^
A
A
A

الذكاء الاصطناعي يتنبأ بتفشي الملاريا في جنوب آسيا

 
،محرر طبي
آخر مراجعة: 02.07.2025
 
Fact-checked
х

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.

18 May 2024, 12:16

أثبت باحثون من المعهد الوطني لبحوث الملاريا والأرصاد الجوية، بالتعاون مع مؤسسات دولية، إمكانية استخدام القياسات البيئية ونماذج التعلم العميق للتنبؤ بتفشي الملاريا في جنوب آسيا. وتقدم الدراسة آفاقًا مشجعة لتحسين أنظمة الإنذار المبكر لأحد أخطر الأمراض في العالم.

لا تزال الملاريا تُشكل مشكلة صحية عالمية جسيمة، إذ يُعرّض نصف سكان العالم تقريبًا لخطر الإصابة بها، لا سيما في أفريقيا وجنوب آسيا. ورغم إمكانية الوقاية من الملاريا، إلا أن تقلبات عوامل الخطر المناخية والاجتماعية والديموغرافية والبيئية تُصعّب التنبؤ بتفشيها.

سعى فريق من الباحثين بقيادة الأستاذة المساعدة سارة خالد من مجموعة معلومات الصحة الكوكبية في NDORMS بجامعة أكسفورد، بالتعاون مع جامعة لاهور للعلوم الإدارية، إلى معالجة هذه المشكلة والتحقيق فيما إذا كان نهج التعلم الآلي القائم على البيئة يمكن أن يوفر إمكانية الحصول على أدوات إنذار مبكر خاصة بالمكان للملاريا.

قاموا بتطوير نموذج LSTM متعدد المتغيرات (M-LSTM) الذي قام بتحليل المقاييس البيئية بما في ذلك درجة الحرارة، وهطول الأمطار، وقياسات الغطاء النباتي، وبيانات الضوء الليلي في وقت واحد للتنبؤ بحدوث الملاريا في حزام جنوب آسيا الممتد عبر باكستان والهند وبنجلاديش.

تمت مقارنة البيانات بمعدلات الإصابة بالملاريا على مستوى المناطق لكل بلد بين عامي 2000 و2017، والتي تم الحصول عليها من مجموعات بيانات المسوحات الديموغرافية والصحية التابعة للوكالة الأمريكية للتنمية الدولية.

وتظهر النتائج، التي نشرت في مجلة The Lancet Planetary Health ، أن نموذج M-LSTM المقترح يتفوق باستمرار على نموذج LSTM التقليدي بنسبة أخطاء أقل بنسبة 94.5% و99.7% و99.8% بالنسبة لباكستان والهند وبنجلاديش على التوالي.

بشكل عام، تم تحقيق دقة أعلى وأخطاء أقل مع زيادة تعقيد النموذج، مما يسلط الضوء على فعالية النهج.

أوضحت سارة: "هذا النهج قابل للتعميم، وبالتالي فإن نمذجتنا لها آثار مهمة على سياسات الصحة العامة. على سبيل المثال، يمكن تطبيقها على أمراض معدية أخرى أو توسيع نطاقها لتشمل مناطق أخرى عالية الخطورة ذات معدلات إصابة ووفيات مرتفعة بشكل غير متناسب بالملاريا في مناطق منظمة الصحة العالمية في أفريقيا. ويمكن أن تساعد هذه النمذجة صانعي القرار على تطبيق تدابير أكثر استباقية لإدارة تفشي الملاريا مبكرًا وبدقة.

تكمن الجاذبية الحقيقية في القدرة على تحليل البيانات من أي مكان تقريبًا على الأرض، بفضل التقدم السريع في رصد الأرض والتعلم العميق والذكاء الاصطناعي، بالإضافة إلى توافر أجهزة كمبيوتر عالية الأداء. وهذا من شأنه أن يؤدي إلى تدخلات أكثر استهدافًا وتخصيص أفضل للموارد في الجهود المبذولة للقضاء على الملاريا وتحسين نتائج الصحة العامة في جميع أنحاء العالم.

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.