Angesichts der begrenzten Verfügbarkeit von COVID-19-Impfstoffen bemühen sich die Staaten, zu entscheiden, wer als Erster die Schüsse erhalten soll. In vielen Fällen wird diese Frage jedoch auf der Grundlage lose gekennzeichneter Gruppierungen gefährdeter Bevölkerungsgruppen wie „ältere Menschen“ oder „wesentliche Arbeitnehmer“ geklärt. Obwohl dies einfach klingen mag, ist dieser Ansatz kurzsichtig, da er die unglaublich komplexe Mischung von Faktoren ignoriert, die Menschen einem höheren Gesundheitsrisiko aussetzen und nachweislich zu vermehrten Krankenhausaufenthalten und Mortalität aufgrund von COVID-19 führen.

Eine genaue Bestimmung der Gesundheitsrisiken muss die Grundlage für eine erfolgreiche Impfung sein. Andernfalls werden knappe Ressourcen an die weniger Bedürftigen verschwendet, während der Zugang zu Impfstoffen für die am stärksten gefährdeten Personen blockiert wird.

Wie sollten Staaten die am stärksten gefährdeten Personen präzise identifizieren? Sie müssen nicht nur die Möglichkeit haben, grundlegende demografische Daten zu analysieren, sondern auch die zugrunde liegenden Gesundheitsbedingungen, sozialen und ökologischen Determinanten der Gesundheit sowie die neuesten Forschungsergebnisse zu den Mechanismen des Coronavirus zu berücksichtigen.

Für diese schwierige, aber äußerst wichtige Aufgabe müssen die Staaten den Rat von Ärzten und Forschern an vorderster Front befolgen, die rund um die Uhr daran gearbeitet haben, diese Herausforderung im Bereich der öffentlichen Gesundheit zu lösen. Viele von ihnen sagen, dass das beste Werkzeug, das uns zur Verfügung steht, maschinelles Lernen ist.

Maschinelles Lernen nutzt alle verfügbaren Daten und kann wichtige versteckte Muster erkennen, die sonst unbemerkt bleiben – und uns auf die erhöhten Bedürfnisse von Menschen aufmerksam machen, die sonst durch die Ritzen rutschen könnten. Ich habe dies kürzlich in einem Projekt aus erster Hand gesehen, an dem mein Data Science-Unternehmen Cogitativo und der Versicherer Blue Shield aus Kalifornien beteiligt waren. In den frühen Tagen der Pandemie verstärkte sich Blue Shield of California und bemühte sich, seinen am stärksten von COVID gefährdeten Mitgliedern personalisierte Gesundheitsberatungs- und Unterstützungsdienste anzubieten. Der Versicherer hat uns beauftragt, diese schutzbedürftigen Mitglieder zu identifizieren.

Cogitativo baute eine Plattform für maschinelles Lernen auf, die Faktoren über die Krankengeschichte eines Individuums (insbesondere, ob das Individuum eine bestimmte Grunderkrankung mit hohem Risiko hat) in Kombination mit sozialen Umweltbedingungen und der aktuellsten medizinischen Literatur zu COVID zusammenfasst. 19 und andere Infektionskrankheiten. Diese Faktoren prognostizieren das Risiko gesundheitsschädlicher Folgen einer COVID-19-Infektion.

Viele der Ergebnisse waren überraschend. Das Tool zur Risikobewertung stellte beispielsweise fest, dass Personen, die nicht in unmittelbarer Nähe eines Lebensmittelgeschäfts lebten, ein erhöhtes Risiko hatten, im Krankenhaus, auf einem Beatmungsgerät zu landen oder sogar an COVID-19 zu sterben. Ein weiterer Befund war, dass Personen mit schweren psychischen Problemen einem höheren Risiko ausgesetzt waren. Basierend auf diesen und anderen Erkenntnissen bot Blue Shield of California seinen Mitgliedern verschiedene Dienstleistungen an, darunter kostenlose Essenslieferung, Medikamentenlieferung, Telemedizin und klinische Besuche zu Hause.

Die Lehre aus unserem Projekt in Kalifornien war klar: Wenn Sie sich ausschließlich auf das Alter verlassen oder ein Urteil darüber fällen, ob Mitarbeiter in einer bestimmten Branche einem höheren Risiko ausgesetzt sind, werden gefährdete Bevölkerungsgruppen übersehen und einem unnötigen oder schlimmeren Risiko ausgesetzt.

Dieser fehlerhafte Ansatz für die Zuteilung eingeschränkter Impfstoffvorräte könnte Ungleichheiten verschärfen, die bereits während der Pandemie Farbgemeinschaften verwüstet haben. Latinx- und Afroamerikaner in den USA erkranken dreimal häufiger an dem Virus und sterben doppelt so häufig an dem Virus wie entsprechende weiße Populationen. Wir können zum Beispiel einen wichtigen Risikofaktor wie die Wohnungsdichte, die in städtischen Gemeinden viel größer ist, nicht übersehen. Die Bemühungen zur Verteilung von Impfstoffen müssen dazu beitragen, diese Unterschiede zu verringern und nicht zu vergrößern.

Wenn die am stärksten gefährdeten Personen nicht geimpft werden, kann dies zu vermeidbaren Todesfällen führen. Als jemand, der den Schmerz erlebt hat, seine Familie durch vermeidbare Gesundheitsereignisse zu verlieren, bitte ich die Staaten, jetzt zu handeln, um ihre Strategien zur Verteilung von Impfstoffen zu festigen. Das Virus steigt wieder an. In den letzten Wochen haben Krankenhausaufenthalte in den USA Rekordhöhen erreicht, täglich gemeldete Fälle sind über frühere Aufzeichnungen hinausgegangen, und es gab drei aufeinanderfolgende Tage mit mehr als 2.500 Todesfällen zum ersten Mal. Darüber hinaus warnen Beamte des öffentlichen Gesundheitswesens, dass einige der dunkelsten Tage der Pandemie vor uns liegen.

Die Staaten müssen die modernsten technologischen Instrumente verwenden, die ihnen zur Verfügung stehen. Maschinelles Lernen bietet eine gerechte, präzise und zweckmäßige Möglichkeit, unsere wertvollen Impfstoffvorräte zuzuweisen. Der Einsatz von Wissenschaft und datengesteuerten Entscheidungen kann dazu beitragen, dass Staaten die richtigen Leute zur richtigen Zeit erreichen – und dass kein Amerikaner zurückgelassen wird.

Gary Velasquez ist Mitbegründer und CEO von Cogitativo, einem Data Science-Unternehmen.

Mehr Meinung von Vermögen::

  • Die neuen CEOs von Big Pharma müssen verstärkt Ungleichheiten beim Zugang zu Arzneimitteln beseitigen
  • Kann Joe Biden Amerika wiedervereinigen? Die Antwort liegt in seiner Vergangenheit
  • Warum spielen wir bei COVID noch College-Basketball?
  • Unternehmen, die über Vielfalt sprechen, gehen eher den Weg
  • Wie Biden verhindern kann, dass China sensible militärische Technologie in die Hände bekommt