Baca Juga: Teknologi VR Bantu Orang Tua Ini Pahami Prosedur Operasi Anak
Untuk penyaringan itu, komputer membutuhkan suatu algoritma. Grzesiak mengembangkan petunjuk langkah demi langkah itu. Algoritmenya menguji semua kemungkinan kombinasi data sensor dan titik waktu. Itu mencari perbedaan terbesar antara orang yang terinfeksi dan tidak terinfeksi. Salah satu contoh kombinasi yang terbaik: Menjumlahkan detak jantung rata-rata 6 hingga 7 jam setelah terpapar virus dan waktu rata-rata antara detak jantung 7 dan 9 jam setelah terpapar. (Model terbaik sebenarnya lebih kompleks.)
Grzesiak menggunakan beberapa data untuk membuat model komputer. Dia menguji prediksinya di sisa data. Kemudian dia mengulangi proses ini berkali-kali. Model terakhirnya secara akurat memprediksi infeksi sembilan kali dalam setiap 10 virus.
Tantangan selanjutnya
Salah satu tantangannya adalah banyak infeksi virus memiliki gejala yang serupa. Faktanya, banyak hal selain virus memicu gejala yang sama. Contohnya, catat Schultz-Cherry, termasuk keracunan makanan, asma, atau alergi musiman. Demikian pula, detak jantung merespons hal-hal yang tidak ada hubungannya dengan infeksi. Contohnya termasuk olahraga dan film menakutkan.
Terlebih lagi, dalam kehidupan nyata, kita tidak tahu siapa yang terpapar virus dan kapan. Jadi jendela waktu pascapajanan tidak akan diketahui. Orang yang berpotensi terinfeksi mungkin adalah mereka yang datanya melebihi nilai tertentu dalam jangka waktu dua jam. Akan tetapi tim Dunn belum menguji seberapa baik model prediksi akan bekerja dalam pengaturan ini.
Bisakah sistem seperti itu suatu hari nanti mengarah pada orang-orang yang terjangkit COVID-19? Mungkin, kata Benjamin Smarr. Dia adalah seorang bioengineer di University of California, San Diego. Teknologi serupa, katanya, sedang dikembangkan di tempat lain untuk memberikan peringatan dini infeksi itu.
Studi semacam itu terdengar menarik. Namun banyak pekerjaan yang harus dilakukan. Misalnya, catat Smarr, akurasi prediksi 95 persen terdengar bagus. Akan tetapi angka itu berarti “memberi tahu satu dari setiap 20 orang setiap malam bahwa mereka akan terkena flu padahal sebenarnya tidak”.
Smarr mengharapkan peningkatan yang berkelanjutan dalam akurasi prediksi. Model masa depan kemungkinan akan mencakup jenis lain dari perubahan tubuh yang menunjukkan penyakit berkembang. Dan peneliti akan menyempurnakan model tersebut dengan menganalisis seberapa baik mereka memprediksi efek pada ribuan orang.