پیش بینی دقیق بیماری همه گیر جهانی بعدی توسط هوش مصنوعی

از نظر تئوری وقوع یک بیماری همه گیر جهانی در هر زمانی محتمل است ولی به گفته محققانی که سیستم هشدار اولیه مبتنی بر یادگیری ماشینی را توسعه داده‌اند، هوش مصنوعی می ‌تواند به خوبی این الگو را پیش بینی کرده و به این ترتیب خطر همه ‌گیری‌ های ویروسی آینده را کاهش دهد.

به گزارش سیناپرس، تیمی ازدانشمندان موسسه تحقیقاتی اسکریپس سیستم جدیدی را برای ردیابی ظهور و تکامل ویروس های همه گیر آموزش داده اند. این سیستم مبتنی بر هوض مصنوعی بوده و می تواند زمان و نوع دقیق ظهور یک بیماری همه گیر را اعلام کرده و به این ترتیب دانشمندان زمان مناسبی برای پیشگیری از آن در اختیار دارند.

به گفته پروفسور ویلیام بالچ، محقق ارشد این مطالعه، سیستم فوق الذکر می تواند برای ردیابی همه گیری های ویروسی در آینده با استفاده از یک رویکرد بی سابقه استفاده شود.  به باور این دانشمند، قوانینی برای تکامل ویروس همه گیر وجود دارد که ما آن ها را درک نکرده ایم اما با کمک هوش مصنوعی می توان آن ها را کشف کرد.

یافته های جدید دانشمندان نشان می ‌دهد: این سیستم می‌ت وانست ظهور انواع جدید کووید را چند هفته قبل از اینکه سازمان بهداشت جهانی آن را به عنوان تهدید معرفی کند، پیش‌ بینی کند.

پرفسور بالچ در این رابطه گفت: یکی از موضوعات بسیار مهم در مطالعه بیماری های همه گیر، این است که نه تنها چند نوع برجسته از عوامل بیماری زا، بلکه ده‌ ها هزار نوع دیگر تعیین ‌نشده از ویروس ها  که ما آن‌ ها را  نوعی ماده تاریک  می ‌نامیم، برای پیش بینی الگوی همه گیری های آینده مورد توجه قرار گیرند.

بررسی های انجام شده نشان می دهد:فناوری هوش مصنوعی قادر به شناسایی انواع کلیدی ماده تاریک  بوده و انواع عوامل بیماری زا را که به طور قابل توجهی بر گسترش ویروسی و نرخ مرگ و میر تأثیر می گذاشتند، مورد بررسی و مطالعه قرار می دهد.

باید توجه داشت هنگام استفاده از این سیستم مبتنی بر هوش مصنوعی برای تحلیل داده‌های مربوط به همه ‌گیری کووید، این سیستم قادر به ردیابی تغییرات ژنتیکی در انواع این ویروس و همچنین کشف قابلیت سازگاری ویروس با شرایط قرنطینه، استفاده از ماسک، معرفی و ساخت واکسن‌های جدید، افزایش ایمنی انسان و رقابت بین انواع مختلف بود.

به گزارش سیناپرس، دانشمندان امیدوارند: یافته های آن ها نشان دهد که سیستم های هشدار اولیه مشابه می توانند همه گیری های ویروسی آینده را در زمان مناسبی ردیابی کنند. این موضوع می تواند به دانشمندان کمک کند تا به موقع افزایش نرخ عفونت را پیش بینی کرده و خود را برای اعمال اقدامات متقابلی مانند وضع قوانین و مقررات خدمات بهداشتی آماده کنند.

هوش مصنوعی همچنین می ‌تواند به محققان برای یافتن روش های جدید درمانی و تولید واکسن ‌های جدید در طول همه ‌گیری کمک کند، زیرا این سیستم به خوبی توانست پروتئین ‌های کلیدی کووید و نقش آن ‌ها در تکامل همه ‌گیری را شناسایی کند.

دکتر بن کالورلی، نویسنده اول این مطالعه در رابطه با موضوع فوق گفت: این سیستم و روش‌های فنی زیربنایی آن کاربردهای احتمالی زیادی در آینده دارند.

به گزارش سیناپرس، شرح کامل این پژوهش در آخرین شماره مجله تخصصی  Cell Patterns منتشر شده است.

مترجم: فاطمه کردی

No tags for this post.