Titel
Beleidsondersteuning voor het managen van COVID met behulp van Artificiële Intelligentie (Onderzoek)
Abstract
Recent is er belangrijke vooruitgang geboekt betreffende
epidemiologische modellen. We beschikken momenteel over een
variteit aan modellen, gaande van hoog-niveau
compartimentsmodellen, meta-populatie modelellen,
netwerkmodellen, tot gedetailleerde individu-gebaseerde modellen.
Deze modellen laten ons toe om epidemien te simuleren. Deze
simulaties kunnen dan in combinatie met geavanceerde optimalisatie
technieken die gebruikmakend van Artificile Intelligentie, ihb
Reinforcement Leanrning (RL) ingezet worden om geschikte
preventie en indammingsstrategien te identificeren.
In eerder onderzoek hebben we aangetoond dat RL efficinter en
flexibeler is in vergelijking tot de huidige technieken die worden
aangewend door de epidemiologen. Onze benadering zal toelaten
om te gaan met de onzekerheden van zowel de epidemiologische
parameters als menselijke factoren. De aanpak laat ook toe om
meerdere criteria in rekening te nemen, zoals gezondheid (bv. aantal
ziekenhuisopnames en overlijdens), maar ook economische,
psychologische en sociale factoren, en cognitieve aspecten die
cruciaal zijn voor de effcientie en aanvaarding. Onze multicriteria
aanpak zal ook toelaten om meerder opties aan te bieden aan de
beleidsmakers. We schenken ook aandacht aan de
interpreteerbaarheid van de oplossingen door verder te bouwen op
ons onderzoek rond transparante Reinforcement Learning.
Dit onderzoek zal de basis vormen voor een waardevolle tool als
beleidsondersteuning bij de huidige COVID pandemie.
Periode
01 november 2020 - 31 oktober 2021