Bagaimana Big Data, AI, dan Sensor Canggih Membantu Lawan COVID-19

Pemerintah, profesional kesehatan, dan industri yang menghadapi krisis COVID-19 kini beralih ke tiga mitrakuat: analitik data skala besar, kecerdasan buatan, dan jaringan sensor termal. Teknologi ini membantu mengurangi beban kesehatan publik dan menstabilkan ekonomi global.

COVID-19 termasuk dalam keluarga virus yang sama yang menyebabkan SARS dan flu biasa. Sebagai patogen baru, ia mengejutkan dunia yang tidak siap, dan pengujian awal belum terpadu, sehingga populasi tidak menyadari jumlah kasus lokal dan tidak yakin bagaimana merespons. Dalam hitungan minggu, ahli AI dan ilmu data mengidentifikasi peluang yang jelas: memanfaatkan alat komputasi untuk mendukung epidemiolog dan tim manajemen krisis.

Ilmu data telah lama mendasari intervensi kesehatan publik. Tanggapan wabah yang didorong data pertama kali tercatat kembali ke 1852, ketika John Snow memetakan kematian kolera di London dan menentukan sumber air yang terkontaminasi. Algoritma modern sekarang memperluas warisan itu, menawarkan wawasan waktu nyata tentang penyebaran virus dan langkah kontrol.

Mari Evaluasi Data

Model matematika, seperti kerangka SIR klasik, memperkirakan berapa banyak orang yang akan rentan (S), terinfeksi (I), atau sembuh (R) seiring waktu. Model Kermack–McKendrick, varian dasar, baru-baru ini diterapkan oleh Ettore Mariotti dalam studi Maret 2020 tentang wabah di Italia¹. Konteks COVID-19 memanggil model SEIR yang diperluas yang menambahkan kompartemen “Terkena” (E) untuk menghitung individu yang belum menunjukkan gejala tetapi berinfeksi. Diagram di bawah ini menggambarkan struktur ini.

Gambar 1: Model SEIR (Gambar: triplebyte.com)

Model ini menangkap dua dinamika kritis: karakteristik biologis virus dan pola interaksi manusia. Dari mereka muncul angka reproduksi, R₀, yang memperkirakan berapa banyak infeksi sekunder yang akan dihasilkan oleh satu kasus dalam populasi yang sepenuhnya rentan.

Misalnya, dengan R₀ = 2, satu orang yang terinfeksi akan menyebarkan virus kepada dua orang lain, yang masing-masing akan meninfeksi dua orang lagi, dan seterusnya—mengilustrasikan sifat perkalian transmisi. R₀ dapat divisualisasikan dalam tiga skenario: (1) <1 → penyakit mati; (2) = 1 → keadaan stabil; (3) >1 → pertumbuhan wabah (lihat Gambar 2).

Gambar 2: Skenario dasar R₀ (Gambar: triplebyte.com)

Lockdown, penutupan sekolah, dan pembatasan tempat umum mengurangi kontak sosial dan demikian juga menurunkan R₀. Mencapai R₀ < 1 esensial; jika tidak, penyakit akan terus menyebar. Meskipun R₀ adalah metrik rata-rata—R₀ influenza sekitar 1,3—ia dapat distorsi oleh super-penyebar, yang meninfeksi jumlah kontak yang tidak biasa besar. Mengidentifikasi dan mengisolasi individu ini adalah strategi kunci untuk mengendapkan wabah.

Karena R₀ bersifat dinamis, otoritas bergantung pada model yang didorong AI yang menggabungkan data GPS dari perangkat seluler untuk meramalkan panas dan memprioritaskan intervensi.

Big Data, AI, dan Sensor

Data klinis selama wabah dapat berisik, dengan positif palsu dan pelaporan yang tidak konsisten. Analitik big data dan algoritma machine learning dapat membersihkan dataset, mematuhi karantina, dan mempercepat penemuan obat.

