كيف يمكن للذكاء الاصطناعي التنبؤ بفايروس كورونا ومنع الأوبئة المستقبلية – رأي

تنبؤ BlueDot AI

في السادس من يناير، أبلغت مراكز السيطرة على الأمراض والوقاية منها في الولايات المتحدة (CDC) العامة بأن هناك تفشيًا لمرض شبيه بالإنفلونزا في مدينة ووهان، في مقاطعة هوبي في الصين. بعد ذلك، أصدرت منظمة الصحة العالمية (WHO) تقريرًا مشابهًا في التاسع من يناير.

قد يبدو أن هذه الاستجابات متأخرة بعض الشيء، خاصة عند مقارنتها بشركة الذكاء الاصطناعي التي تسمى BlueDot. أصدرت BlueDot تقريرًا في الحادي والثلاثين من ديسمبر، قبل أسبوع كامل من إصدار CDC معلومات مشابهة.

مما يزيد الأمور إثارةً، قامت BlueDot بالتنبؤ بتفشي فايروس 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+ مصدر إعلامي عام 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. (ينتشر الفيروس بسرعة أكبر في ظروف بيئية معينة)
• ناقلات الحشرات والمخازن الحيوانية (مهمة عندما يمكن أن ينتشر الفيروس من نوع إلى آخر).

تعمل BlueDot حاليًا مع وكالات حكومية مختلفة، بما في ذلك الشؤون العالمية في كندا، ووكالة الصحة العامة في كندا، والجمعية 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 في الخط الأمامي
• توفير الوقت في مراقبة الأمراض المعدية على الصعيد العالمي
• فرصة لنقل المعلومات الحيوية بوضوح قبل فوات الأوان.
• القدرة على حماية السكان من العدوى

كيف يمكن تحسين قابلية الذكاء الاصطناعي للتنبؤ

ما الذي يمنع نظام BlueDot AI ومثيلاته 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)، والتي تستخدم التعلم العميق للبحث عن الأنماط. كلما زادت البيانات التي يتم تغذيتها إلى ANN، زادت دقة خوارزمية التعلم الآلي.

هذا يعني أساسًا أن ما يمنع الذكاء الاصطناعي من القدرة على وضع علامة على تفشي محتمل قبل فوات الأوان هو ببساطة عدم الوصول إلى البيانات اللازمة. في بلدان مثل الصين التي تراقب وتفلتر الأخبار بانتظام، تكون هذه التأخيرات في البيانات اللازمة أكثر وضوحًا. يمكن لعملية التصفية لكل نقطة بيانات أن تقلل بشكل كبير من كمية البيانات المتاحة، وأسوأ من ذلك، يمكن أن تُزيل تمامًا دقة هذه البيانات، مما يزيل الفائدة المحتملة من هذه البيانات. كان البيانات المعيبة هو السبب في فشل الجهود السابقة مثل Google Flu Trends.

بمعنى آخر، المشكلة الرئيسية التي تمنع أنظمة الذكاء الاصطناعي من التنبؤ بتفشي المرض في أقرب وقت ممكن هي التدخل الحكومي. تحتاج الحكومات مثل الصين وإدارة ترامب الحالية إلى إزالة نفسها من أي نوع من تصفية البيانات، وتمكين الوصول الكامل إلى الصحافة لتقديم تقارير حول القضايا الصحية العالمية.

مع ذلك، يمكن للمراسلين العمل فقط مع المعلومات المتاحة لهم. تجاوز تقارير الأخبار والوصول إلى المصادر مباشرة سوف يسمح لأنظمة التعلم الآلي بالوصول إلى البيانات بطريقة أكثر سرعة وفعالية.

ما يجب القيام به

بدءًا من الآن، يجب على الحكومات التي تريد حقًا تقليل تكاليف الرعاية الصحية ومنع تفشي المرض، أن تبدأ بمراجعة إلزامية لكيفية قيام عياداتها ومدارسها بالرعاية الصحية بتوزيع بعض النقاط البيانية في الوقت الفعلي على 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.

يمكن لمجموعة من المستشفيات في أي مدينة التي تجمع البيانات في الوقت الفعلي وتشاركها أن تقدم رعاية صحية متفوقة. على سبيل المثال، يمكن تتبع أن مستشفى معين أظهر زيادة في المرضى الذين يعانون من 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، لتحذيرات فورية من أن منطقة معينة هي منطقة ساخنة محتملة.

مرة واحدة يتم جمع هذه المعلومات وتجميعها، يمكن لنظام الذكاء الاصطناعي أن ي.trigger تنبيهات لجميع المناطق المجاورة بحيث يمكن اتخاذ الإجراءات اللازمة.

虽然 سيكون ذلك صعبًا في بعض مناطق العالم، يمكن لبلدان مثل كندا التي لديها مراكز ذكاء اصطناعي وأقل كثافة سكانية أن تنشئ نظامًا متقدمًا مثل هذا. لديها كندا مراكز ذكاء اصطناعي في أكثر المقاطعات اكتظاظًا بالسكان (واترلو وتورونتو، أونتاريو، ومونتريال، كيبيك). يمكن تمديد مزايا التعاون بين المستشفيات والمقاطعات لتقديم مزايا أخرى لكندا، مثل الوصول السريع إلى الرعاية الطبية العاجلة، وتقليل إنفاق الرعاية الصحية. يمكن لكندا أن تصبح رائدة في مجال الذكاء الاصطناعي والرعاية الصحية، وترخيص هذه التكنولوجيا لولايات قضائية أخرى.

أهم شيء هو أنه بمجرد أن يكون لديك نظام في مكان ما، يمكن استنساخ التكنولوجيا / الطرق وتصديرها إلى مناطق أخرى. في النهاية، الهدف سيكون لتغطية العالم بأكمله، لضمان أن تكون الأوبئة من الماضي.

يوجد هناك فوائد لجمع البيانات هذه من قبل العاملين في مجال الرعاية الصحية لتطبيقات متعددة. لا يوجد سبب لماذا يجب على المريض في عام 2020 أن يسجل نفسه في كل مستشفى على حدة، وألا تكون هذه المستشفيات في تواصل مع بعضها البعض في الوقت الفعلي. يمكن أن يؤدي نقص التواصل هذا إلى فقدان البيانات مع المرضى الذين يعانون من الخرف أو أعراض أخرى قد تمنعهم من التواصل الكامل مع حدة حالتهم، أو حتى مكان آخر تم علاجهم فيه.

الدروس المستفادة

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

المرة القادمة قد لا تكون محظوظة، 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. أظهرت مكون الذكاء الاصطناعي قدرة مذهلة على التنبؤ بمسار الأمراض المعدية، ما يبقى هو المكون البشري. نحن بحاجة إلى سياسات جديدة من أجل تمكين شركات مثل BlueDot من التميز في ما تفعله أفضل. كما أننا بحاجة إلى المزيد من السياسيين ومقدمي الرعاية الصحية.