A cross-national approach that integrates different data sources and makes predictions is not yet available. Justification/objective of the study - In the frame of the AIOLOS project, a web-based multidimensional data platform was developed to enable early detection of outbreaks of respiratory infectious diseases (ALERT), to track the spread of an epidemic and its consequences (MONITOR) and to simulate the impact and effectiveness of different interventions and measures to support decision-making at scientific and policy level (DECIDE). Method - The AIOLOS Dashboard brings together a wide range of data from various sources in Germany and France. Based on this data, AI models were developed in order to make better predictions about the course of the infection and the influence of various measures. Result - The ALERT section of the AIOLOS dashboard displays trend analyses for time series of different indicators (e.g. wastewater data, social media data). The dashboard also has the option of issuing threshold-based warnings and warning of newly occurring virus variants. Within MONITOR, models were developed to extrapolate case numbers, hospitalization and death rates. In the DECIDE area, analysis of historical COVID-19 data showed how measures such as social distancing and broad-based vaccination campaigns have had a containment effect on the development of the pandemic, but the transferability of this AI model to early outbreak stages of another pathogen is unlikely due to the pathogen-specific spread of the disease. 5 Conclusion/possible applications - The binational approach has made it clear how much the data situation differs between the two countries and has sharpened the need for cross-border solutions for risk prevention. The rapidly changing initial situation with regard to data availability also makes the development of a stable forecasting tool more difficult. For example, the introduction of continuous and comprehensive wastewater monitoring would be of great importance in order to be able to make reliable predictions.