ความเสี่ยงต่อการเกิดโรคระบาดในพื้นที่

การเรียนรู้ของเครื่องและแบบจำลองการตรวจจับไข้หวัดที่มีประสิทธิภาพสองแบบ โมเดลแรกคือ ARGO ข้อมูลการลงทะเบียนอัตโนมัติพร้อมข้อมูลออนไลน์ทั่วไป ใช้ประโยชน์จากข้อมูลด้านสุขภาพอิเล็กทรอนิกส์การค้นหาของ Google ที่เกี่ยวข้องกับไข้หวัดใหญ่และกิจกรรมไข้หวัดใหญ่ในอดีตในสถานที่ที่กำหนด ในการศึกษา ARGO เพียงอย่างเดียวมีประสิทธิภาพเหนือกว่า Google

แนวโน้มไข้หวัดใหญ่ระบบการคาดการณ์ก่อนหน้าซึ่งดำเนินการตั้งแต่ปี 2008 ถึงปี 2015 เพื่อปรับปรุงความแม่นยำ ARGONet ได้เพิ่มแบบจำลองที่สองซึ่งดึงรูปแบบของการแพร่กระจายเชิงพื้นที่ ชั่วคราวของไข้หวัดใหญ่ในพื้นที่ใกล้เคียง การใช้ประโยชน์จากข้อเท็จจริงที่ว่ามีไข้หวัดใหญ่อยู่ในพื้นที่ใกล้เคียงอาจเพิ่มความเสี่ยงต่อการเกิดโรคระบาดในพื้นที่ที่กำหนด ระบบการเรียนรู้ของเครื่องได้รับการ “ฝึกอบรม” โดยป้อนข้อมูลการพยากรณ์ไข้หวัดจากทั้งสองรุ่นรวมถึงข้อมูลไข้หวัดใหญ่ตามจริงช่วยลดข้อผิดพลาดในการทำนาย ระบบจะประเมินพลังการทำนายอย่างต่อเนื่องของแต่ละวิธีที่เป็นอิสระและทำการประเมินใหม่ว่าข้อมูลนี้ควรนำไปใช้ในการประเมินการปรับปรุงไข้หวัดใหญ่ได้อย่างไร