هوش مصنوعی چقدر می تواند به مبارزه با همه گیری بعدی کمک کند؟

این بیماری با نام مستعار “بیماری X” شناخته شد – بیماری همه گیر جهانی بعدی، که طبق پیش بینی برخی کارشناسان، مطمئنا اتفاق می افتد.

در دهه آینده، طبق برخی پیش بینی ها، احتمال شیوع جدید در مقیاس کووید-19 یک در چهار است.

ممکن است آنفولانزا یا ویروس کرونا باشد – یا چیزی کاملاً جدید.

البته کووید-19 میلیون ها نفر را در سراسر جهان آلوده کرده و کشته است، بنابراین چشم انداز ترسناکی است.

بنابراین، آیا هوش مصنوعی می‌تواند به آسان‌تر شدن این امر کمک کند؟

محققان در کالیفرنیا در حال توسعه یک سیستم هشدار اولیه مبتنی بر هوش مصنوعی هستند که پست‌های رسانه‌های اجتماعی را برای کمک به پیش‌بینی همه‌گیری‌های آینده مطالعه می‌کند.

محققان دانشگاه کالیفرنیا، ایروین (UCI) و دانشگاه کالیفرنیا، لس آنجلس (UCLA) بخشی از برنامه کمک هزینه هوش پیش بینی کننده برای پیشگیری از بیماری همه گیر بنیاد ملی علوم ایالات متحده هستند.

این مرکز تحقیقاتی را با هدف شناسایی، مدل‌سازی، پیش‌بینی، ردیابی و کاهش اثرات همه‌گیری‌های آینده تأمین می‌کند.

این پروژه بر اساس کار قبلی محققان UCI و UCLA، از جمله پایگاه داده قابل جستجو از 2.3 میلیارد پست توییتر ایالات متحده است که از سال 2015 برای نظارت بر روند سلامت عمومی جمع آوری شده است.

پروفسور چن لی پروژه را در بخش علوم کامپیوتر UCI رهبری می کند. او می‌گوید که در چند سال گذشته میلیاردها توییت در X، که قبلا توییتر نامیده می‌شد، جمع‌آوری کرده‌اند.

پروفسور چن می‌گوید این ابزار با تشخیص اینکه کدام توییت‌ها مهم هستند کار می‌کند و الگوریتمی را برای کمک به تشخیص علائم اولیه یک بیماری همه‌گیر در آینده، پیش‌بینی شیوع‌های آینده و ارزیابی نتایج بالقوه سیاست‌های خاص سلامت عمومی آموزش می‌دهد.

ما یک مدل یادگیری ماشینی برای شناسایی و طبقه‌بندی رویدادهای مهمی که ممکن است نشان‌دهنده اپیدمی آینده از جریان‌های رسانه‌های اجتماعی باشد، توسعه دادیم.»

او می‌گوید این ابزار که برای بخش‌های بهداشت و بیمارستان‌ها طراحی شده است، همچنین می‌تواند تأثیر درمان را بر گسترش ویروس‌ها ارزیابی کند.

با این حال، بدون مشکل نیست. برای مثال، به X بستگی دارد، پلتفرمی که در برخی کشورها در دسترس نیست.

پروفسور چن اذعان می کند: «در دسترس بودن داده ها در خارج از ایالات متحده ناهموار است.

«تاکنون تمرکز ما روی ایالات متحده بوده است. ما در حال تلاش برای غلبه بر کمبود داده و سوگیری احتمالی با گسترش پوشش به سایر مناطق جهان هستیم.

ابزار EVEScape که توسط دانشکده پزشکی هاروارد و دانشگاه آکسفورد ساخته شده است، پیش‌بینی‌هایی در مورد انواع جدید کروناویروس انجام می‌دهد.

محققان هر دو هفته یک بار رتبه بندی انواع جدید را منتشر می کنند و می گویند این ابزار همچنین پیش بینی های دقیقی در مورد سایر ویروس ها از جمله HIV و آنفولانزا انجام داده است.

نیکی تادانی، عضو سابق فوق دکترا که به توسعه EVEScape کمک کرده است، می گوید: «یکی از نقاط قوت منحصر به فرد رویکرد ما این است که می توان از آن در مراحل اولیه یک بیماری همه گیر استفاده کرد.

این می تواند برای… سازندگان واکسن، و همچنین برای افرادی که سعی در شناسایی داروهای درمانی، به ویژه آنتی بادی ها دارند، خوب باشد تا در مراحل اولیه بفهمند چه جهش هایی ممکن است حتی یک سال در آینده رخ دهد.”

این احساس توسط جیم ودرال، معاون علم داده و تحقیق و توسعه هوش مصنوعی AstraZeneca تکرار شد.

این غول داروسازی از هوش مصنوعی برای سرعت بخشیدن به کشف آنتی بادی های جدید استفاده می کند. آنتی بادی ها پروتئین هایی هستند که توسط سیستم ایمنی بدن برای مبارزه با مواد مضر استفاده می شود. می توان از آنها برای ساخت واکسن های جدید استفاده کرد.

آقای وترال می گوید که این شرکت می تواند “کتابخانه ای از آنتی بادی ها را تولید و غربال کند و پیش بینی های با بالاترین کیفیت را به آزمایشگاه ارائه دهد، تعداد آنتی بادی هایی را که نیاز به آزمایش دارند و زمان شناسایی آنتی بادی هدف را از سه ماه به سه روز کاهش دهد.” .

