پیشبینی قبل از شیوع؛ نقش هوش مصنوعی و گزارش دهی عمومی در حفاظت و پیشگیری
تحقیقات اخیر بهوسیله هوش مصنوعی و مشارکت شهروندی منجر به شناسایی موردی شده است که به احتمال زیاد اولین نمونه از پشه آنوفل استفنسی در ماداگاسکار میباشد. این گونه یک پشه مهاجم و ناقل خطرناک مالاریاست. این مطالعه که به رهبری رایان کارنی و سریرام چلاپان انجام شده است، نشاندهنده این است که چگونه شناسایی تصویر مبتنی بر هوش مصنوعی و مشارکت عمومی میتوانند بهطور چشمگیری نظارت جهانی بر بیماریها را دگرگون سازند.
بر اساس گزارش بخش فناوری پزشکی رسانه خبری تکنا، این کشف به ما نشان میدهد که چطور ترکیب فناوری موبایل و یادگیری ماشین میتواند کاستیهای مهم در نظارت بر بیماریهای منتقلشونده از طریق ناقلین را پر کند. گونه آنوفل استفنسی بهعنوان یک تهدید روزافزون در قاره آفریقا شناخته شده است؛ چراکه برخلاف پشههای آنوفل بومی که در آبهای راکد طبیعی رشد میکنند، این گونه در محیطهای شهری و ظروف مصنوعی مانند لاستیکها و سطلها بهخوبی سازگار میشود.
گسترش این نوع پشه میتواند ۱۲۶ میلیون نفر دیگر را در معرض خطر ابتلا به مالاریا در آفریقا قرار دهد. این پیشرفت علمی از طریق عکسی که ساکنان محلی از لارو پشه در یک لاستیک در آنتاناناریوو با استفاده از اپلیکیشن GLOBE Observer ناسا ارسال کرده بودند، حاصل شد. این تصویر سپس توسط الگوریتمهای هوش مصنوعی مورد تجزیه و تحلیل قرار گرفت.
این سیستم هوش مصنوعی بر روی هزاران تصویر تأییدشده از پشهها آموزش دیده و با اطمینان بیش از ۹۹ درصد لارو موجود در تصویر را بهعنوان آنوفل استفنسی شناسایی کرد. برای تأیید این طبقهبندی، بیش از ۱۰۰ لارو دیگر از گونههای آنوفل نیز در همان روز و در ظروف مصنوعی نزدیک به آن محل بهدست آمد، اگرچه عکسی از آنها گرفته نشد.
اگرچه تایید رسمی مستلزم آزمایش ژنتیکی است که بهدلیل از بین رفتن فوری نمونهها ممکن نیست، اما در صورت صحت این شناسایی، میتوانیم بهعنوان اولین شواهد از وجود آنوفل استفنسی در ماداگاسکار به آن اشاره کنیم. جالب است که در همان سال، موارد ابتلا و مرگ و میر ناشی از مالاریا در این کشور افزایش دو برابری داشته است.
پشهها بهعنوان خطرناکترین موجودات روی زمین شناخته میشوند و هر ساله بیش از ۷۰۰ میلیون نفر را به بیماریهای مختلف مبتلا میکنند. مالاریا هنوز هم بهعنوان مرگبارترین این بیماریها باقی مانده و سالانه جان نزدیک به نیم میلیون کودک زیر پنج سال را میگیرد. کارنی و چلاپان تأکید کردند که تبعات این تحقیق فراتر از مرزهای آفریقا خواهد بود.
همچنین، نیاز به هوشیاری و نظارت فعال بر ناقلین مالاریا در درون کشورهای مختلف بهطور فزایندهای احساس میشود. در سال ۲۰۲۳، ایالات متحده برای نخستین بار در دو دهه اخیر شاهد شیوع محلی مالاریا بود. این مطالعه نشان میدهد که تصاویر ثبتشده با گوشیهای هوشمند، که توسط شهروندان جمعآوری میشوند، میتوانند بهعنوان دادههای اولیه قدرتمند برای مقابله با این تهدید رو به رشد عمل کنند.
رایان کارنی توضیح داد که میتوان پشهها را بهعنوان سوزنهای هیپودرمیک پرندهای در نظر گرفت، اما تنها ۳ درصد از گونهها قادر به انتقال بیماری به انسان هستند. با شکر از اپلیکیشنهای علم شهروندی، اکنون امکان جمعآوری عکسهای پشهها و تحلیل آنها توسط هوش مصنوعی فراهم شده است تا شناسایی این سوزنهای بیماریزا در انبار کاه تسهیل شود.
شناسایی زودهنگام پشه آنوفل استفنسی اهمیت بالایی دارد، اما روشهای نظارتی سنتی معمولاً این مسئله را نادیده میگیرند. برای حل این چالش، پژوهشگران ابزارهای هوش مصنوعی جدیدی مشابه فناوری تشخیص چهره را توسعه دادهاند که میتوانند لاروها و پشههای بالغ را از روی عکسهای ثبتشده در گوشیهای هوشمند شناسایی کنند. این الگوریتمها بر روی تعدادی از تصاویر تأییدشده از گونههای مختلف پشهها آموزش دیدهاند.
این مطالعه نمونهای از همکاری مؤثر در چند حوزه مختلف دانشگاهی است. محققان اکنون در حال کار بر روی توسعه و استقرار سختافزاری هستند که الهامگرفته از نرمافزار خودشان بوده و قصد دارند یک تله هوشمند مجهز به هوش مصنوعی برای شناسایی از راه دور آنوفل استفنسی و دیگر پشههای ناقل بیماری در فلوریدا و فراتر از آن بسازند.
چلاپان افزود که هوش مصنوعی بهطور فزایندهای در جنبههای مختلف بهداشت عمومی مورد استفاده قرار میگیرد و نظارت بر پشهها موضوعی بسیار حائز اهمیت در سطح جهانی و برای ایالت فلوریدا به حساب میآید. او ابراز امیدواری کرد که آنها در حال پیشرو بودن در نسل جدید سیستمهای نظارتی برای بهداشت عمومی با هدف مبارزه با بیماریهای منتقلشونده از پشه باشند.
