كيف يمكن للذكاء الاصطناعي توقع الفيروسات التاجية ومكافحتها في المستقبل – رأي

تنبؤ BlueDot بالذكاء الاصطناعي

في 6 يناير، أبلغت مراكز السيطرة على الأمراض والوقاية منها في الولايات المتحدة (CDC) الجمهور بأن هناك تفشيًا لمرض شبيه بالإنفلونزا في مدينة ووهان، في مقاطعة هوبي الصينية. بعد ذلك، أصدرت منظمة الصحة العالمية (WHO) تقريرًا مشابهًا في 9 يناير.

على الرغم من أن هذه الاستجابات قد تبدو في الوقت المناسب، إلا أنها كانت بطيئة مقارنة بشركة الذكاء الاصطناعي تسمى BlueDot. أصدرت BlueDot تقريرًا في 31 ديسمبر، قبل أسبوع كامل من إصدار CDC معلومات مماثلة.

ومما يثير الإعجاب أكثر، تنبأت BlueDot بتفشي فيروس زيكا في فلوريدا قبل ستة أشهر من أول حالة في عام 2016.

ما هي بعض مجموعات البيانات التي تحليلها BlueDot؟

• مراقبة الأمراض، وتشمل مسح 10,000+ من المصادر الإعلامية العامة في أكثر من 60 لغة.
• بيانات ديموغرافية من التعدادات الوطنية والتقارير الإحصائية الوطنية. (كثافة السكان هي عامل وراء انتشار الفيروس)
• بيانات مناخية في الوقت الفعلي من ناسا وNOAA وغيرها. (تنتشر الفيروسات بشكل أسرع في ظروف بيئية معينة)
• ناقلات الحشرات وذخائر الحيوانات (مهمة عندما يمكن للفيروس الانتشار من loài إلى أخرى).

تعمل BlueDot حاليًا مع وكالات حكومية مختلفة، بما في ذلك الشؤون العالمية في كندا، ووكالة الصحة العامة في كندا، والرابطة الطبية الكندية، ووزارة الصحة في سنغافورة. يرسل منتج BlueDot Insights تنبيهات أمراض معدية في الوقت الفعلي. بعض المزايا وراء هذا المنتج تشمل:

• تقليل خطر التعرض للعاملين في مجال الرعاية الصحية
• الرؤية العالمية تتيح توفير الوقت في مراقبة الأمراض المعدية
• فرصة لنقل المعلومات الحاسمة بوضوح قبل فوات الأوان.
• القدرة على حماية السكان من العدوى

كيف يمكن تحسين قابلية الذكاء الاصطناعي للتنبؤ

ما الذي يمنع الذكاء الاصطناعي BlueDot والذكاء الاصطناعي المماثل من التحسين؟ العامل المحدد الرئيسي هو عدم القدرة على الوصول إلى البيانات الكبيرة في الوقت الفعلي.

تعتمد هذه الأنظمة التنبؤية على تغذية البيانات الكبيرة إلى شبكة عصبونية اصطناعية (ANN)، التي تستخدم التعلم العميق للبحث عن الأنماط. كلما زادت البيانات التي يتم تغذيتها إلى هذه الشبكة العصبونية، أصبحت خوارزمية التعلم الآلي أكثر دقة.

هذا يعني بشكل أساسي أن ما يمنع الذكاء الاصطناعي من القدرة على إخطار تفشي محتمل في وقت مبكر هو ببساطة عدم القدرة على الوصول إلى البيانات اللازمة. في بلدان مثل الصين التي تراقب وتفلتر الأخبار بانتظام، يتم تعزيز هذه التأخيرات في البيانات اللازمة. عملية التصفية لكل نقطة بيانات يمكن أن تقلل بشكل كبير من كمية البيانات المتاحة، وحتى تقليل دقة هذه البيانات، مما يزيل الفائدة المحتملة من هذه البيانات. البيانات المعيبة كانت أيضًا سبب فشل الجهود السابقة مثل Google Flu Trends (GOOGL ).

بمعنى آخر، المشكلة الرئيسية التي تمنع أنظمة الذكاء الاصطناعي من التنبؤ بتفشي المرض في وقت مبكر هو تدخل الحكومات. تحتاج الحكومات مثل الصين وإدارة ترامب الحالية إلى إزالة نفسها من أي نوع من تصفية البيانات، وتتمكن من الوصول الكامل إلى الصحافة لتقديم تقارير حول قضايا الصحة العالمية.

مع ذلك، يمكن للمراسلين العمل فقط مع المعلومات المتاحة لهم. تجاوز تقارير الأخبار وصولًا إلى المصادر مباشرة سوف تمكن أنظمة التعلم الآلي من الوصول إلى البيانات بطريقة أكثر سرعة وفعالية.

