الذكاء الاصطناعي يتنبأ بتفشي الملاريا في جنوب آسيا
آخر مراجعة: 14.06.2024
تتم مراجعة جميع محتويات iLive طبياً أو التحقق من حقيقة الأمر لضمان أكبر قدر ممكن من الدقة الواقعية.
لدينا إرشادات صارمة من مصادرنا ونربط فقط بمواقع الوسائط ذات السمعة الطيبة ، ومؤسسات البحوث الأكاديمية ، وطبياً ، كلما أمكن ذلك استعراض الأقران الدراسات. لاحظ أن الأرقام الموجودة بين قوسين ([1] و [2] وما إلى ذلك) هي روابط قابلة للنقر على هذه الدراسات.
إذا كنت تشعر أن أيًا من المحتوى لدينا غير دقيق أو قديم. خلاف ذلك مشكوك فيه ، يرجى تحديده واضغط على Ctrl + Enter.
أظهر باحثون من NDORMS، بالتعاون مع المؤسسات الدولية، إمكانية استخدام القياسات البيئية ونماذج التعلم العميق للتنبؤ بتفشي الملاريا في جنوب آسيا. توفر الدراسة آفاقًا واعدة لتحسين أنظمة الإنذار المبكر لواحد من أكثر الأمراض فتكًا في العالم.
لا تزال الملاريا تمثل مشكلة صحية عالمية كبيرة، حيث يؤثر خطر الإصابة بها على ما يقرب من نصف سكان العالم، وخاصة في أفريقيا وجنوب آسيا. على الرغم من أنه يمكن الوقاية من الملاريا، فإن الطبيعة المتغيرة لعوامل الخطر المناخية والاجتماعية والديموغرافية والبيئية تجعل التنبؤ بتفشي المرض أمرًا صعبًا.
سعى فريق من الباحثين بقيادة الأستاذة المشاركة سارة خالد من مجموعة NDORMS لمعلومات الصحة الكوكبية بجامعة أكسفورد، بالتعاون مع جامعة لاهور للعلوم الإدارية، إلى حل هذه المشكلة واستكشاف ما إذا كان نهج التعلم الآلي القائم على البيئة يمكن أن توفر إمكانات أدوات الإنذار المبكر الخاصة بالموقع بشأن الملاريا.
لقد طوروا نموذج LSTM متعدد المتغيرات (M-LSTM) الذي قام في وقت واحد بتحليل المؤشرات البيئية بما في ذلك درجة الحرارة وهطول الأمطار وقياسات الغطاء النباتي وبيانات الضوء ليلا للتنبؤ بحدوث الملاريا في حزام جنوب آسيا الذي يغطي باكستان والهند وبنغلاديش.
ص>تمت مقارنة البيانات بمعدلات الإصابة بالملاريا على مستوى المقاطعة لكل بلد بين عامي 2000 و2017، والتي تم الحصول عليها من مجموعات بيانات المسوحات الديموغرافية والصحية التابعة للوكالة الأمريكية للتنمية الدولية.
تظهر النتائج المنشورة في The Lancet Planetary Health أن نموذج M-LSTM المقترح يتفوق باستمرار على نموذج LSTM التقليدي بأخطاء تبلغ 94.5% و99.7% و99.8 النسبة المئوية أقل بالنسبة لباكستان والهند وبنغلاديش على التوالي.
بشكل عام، تم تحقيق دقة أعلى وتقليل الأخطاء من خلال زيادة تعقيد النماذج، مما يسلط الضوء على فعالية النهج.
وضحت سارة: "هذا النهج عالمي، وبالتالي فإن نموذجنا له آثار كبيرة على سياسة الصحة العامة. على سبيل المثال، يمكن تطبيقه على أمراض معدية أخرى أو توسيع نطاقه ليشمل مناطق أخرى شديدة الخطورة حيث ترتفع معدلات الإصابة والوفيات الناجمة عن الملاريا بشكل غير متناسب في مناطق منظمة الصحة العالمية في أفريقيا. وهذا يمكن أن يساعد صناع القرار على تنفيذ المزيد من التدابير الاستباقية لإدارة فاشيات الملاريا في وقت مبكر وبدقة. ص>
"يكمن عامل الجذب الحقيقي في القدرة على التحليل فعليًا في أي مكان على الأرض بفضل التقدم السريع في مراقبة الأرض، والتعلم العميق والذكاء الاصطناعي، وتوافر أجهزة الكمبيوتر عالية الأداء. وقد يؤدي هذا إلى تدخلات أكثر استهدافًا وتخصيصًا أفضل للأدوات". الموارد في الجهود الجارية للقضاء على الملاريا وتحسين نتائج الصحة العامة في جميع أنحاء العالم."