IBM表示，它创建了一个系统，以预测食物传播疾病爆发后受污染的食物来源。本公司认为它可以帮助杂货商，经销商和公共卫生官员使用小说计算机算法，可视化和统计技术加速对食物中毒爆发的调查。

解决受污染的食物爆发是一个重要的公共卫生问题。在美国，六人中有一名人为每年受食物传播疾病的影响。这导致128,000名住院治疗，3,000人死亡和90亿美元的医疗费用。加入另外750亿美元的污染食物，必须抛弃。

“人们生病了，商业零售商需要了解来自哪里，”IBM Almaden研究中心的IBM研究中心的公共卫生管理经理James Kaufman在加利福尼亚州圣何塞，在加利福尼亚州的San Jose，在采访中告诉VidtureBeat。

在看完为10例的10例之后，IBM可以对食物中毒爆发的来源进行受过教育的猜测。它的信心，罪魁祸首的食物将在疫情的阶段被犯罪嫌疑人的食物列表，爆发约为95％。这是一个显着的结果，它是最新的案例中的最新情况，其中IBM正在使用其大数据分析能力来预测从采矿失败到疟疾爆发的问题。

IBM的计算工具可以使用每周销售数十亿的超市食品的日期和位置的信息，以确定潜在的“有罪”产品集的高概率。该研究今天发表于同行评审期刊PLOS计算生物学。预测分析基于相同的大数据分析技术游戏开发人员用于预测哪些游戏玩家可能会从移动游戏中删除。

Kaufman表示，由于Johns Hopkins University和德国联邦风险评估研究所（BFR）的报告的同志协调员合作，这项工作是由于合作。当检测到诸如E.coli细菌感染等食物传播的疾病时，识别罪魁祸首食物对于最小化疾病的传播和限制经济损失至关重要。但是检测问题所需的时间可能是几天或数周，紧张公共卫生系统。2011年，德国的大肠杆菌爆发使4000多人生病，剩下50人死亡。在这种情况下，需要两个月的时间来追踪污染来源，德国零售商损失超过1.5亿欧元，或2.05亿美元。

Kaufman表示，零售销售数据的Petabytes从未用于加速污染食物的鉴定。但是，该数据已经记录在零售商和分销商使用的计算机库存系统中。他们在任何特定时间内管理高达30,000个食品，其中3,000个可能易腐。因此，IBM构建了一个系统，它自动识别，上下文化，并显示来自多个源的数据，以减少识别主要罪魁祸首所需的时间。它将预计零售数据与调查人员收集在受害者上的地理编码公共健康数据集成。通过了解受害者的邮政编码和数据报告的数据，系统对不良食物的来源进行了预测。通过每种新案例，该算法学习并重新计算可能导致疾病的每种食物的概率。

但Kaufman小心说IBM无法预测一切。它可以使用该系统相对较大的爆发。到目前为止，这项工作已经采取了大约两年的研究。

“我不想超越这一点，因为我们专注于最大的爆发，”Kaufman说。

IBM正在与美国的公共卫生组织和零售商合作，以扩展研究原型，并开始从该国每周销售的17亿超市项目的信息。

在研究中，科学家使用来自德国的真实食品销售数据，模拟了600种产品的60,000次食品疾病爆发。慢化调查人员的问题是疾病的报告随着时间的推移而涓涓细流。因此，公共卫生官员需要数周才能识别原因。IBM有大约有八个研究人员在圣何塞致力于解决问题，它与各种其他研究人员合作。

IBM正在研究其他方法来检测食物链问题，包括进行遗传扫描。例如，去年，在汉堡包中发现了马肉。Kaufman说，对这种问题的筛选是可能的。