En Global Pandemic Radar ska skapas för att upptäcka nya COVID-varianter och andra framväxande sjukdomar. Leds av WHO, projektet syftar till att bygga ett internationellt nätverk av övervakningsnav, konfigureras för att dela data som hjälper oss att övervaka vaccinresistens, spåra sjukdomar och identifiera nya när de dyker upp.

Detta är onekligen en bra sak. Kanske mer än någon händelse i senare minne, covid-pandemin har tagit hem vikten av att slå samman samhällets kollektiva intelligens och hitta nya sätt att dela den kombinerade kunskapen så snabbt som möjligt.

Som enklast, kollektiv intelligens är den förbättrade kapacitet som skapas när olika grupper av människor arbetar tillsammans, ofta med hjälp av teknik, att mobilisera mer information, idéer och kunskap för att lösa ett problem. Digital teknik har förändrat vad som kan uppnås genom kollektiv intelligens under de senaste åren – kopplar ihop fler av oss, utöka mänsklig intelligens med maskinintelligens, och hjälper oss att generera nya insikter från nya datakällor.

Så vad har vi lärt oss under de senaste 18 månaderna av kollektiv underrättelseverksamhet som kan informera Global Pandemic Radar? Att bygga från covid-krisen, vilka lärdomar kommer att hjälpa oss att fullända sjukdomsövervakningen och svara bättre på framtida kriser?

Folk vill hjälpa forskare

Att reagera på nya och framväxande hot kräver nya metoder för att snabbt fylla data- och bevisluckor. Kollektiva intelligensmetoder som medborgarvetenskap har använts i stor utsträckning inom miljösektorn i flera år, men kunniga forskare såg snabbt möjligheten att använda dessa och andra metoder för att utnyttja allmänhetens aptit att bidra till covid-19-svaret.

Innan läkarna hade tillgång till massgemenskapstester eller exakta prognoser, till exempel, information från allmänheten var en värdefull tidig informationskälla. Till exempel, forskare vid King's College London utvecklade snabbt COVID Zoe symptom tracker-appen, som över 4,6 miljoner människor har bidragit med sina symtom till sedan mars 2020. Dessa data spelade en avgörande roll för att hjälpa oss att förstå hur viruset påverkar olika grupper av människor, avslöjar de många olika covid-19-symtom som människor har upplevt.

Även spelare har spelat sin roll bakom kulisserna. Project Discovery beskrivs som ett medborgarvetenskap "minispel, " där spelare utforskar yttre rymden samtidigt som de ritar polygoner runt kluster av celler. Cellpopulationerna de spårar runt kommer från flödescytometridata som vanligtvis noggrant skulle granskas av forskare för att se hur en covid-infektion påverkar olika typer av celler. Över 327, 000 spelare har deltagit sedan juni 2020, räddar forskarna uppskattningsvis 330 år av forskning.

Kanske mer synligt, vaccinutvecklingsinsatser har också drivits av frivilliga. Över 500, 000 personer anmälde sig till Storbritanniens volontärtjänst för COVID-vaccinstudier.

Vetenskaplig utbildning och forskningsfinansiering är vanligtvis inte inriktad på allmänhetens deltagande och samarbete. Det betyder, trots potentialen, allmänheten är vanligtvis utesluten från deltagande i vetenskaplig forskning. Att ändra detta kan hjälpa oss att ändra ratten för att förhindra nästa pandemi och ta itu med en mängd andra komplexa utmaningar, som klimatförändringar.

Att förstå för mycket data

Parallellt med denna ökning av medborgarvetenskap, 2020 var också ett bra år för vetenskaplig forskning, ser en ökning med 15 % i pappersinlämningar. Över 475, 000 covid-relaterade papper och förtryck har delats online från och med juni 2021.

Denna febriga vetenskapliga rapportering, särskilt intensiv inom området hälsa och medicin, har väckt oro för kvalitetskontroll. Traditionella processer för peer review har kommit under påfrestningar, med papper som alltmer släpps som förtryck, innan de har blivit peer reviewed. Under tiden, beslutsfattare står inför utmaningen att hitta de mest relevanta resurserna inför överbelastning av information.

