هوش مصنوعی چگونه می‌تواند از همه‌گیری بیماری‌ها جلوگیری کند؟

پتانسیل هوش مصنوعی برای تجزیه‌وتحلیل کوه عظیمی از داده‌ها بی‌نظیر است. یکی از انواع هوش مصنوعی را درنظر بگیرید که تمام داده‌های موجود درمورد بیماری ابولا را در آن وارد می‌کنید. نتیجه‌ی این‌کار نمی‌تواند چیزی کمتر از ابزاری بی‌نظیر برای مبارزه با این ویروس و کمک به نجات جان انسان‌ها باشد.

به‌نقل از فیوچریزم، تحقیقات اخیر نشان می‌دهد که هوش مصنوعی آموزش‌دیده روی داده‌های محیطی مرتبط با ابولا، می‌تواند مناطق شیوع شناخته‌شده و حتی مکان‌های شیوع احتمالی در آینده را که از چشم سازمان‌های دولتی و نهادهای غیردولتی پنهان مانده‌اند، علامت‌گذاری کند.

براساس تحلیل اخیر، کشور نیجریه که به‌دلیل واکنش سریع مراکز کنترل بیماری خود توانست در سال ۲۰۱۴ از شیوع مرگ‌بار ابولا در غرب آفریقا نسبتا سالم خارج شود، بیش از نیمی از مکان‌های مشخص‌شده توسط هوش مصنوعی را در خود جای داده است. بااین‌وجود، ابولا دیگر در مرکز توجه دولت نیجریه قرار ندارد؛ چراکه دولتمردان این کشور تصمیم دارند روی آبله‌‌ی میمون تمرکز کنند.

وب‌سایت پروپابلیکا که یافته‌های اخیر را منتشر کرده است، استدلال می‌کند که براساس نتایج، مقام‌های بهداشتی نیجریه به‌صورت کاملا معکوس بیماری را کنترل می‌کنند؛ زیرا شیوه‌های کنونی آن‌ها به‌شدت به داده‌های پس از شیوع بیماری یا شیوع‌های گذشته وابسته است.

سولومون چیلوکا اوکولی، یکی از محققان شبکه‌ی آموزش اپیدمیولوژی و آزمایشگاهی نیجریه می‌گوید: «فعال‌بودن، بهتر از رفتن در لاک دفاعی است. اگر صبر کنید، قبل از اینکه بتوانید کاری انجام دهید عده‌ی زیادی جان خود را ازدست خواهند داد.»

مناطق به‌اصطلاح سرریز در طبیعت که در آن‌ها یک بیماری از حیوانات آلوده به انسان منتقل می‌شوند، به بررسی بسیار دقیق‌تری نیاز دارند. جنگل‌هایی که برخی از درختان آن‌ها قطع شده‌اند، یکی از رایج‌ترین مناطق سرریز به‌شمار می‌روند؛ چراکه در نواحی بایر آن‌ها انسان‌‌ها و حیوانات می‌توانند در کنار هم زندگی کنند.

پروپابلیکا در همکاری با دانشمندان، داده‌های مربوط به مناطقی را که حیوانات ناقل ابولا (مانند خفاش) در آن‌ها زندگی می‌کنند، دراختیار یک الگوریتم هوش مصنوعی قرار داد. این داده‌ها شامل اطلاعات مربوط به ازبین‌رفتن درخت‌ها و تغییرات به‌وجودآمده در جمعیت انسانی منطقه بود.

هوش مصنوعی پس از دریافت اطلاعات لازم، اهمیت این عوامل را در شیوع‌های قبلی ابولا سنجید؛ سپس آن‌ها را در روستاهای واقع‌شده در مناطقی اعمال کرد که ممکن بود حیوانات ناقل ابولا را درخود جای دهند. این روستاها، قبلا مناطق سرریز به‌شمار نمی‌رفتند. نتیجه‌ی بررسی‌های هوش مصنوعی این بود که ۵۱ منطقه، ازنظر ازدست‌دادن درختان، الگوهای مشابهی با شیوع ابولا در گذشته داشتند. ۲۷ مورد از این مناطق نیز در نیجریه واقع شده بودند.

کاهش نگرانی‌های دولتمردان درخصوص بیماری ابولا، به بررسی مرکز کنترل و پیشگیری از بیماری آمریکا (CDC) نیز مربوط می‌شود. این سازمان، در تحلیلی که با استفاده از ابزار محبوب خود انجام داده، اولویت نسبتا کمی برای ابولا درنظر گرفته و باعث شده تا کشورها نگرانی خاصی درزمینه‌ی شیوع مجدد ابولا نداشته باشند.

به‌نظر می‌رسد که ابزار CDC، به‌طور پیش‌فرض عوامل محیطی را درنظر نمی‌گیرد. این موضوع ممکن است باعث شود تا مقامات بهداشتی تصویری گمراه‌کننده و حتی خطرناک برای خود ترسیم کنند.