او می‌گوید که این برای آمادگی همه‌گیری مفید است، “زیرا همانطور که در مورد کووید-19 دیدیم، تغییرپذیری بالقوه ویروس‌ها به این معنی است که ما به روش‌های سریع‌تری برای شناسایی نامزدها برای همگام شدن با اهدافی که به سرعت در حال جهش هستند نیاز داریم.”

ائتلاف نوآوری آمادگی اپیدمی (CEPI) که مقر آن در اسلو است، که بودجه EVEScape را تامین می کند، هوش مصنوعی را ابزاری برای کمک به دستیابی به هدف آماده سازی و پاسخ به همه گیری ها و همه گیری ها می داند.

دکتر یینگ کیو یون، مدیر برنامه ها و نوآوری فناوری CEPI می گوید: «ما باید تا حد امکان آماده باشیم.

هوش مصنوعی این روند آموزشی را تسریع می کند.

با این حال، او می گوید که هوش مصنوعی هنوز نیاز به توسعه و بلوغ دارد. هوش مصنوعی همچنان به ورودی وابسته است و فکر نمی‌کنم کسی بگوید ما همه اطلاعات را داریم.

اگرچه هوش مصنوعی می تواند سعی کند آن را ارزیابی کند، آن را تجزیه و تحلیل کند و بر اساس آن پیش بینی کند، اما بر اساس ورودی است. هوش مصنوعی یک ابزار است و این ابزار را می توان در فعالیت های مختلفی به کار برد که می تواند کیفیت و سرعت آمادگی برای همه گیری بعدی را بهبود بخشد.

“[But] احتمالاً اشتباه است که بگوییم هوش مصنوعی می‌تواند سرعت همه‌گیری بعدی را کاهش دهد یا از آن جلوگیری کند. مردم خودشان تصمیم می گیرند که کجا از آن استفاده کنند.”

دکتر فیلیپ عبدالمالک، نماینده سازمان جهانی بهداشت (WHO) نیز بر نقش انسان در اثربخشی هوش مصنوعی تاکید می کند.

او به عنوان رئیس واحد اطلاعات، نوآوری و ادغام سازمان جهانی بهداشت، می گوید که هوش مصنوعی ارزشی دارد. برای مثال می‌تواند درباره علائم خاص صحبت کند و تهدیدات بالقوه را قبل از اعلام رسمی دولت‌ها شناسایی کند.

علاوه بر این، زمانی رخ می دهد که مردم درمان های بالقوه خطرناک را به صورت آنلاین تبلیغ کنند تا WHO بتواند مداخله کند.

با این حال، در حالی که مزایای آن را می بیند، به سرعت متوجه مشکلات می شود.

او می گوید همیشه مراقب است که بگوید هوش مصنوعی برای ما تصمیم نمی گیرد. علاوه بر این، دکتر عبدالمالک نگران مسائل مربوط به استفاده اخلاقی از هوش مصنوعی و نمایندگی عادلانه است.

«اگر من اطلاعات زیادی را منتشر کنم که تأیید نمی‌کنم و بنابراین حاوی اطلاعات نادرست زیادی است یا فقط معرف گروه‌های فرعی خاصی است، آن‌گاه چیزی که می‌خواهم به دست بیاورم نماینده آن نیز خواهد بود. فقط زیرجمعیت های خاصی یا حاوی اطلاعات نادرست زیادی است.

“پس این ضرب المثل قدیمی است، زباله داخل، زباله بیرون.”

اما به طور کلی، کارشناسان معتقدند که ما در موقعیت بهتری برای همه گیری بعدی قرار داریم، تا حدی به لطف پیشرفت در هوش مصنوعی.

نیکی تدانی می‌گوید: «من فکر می‌کنم این بیماری همه‌گیر به نوعی زنگ بیداری برای بسیاری از افرادی بوده که به این فضا فکر می‌کنند.

“مدل ما [AI tool EVEScape]و بسیاری از تلاش‌های دیگر برای بهبود واقعاً طرز تفکر ما در مورد اپیدمیولوژی و نحوه تفکر ما در مورد استفاده از داده‌هایی که ممکن است قبل از همه‌گیری داشته باشید و سپس ادغام آن با داده‌هایی که در طول همه‌گیری به دست می‌آیند، که به من احساس می‌کند. در مورد توانایی ما برای مقابله با همه گیری های آینده بهتر است.”

اما، او می‌گوید، راه درازی در پیش است، هم در زیست‌شناسی بنیادی و مدل‌سازی که روی آن کار می‌کرد، و هم در اپیدمیولوژی و بهداشت عمومی به‌طور گسترده‌تر، تا به ما کمک کند برای همه‌گیری‌های آینده بهتر آماده شویم.

دکتر عبدالمالک می گوید: «الان نسبت به سه سال پیش خیلی بهتر هستیم.

با این حال، چیزی مهمتر از فناوری وجود دارد که در زمان شیوع بیماری همه گیر بعدی به ما کمک می کند و آن اعتماد است.

“برای من، تکنولوژی یک عامل محدود کننده نیست. من فکر می کنم که ما واقعاً باید روی روابط، به اشتراک گذاری اطلاعات و ایجاد اعتماد کار کنیم. ما مدام می‌گوییم، همه می‌گویند، اما آیا واقعاً این کار را می‌کنیم؟»