人工智能决定未来的大流行病

近东大学，使用人工智能模型，针对甲型 H1N1 流感、基孔肯雅热、登革热、克里米亚-刚果出血热、埃博拉病毒、黄热病、HIV、甲型 H3N2 流感、甲型 H5N1 流感、西尼罗河和 SARS-CoV 中的每一种 1' 22 病毒。通过每年预测邪恶； 揭示了哪些病毒可以在哪些年份引起重大流行病。

近东大学使用人工智能和数学模型开展了一项研究，明确回答了其他流行病是否有演变成大流行病的风险等问题。

近东大学教授。 博士Tamer Sanlidag，副教授。 博士Dilber Uzun Özşahin，副教授。 博士Cenk Serhan Özverel，助攻。 副教授。 博士伯纳乌尊，助攻。 副教授。 博士阿卜杜拉希·加尔巴·乌斯曼，博士Nazife Sultanoglu 和 Dr. 在带有 Cemile Bağkur 签名的书房中； 对甲型 H1N1 流感、基孔肯雅热、登革热、克里米亚-刚果出血热、埃博拉病毒、黄热病、艾滋病毒、甲型 H3N2 流感、甲型 H5N1 流感、西尼罗河病毒和 SARS-CoV-1 病毒进行了 22 年预测。它可能导致重大流行病。

“登革热病毒可达到 3,5 万例，基孔肯雅病毒可达到 1,1 万例”

“通过人工智能应用预测未来可能爆发的疫情。 哪种病毒最先爆发？ 什么时候？” 该研究以总统府、总理府、卫生部、国民教育部、共和国议会和土耳其共和国驻尼科西亚大使馆的名义进行报告； 1年甲型H1N2032流感病例数约为550万例； 他确定，2037年约1,1万例的基孔肯雅病毒和2042年约3,5万例的登革热病毒可能引发影响全球的大流行病。

另一项结果显示，HIV感染者的增加将在22年内持续，与过去类似。 另一方面，克里米亚-刚果出血热、埃博拉病毒、黄热病、甲型H3N2流感、甲型H5N1流感、西尼罗河病毒和SARS-CoV-1病毒不具备演变成大流行病的潜力。

教授博士İrfan Suat Günsel：“作为我们对人类责任的要求，我们根据过去的经验准备了一份报告，该报告确定了未来可能发生的主要流行病，以引起公众的注意。”

近东大学董事会主席 Prof. 博士İrfan Suat Günsel 在谈到他们在 Covid-19 大流行期间的工作时说：“我们自大流行第一天起就调动所有资源开发的保护性鼻腔喷雾剂 Olirin 是国内和国家的 PCR 诊断和变体我国的分析试剂盒，在我国卫生部之后获得了我国卫生部的许可。我们致力于通过呼吸设备、移动式和医院型呼吸器等许多项目来满足这一时期创造的需求。” 用了这个短语。

“在大流行期间，我们的科学家使用人工智能和数学模型编写的报告； Günsel 说：“我们已经完成了一项非常重要的任务，向我们的州提供了管理流行病过程的数据，并在强有力的科学基础上回答了引起关注的不确定性，”Günsel 补充说，“我们带来了我们的报告，我们已经根据我们过去的经验做好了准备，这决定了未来可能发生的重大流行病，引起公众的注意，作为我们对人类负责的要求。我们提供。” 他说。

“我们用 11 种不同的混合人工智能模型分析了来自 WHO、CDC、ECDC、PAHO 的 4 种 RNA 病毒的数据。”

近东大学代理校长教授博士Tamer Şanlıdağ 强调人工智能模型在决策过程中达到了非常重要的准确率，“利用人工智能应用预测可能爆发的疫情。 哪种病毒最先爆发？ 什么时候？” 他还表示，他们以报告为题进行的研究揭示了关于未来大流行病的重要结果。

有关标准的数据，例如研究中使用的 11 种 RNA 病毒的突变率、疫苗的存在、Ro 值、每年的病例数和死亡人数； 表示他们从世界卫生组织 (WHO)、CDC (疾病控制和预防中心)、ECDC (欧洲疾病和预防中心) 和 PAHO (泛美卫生组织) 等重要机构获得了 2000-2022 年的数据, 教授博士Şanlıdağ，“自 2000 年以来对每种病毒类型观察到的数据，线性回归-高斯过程回归（LR-GPR）、线性回归-最小二乘提升（LR-LSQBOOST）、线性回归-支持向量机（LR-SVM）的结果通过分析线性回归-回归树 (LR-RT) 等 4 种不同的混合人工智能模型获得。” 说。

教授博士Tamer Şanlıdağ 解释说他们准备的研究的准确性为 88% 到 99%。

Şanlıdağ提醒说，最有可能造成重大流行病的登革热和基孔肯雅病毒是通过蚊子传播的，他警告说，全球变暖和气候变化导致的气温升高确保了宿主的传播，从而加速了这些疾病的传播。