8、人工智能助力的新冠病毒变异株感染传播最小化模型

人工智能助力的新冠病毒变异株感染传播最小化模型

1. 引言

全球各国正共同对抗新冠病毒的不同变异株，这场疫情给人类带来了巨大灾难，许多人感染甚至死亡，全球的商业、服务业和工业也遭受重创，严重影响了各国的经济发展目标，很多人的生计受到威胁。

2021 年，包括印度在内的许多国家受到新冠疫情第二波的严重冲击，印度部分州和城市的情况尤为危急。不同州的死亡率因医疗设施、居民免疫反应、基础疾病以及疫苗接种情况而异。

在 2020 年疫情第一波时，我们没有可用的疫苗。但目前，已有多种疫苗。疫苗被认为是预防和控制新冠病毒传播的最有效手段，它可以减轻感染的严重程度、降低住院需求并控制总体死亡率。然而，由于部分人群对疫苗存在犹豫情绪，疫苗接种工作在第二波疫情开始时未能达到预期的推进速度。

本文旨在研究疫苗接种对减轻感染严重程度、降低住院率和死亡率的积极影响，同时探究印度部分人群对疫苗犹豫的原因。我们收集了约翰霍普金斯大学系统科学与工程中心（JHU CSSE）的新冠疫情数据，并通过自己的算法创建了数据集，利用深度神经网络（DNN）架构对预测模型进行验证。

1.1 新冠病毒简史

新冠病毒并非新出现的病毒。它源于人类冠状病毒疾病，2002 年在亚洲首次检测到严重急性呼吸综合征冠状病毒（SAR - CoV），会导致严重的呼吸问题。2003 年，全球出现严重呼吸问题，世界卫生组织（WHO）发现了新病毒 SARS - CoV - 1，约 800 人死亡，超 8000 人感染。2012 年 9 月，新的冠状病毒 MERS - CoV 被确认，2015 年在韩国爆发，截至 2019 年 12 月，实验室检测确认约 2500 例病例，其中 851 例死