Respons Asia menampilkan berbagai alat digital. Drone yang dilengkapi scanner resolusi tinggi memantau kepatuhan karantina dan memindai suhu tubuh. China dan Taiwan menggunakan kamera pintar yang mendeteksi demam bahkan saat individu memakai masker.

SenseTime Hong Kong telah menerapkan platform deteksi suhu nirkontak di seluruh hub transit dan bangunan publik Beijing, Shanghai, dan Shenzhen. Sistem dapat membaca tanda panas wajah melalui lapisan masker.

Sistem diagnostik AI Alibbag menganalisis scan CT dada dengan akurasi hingga 96%, memungkinkan identifikasi cepat kasus COVID-19. Sementara itu, Graphen, dalam kemitraan dengan Columbia University, menggunakan platform AI Ardi-nya untuk memetakan variasi genom virus, memberikan peneliti alat visual untuk melacak pola mutasi dan data epidemiologis.

Big data juga mendasari pengawasan yang ditingkatkan. Empat metodologi analitik—deskriptif, prediktif, preskriptif, dan otomatis—memandu pengambilan keputusan dari memahami tren masa lalu hingga mengeksekusi respons otonom.

• Analisis deskriptif: meringkas kinerja saat ini dan historis melalui dashboard visual.
• Analisis prediktif: menggunakan model regresi dan peramalan untuk mengantisipasi hasil masa depan.
• Analisis preskriptif: mengidentifikasi strategi optimal berdasarkan wawasan prediktif.
• Analisis otomatis: memicu tindakan otonom dalam waktu nyata, mengikuti hasil analitik.

Alipay Health Code Alibbag memanfaatkan data kesehatan China untuk mengontrol akses ke ruang publik, memberikan izin berwarna berdasarkan profil risiko.

BlueDot berbasis Toronto, startup AI, mengembangkan sistem peringatan dini yang menandai ancaman coronavirus 2019 sebelum pengakuan resmi. Platformnya, yang dibangun pada pemrosesan bahasa alami, secara terus-menerus memindai feed berita global untuk meramalkan penyebaran penyakit.

Insilico Medicine di Maryland menerapkan deep learning untuk mempercepat penemuan obat. AI mereka telah menyaring jutaan molekul untuk potensi antiviral dan sedang mengatur database pengembangan vaksin.

Studi Dampak Ekonomi

Di luar efek kesehatan, COVID-19 telah mengganggu ekonomi global dengan parah. Citra satelit dan AI memungkinkan penilaian cepat aktivitas industri. Peneliti WeBank, misalnya, melacak pabrik baja China: output turun menjadi 29% kapasitas pada 29 Januari 2020, tetapi pulih menjadi 76% pada 9 Februari (Gambar 3).

Gambar 3: Citra satelit menunjukkan penurunan tajam dalam aktivitas industri baja selama awal wabah (Gambar: spectrum.ieee.org)

Sektor lain dipantau dengan menghitung kendaraan di area parkir besar, mengungkapkan bahwa produksi Tesla Shanghai telah sepenuhnya pulih pada 10 Februari, sedangkan objek wisata seperti Shanghai Disneyland tetap ditutup.

Data satelit GPS juga mengukur pola perjalanan, membandingkan lalu lintas Tahun Baru Cina 2019 dan 2020. Sementara 2019 melihat kembali ke volume pra-liburan, lalu lintas 2020 tidak pulih, mengindikasikan gangguan yang berlanjut.

Pada 10 Maret 2020, 75% tenaga kerja telah kembali bekerja, dan proyeksi menunjukkan sebagian besar karyawan China—kecuali Wuhan—akan kembali pada akhir Maret.

Studi kasus ini menggambarkan peran krusial AI dan big data selama krisis kesehatan publik dan memberitahu tentang potensinya sebagai alat standar untuk ketahanan di masa depan.

Referensi

1 Mariotti, E. (2020, Maret 6). Modelling the Covid‑19 Outbreak in Italy.

>> Artikel ini awalnya diterbitkan di situs saudara kami, EE Times Europe.