Databasen för kollaborativ hälsobevis, Epistemonikos, erbjuder en viss lättnad för dessa utmaningar. Den använder en kombination av maskininlärningsalgoritmer och publikvalidering för att identifiera alla kliniska systematiska recensioner relaterade till sökfrågan som användaren angett.

Förr, den användes av beslutsfattare i Chile för att påskynda processen för folkhälsolagstiftning. Sedan 2020, teamet bakom Epistemonikos har identifierat fler än 6, 000 systematiska recensioner relaterade till covid-19 i deras databas. Att lyfta fram dessa har hjälpt vårdpersonal och beslutsfattare att hitta det de letar efter bland bullret.

Det är inte bara vetenskaplig forskning som har visat sig vara svår att förstå. Flöden av data om pandemin har också krävt noggrann sammanställning, eftersom det ofta kommer från flera källor och är utspridda över olika webbplatser och öppna databaser, många av dem följer olika standarder och format. Data om en kris är bara användbar om den syntetiseras och presenteras på ett sätt som beslutsfattare kan förstå.

En retrospektiv studie visade hur Google-sökningar med pandemirelaterade sökord, som "lunginflammation, " kunde ha använts för att upptäcka de tidiga varningstecknen på spridning av covid-19 i Europa. Samma upptäckt uppnåddes med hjälp av Twitter-data, och skulle i framtiden kunna nås med data från bärbar teknologi. Tills vidare, dessa nya datakällor är inte integrerade i bredare övervakningsinsatser, men att göra det kan hjälpa regeringar att bli bättre på att förutse kriser i framtiden.

I USA, frånvaron av ett allmänt tillgängligt system för att samla in covid-relaterad data ledde till skapandet av covid-spårningsprojektet. En gemenskap med över 300 frivilliga samlade, kurerade och analyserade datakällor för att producera den mest omfattande offentliga informationskällan om covid i USA. Deras ansträngningar hjälpte till att bearbeta underrapporterade data om personer i långtidsvård och förekomsten av covid organiserad efter ras och etnicitet.

Dock, ännu ett lovande pandemiinitiativ, projektet Collective and Augmented Intelligence Against COVID-19 (CAIAC), misslyckades med att komma från marken, trots stöd från UNESCO och Stanford Institute for Human-Centered Artificial Intelligence. Lärdomen:att produktivt kombinera mänsklig och maskinell intelligens kan hjälpa oss att hantera överväldigande mängder data, men det är inte lätt. Att skapa och underhålla nya globala datainfrastrukturer tar tid, ansträngning och betydande investeringar.

Mångfald förstärker den kollektiva intelligensen

Det finns mer vi kan göra för att korrekt utnyttja den kollektiva intelligensen när vi står inför framtida kriser. Mer data hjälper verkligen, och de som organiserar denna data kan hjälpa till att lägga fram den inför viktiga beslutsfattare så snabbt som möjligt. Men vem som fattar besluten spelar också roll.

Med världen överraskad, Det verkar som att beslutsfattandet inom covid-19 följde det vanliga sättet att utesluta kvinnors och minoriteters röster. En analys av 115 beslutsfattande och expertgrupper för covid-19 från 87 länder, inklusive Storbritannien och USA, fann att bara 3,5 % hade jämställdhet mellan könen i sitt medlemskap, medan 85,2 % var majoritetsmän. Skulle den oproportionerliga effekten av covid-19 på svarta och etniska minoritetsgrupper och kvinnor ha varit lika allvarlig om dessa expertgrupper hade varit mer olika?

Den kollektiva intelligenslitteraturen har länge pekat på potentialen för mångfald i problemlösning, men dessa positiva effekter kan bara realiseras om institutionerna aktivt söker upp en mängd olika röster. Utan att hitta bättre sätt att föra in olika perspektiv i beslutsfattande, vi kommer inte att bli alltför exalterade över hur lika fördelarna med Global Pandemic Radar, och andra framtida ansträngningar för att slå samman data och intelligens, kommer att kännas.

Medan COVID har lyft AI-aktiverad modellering till hjärtat av regeringsbeslut, det är fortfarande en lång väg att gå innan dessa modeller är tillgängliga för vanliga människor – något som kan hjälpa till att diversifiera beslutsfattandet. Det är här mer kreativa deltagande metoder, syftar till att hjälpa allmänheten att utforska konsekvenserna av politiska beslut och kollektiva beteenden, kan ha en roll att spela.

