Salgın hastalıkların seyrini önceden tahmin etmek, halk sağlığı planlaması için kritik öneme sahip. Ancak epidemik dinamiklerin karmaşıklığı, bu tahminlerin yapılmasını oldukça zorlaştırıyor. Mevcut mekanik ve istatistiksel yaklaşımlar genellikle çok boyutlu belirsizlikleri yakalamada ve yeni ortaya çıkan eğilimleri tespit etmede yetersiz kalıyor.
Bu soruna yenilikçi bir çözüm getiren araştırmacılar, Influpaint adını verdikleri sistemi geliştirdiler. Bu sistem, görüntü üretiminde kullanılan gürültü giderme difüzyon modellerini salgın tahminlemesine uyarlamış durumda. Sistemin özgün yaklaşımı, grip sezonlarını uzamsal-zamansal görüntüler olarak kodlamak ve bu görüntülerde piksel yoğunluğunun hastalık vaka sayısını temsil etmesini sağlamak.
Influpaint, hem gerçek sürveyans verilerinden hem de simülasyon verilerinden oluşan hibrit bir veri setinden öğrenerek, hastalık dinamiklerinin kapsamlı bir dağılımını kavramayı başarıyor. Tahminleme süreci, kısmi gözlemlerden yola çıkarak eksik kısımları tamamlama görevi olarak tasarlanmış.
Sistemin performans testleri umut verici sonuçlar ortaya koyuyor. Retrospektif değerlendirmelerde, Influpaint'in gerçekçi ve çeşitli epidemik yörüngeler ürettiği ve mevcut topluluk yöntemleriyle rekabet edebilir tahmin doğruluğuna ulaştığı görülüyor. Ayrıca sistem, 2023-2025 ABD Hastalık Kontrol ve Önleme Merkezi'nin FluSight yarışmalarında gerçek zamanlı testlerden de geçiyor.