域名频道资讯站Allergy Insights的主要功能是对每个人15天内发生过敏症状的风险（例如，高，中，低）进行高、中、低预测评估，并自动向用户提示近三天身边过敏原发生情况。
除了这些，Allergy Insights还可以为用户即将发生过敏风险提出预警，并详细阐述最近的周围环境和天气状况如何引发对应过敏，针对花粉过敏原患者，它还可以分析出周围的花粉水平，提供管理过敏或减少接触的技巧，以及与过敏相关的新闻文章和资讯内容。
值得注意的是，Allergy Insights的预测影响因子并不来源于花粉数据。IBM表示：“经过广泛研究，花粉数据和空气质量水平已从预测模型中排除，因为它们对于证明过敏风险的指标不可靠。”
所以，IBM科学家决定根据自身的IBM MarketScan数据训练出一种针对过敏原检测的快速反应的洞察力模型。
IBM MarketScan是IBM医疗团队建立的一个已经脱敏的医疗资源库，其中数据量超过1亿患者，里面包含与发生过敏相关的地点、天气属性、温度、湿度、雨水、风和露水等信息。
因为结合了医疗和过往数据，IBM声称Allergy Insights的预测水平比仅考虑花粉的算法准确度要高出20％至50％，甚至根据不同地区的气候变化给出不同的过敏原风险。
在发布这项产品之前，IBM针对过敏人群做个一项调查，数据显示过去大约有60％的过敏患者都在使用天气预报App预测管理和减轻自己发生过敏的机率。
但是那些应用程序的预测水平并不高，因为他们的数据来源往往参差不齐，导致对树、草、花粉等过敏原的指标没有做出最好的评估和分析。
而IBM研发的这种分析模型，可以根据地理和环境信息分析和统计附近正在生长的植物群，对于过敏原产生时间做出预测，同时根据过往信息，对一年中气候变化而导致的过敏季节变化信息进行统计。
IBM表示：“虽然没有两名过敏患者是同一个人，但提前知道过敏症状风险何时可能发生可以帮助任何人提前计划，并在症状发作之前采取行动。该团队将继续审查花粉数据，并在更可靠的情况下将其包括在内。”
这并不是将AI第一次应用在过敏预测的实际案例，早在2018年，提供健康公司、医学研究人员与C端用户进行联系的Doc.ai 公司就建立了一个过敏预测模型，根据BMI体重指标和用户的身体运动数据预测发生过敏的风险。
此外，德克萨斯州立大学奥斯汀分校的研究人员设计也曾设计一种产品，可以在同一地点测量特定位置的花粉水平。
本文素材来自互联网