ما يتعين فعله

بدءًا من الآن، يجب على الحكومات التي تريد حقًا تقليل تكاليف الرعاية الصحية ومنع تفشي المرض أن تبدأ بمراجعة إلزامية لكيفية توزيع عياداتها ومراكزها الصحية لبعض النقاط البيانية في الوقت الفعلي إلى المسؤولين والمراسلين وأنظمة الذكاء الاصطناعي.

يمكن إزالة المعلومات الخاصة للأفراد بشكل كامل من كل مريض، مما يسمح للمريض بالبقاء مجهول الهوية بينما يتم مشاركة البيانات المهمة.

شبكة من المستشفيات في أي مدينة تجمع البيانات في الوقت الفعلي وتشارك هذه البيانات سوف تكون قادرة على تقديم رعاية صحية متفوقة. على سبيل المثال، يمكن تتبع أن مستشفى معين أظهر زيادة في المرضى الذين يعرضون أعراض شبيهة بالإنفلونزا، مع 3 مرضى في الساعة 10:00 صباحًا، إلى 7 مرضى في الساعة 1:00 مساءً ، إلى 49 مريضًا بحلول الساعة 5:00 مساءً. يمكن مقارنة هذه البيانات بالمستشفيات في نفس المنطقة، من أجل إصدار تنبيهات فورية بأن منطقة معينة هي منطقة ساخنة محتملة.

بمجرد جمع هذه المعلومات وتجميعها، يمكن للنظام الذكاء الاصطناعي أن يؤدي تنبيهات إلى جميع المناطق المجاورة بحيث يمكن اتخاذ الاحتياطات اللازمة.

على الرغم من أن هذا سيكون صعبًا في بعض المناطق من العالم، إلا أن البلدان التي لديها مراكز ذكاء اصطناعي كبيرة وكثافة سكانية صغيرة مثل كندا يمكنها إنشاء نظام متقدم مثل هذا. لدى كندا مراكز ذكاء اصطناعي في أكثر المقاطعات اكتظاظًا بالسكان (واترلو وتورونتو، أونتاريو، ومونتريال، كيبيك). يمكن تمديد مزايا التعاون بين المستشفيات والتعاون بين المقاطعات لتقديم مزايا أخرى مثل الوصول السريع إلى الرعاية الطبية الطارئة وتقليل إنفاق الرعاية الصحية. يمكن لكندا أن تصبح رائدة في الذكاء الاصطناعي والرعاية الصحية، وترخيص هذه التكنولوجيا لولايات قضائية أخرى.

الأهم من ذلك كله، بمجرد أن يكون لديها نظام في مكانها، يمكن لكندا استنساخ التكنولوجيا / الأساليب وتصديرها إلى مناطق أخرى. في النهاية، الهدف سيكون تغطية العالم بأكمله، لضمان أن تكون التفشيات شيء من الماضي.

تجميع البيانات هذا من قبل العاملين في مجال الرعاية الصحية له فوائد لعدة تطبيقات. لا يوجد سبب لماذا يجب على المريض في عام 2020 أن يسجل نفسه في كل مستشفى على حدة، وأن هذه المستشفيات لا تتحدث إلى بعضها البعض في الوقت الفعلي. يمكن أن يؤدي نقص الاتصال هذا إلى فقدان البيانات للمرضى الذين يعانون من الخرف أو أعراض أخرى قد تمنعهم من التواصل بكامل وضوح حالتهم، أو حتى مكان آخر تم علاجهم.

الدروس المستفادة

نأمل أن تستفيد الحكومات في جميع أنحاء العالم من الدروس المهمة التي يعلمنا إياها فيروس كورونا. يجب على البشرية أن تعتبر نفسها محظوظة لأن فيروس كورونا له معدل إماتة نسبيًا معتدل مقارنة بالعوامل المعدية الأخرى في الماضي مثل الموت الأسود الذي يقدر أنه قتل 30٪ إلى 60٪ من سكان أوروبا.

المرة القادمة قد لا نكون محظوظين، ما نعرفه حتى الآن هو أن الحكومات غير مجهزة حاليًا للتعامل مع شدة تفشي المرض.

BlueDot تم إنشاؤها في أعقاب تفشي السارس في تورونتو في عام 2003 وأطلقت في عام 2013. كان الهدف هو حماية الناس في جميع أنحاء العالم من الأمراض المعدية بالذكاء الاصطناعي والبشر. أظهر مكون الذكاء الاصطناعي قدرة ملحوظة على توقع مسار الأمراض المعدية، ما تبقى هو المكون البشري. نحن بحاجة إلى سياسات جديدة في مكانها من أجل تمكين الشركات مثل BlueDot من التميز في ما تفعله أفضل. كما أننا بحاجة إلى المزيد من السياسيين ومقدمي الرعاية الصحية.