Corona Minister-spelet låter människor utforska konsekvenserna av olika politiska ingripanden när de navigerar i avvägningar mellan folkhälsa, ekonomin och medborgerliga rättigheter. Någon annanstans, forskare i Danmark har skapat en VR-spelupplevelse där medborgare navigerar genom myllrande scener och försöker undvika infektion. Syftet med upplevelsen är att hjälpa deltagarna att engagera sig i komplexiteten av sjukdomsspridning och den roll som vaccination spelar.

Att göra framsteg i hur vi effektivt kan tänka, besluta och agera tillsammans är ett område som nästan inte får några forskningsinvesteringar. Vi tror att vi använder AI för att få ut det mesta av den distribuerade kollektiva intelligensen hos stora, olika grupper är en viktig gräns för innovation, och en enorm möjlighet att förbereda befolkningen för en framtida kris.

Investera i bottom-up-initiativ

Från ebola till covid, vi har gång på gång lärt oss att kriser kräver både top-down och bottom-up-svar. Så även om Global Pandemic Radar är ett stort steg framåt, regeringar som menar allvar med krisförebyggande och krishantering måste börja stödja den digitala och sociala infrastrukturen som gör det möjligt för samhällen att agera intelligent själva.

År 2020, vi såg hur befintliga system för samhällsåtgärder kunde svänga snabbt för att fokusera på covid-19. En av dem var MetaSUB, ett globalt projekt för att bygga mikrobiella porträtt av urbana transitsystem som har funnits sedan 2015. Med ett nätverk av frivilliga och forskare i över 100 städer, de tar regelbundna svabbar från tåg och rulltrappor, testa patogenerna de hittar för eventuella markörer för antibiotikaresistens.

Pandemin såg dem snabbt starta MetaCOV-projektet, tillämpar sin tidigare metod för att se hur mikrobiella prover förändrades under pandemin. Deras data hjälpte till att visa att ju längre COVID-19 var på en yta, desto mindre sannolikt var det att göra någon sjuk.

Sedan finns det FluCast-prognossystemet, som har utnyttjat "massornas visdom" för att förutsäga säsongsbetonade trender för influensa för US Centers for Disease Control sedan 2015. Systemet omvandlades snabbt till COVIDCast 2020, som förlitar sig på öppna datakällor och volontärers deltagande. COVIDCast erbjuder nu realtidsdata över en rad indikatorer – inklusive maskbärande och covid-relaterade besök hos läkare – för att förutse regionala toppar i covid-infektioner och sjukhusvistelser.

Att dessa system redan fanns och anslutna gjorde att de snabbt kunde sättas in för att möta pressande nya krav. Många samhällsledda svar har, självklart, visade sig spela en viktig roll utan något befintligt institutionellt stöd, som grupper som skapar PPE för kämpande sjukhus, och samhällen i Indien och Nepal spårar syretillförsel och tillgång till sjukhussängar. Många av dessa nya grupper bör få stöd så att de snabbt kan mobiliseras i framtida nödsituationer.

Dessutom, större proaktiva investeringar, efter ledning av organisationer som Omidyar Network, bör nu riktas mot samhällsinfrastruktur. Och statliga institutioner bör erkänna att det för närvarande är för svårt för samhällsprojekt att ansluta till institutioner. Om de utesluts från formell planering, sådana grupper kan inte erbjuda sin kollektiva intelligens för det kollektiva bästa.

Utnyttja kollektiv intelligens

När det är som bäst, kollektiv intelligens kan hjälpa oss att reagera på kriser med större självförtroende, tydlighet och samarbete. Men vi måste börja bygga och förstärka dessa system och system nu – innan nästa kris.

Pandemin har varit tuff. Men det har också satt vår kollektiva intelligens under rampljuset, oavsett om det är genom WhatsApp-grupper i grannskapet eller internationell vetenskaplig forskning. När vi går mot COVID-återhämtning, vi satsar på nya initiativ som Global Pandemic Radar, vi måste se till att dessa lärdomar inte glöms bort. Vi måste nu investera i den kombinerade kraften av data, teknik och människor, som kommer att hjälpa oss att undvika nästa utbrott och motverka samhällets nästa stora kris.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.