בינה מלאכותית מנבאת התפרצויות מלריה בדרום אסיה

חוקרים מ-NDORMS, בשיתוף פעולה עם מוסדות בינלאומיים, הדגימו את הפוטנציאל של שימוש במדידות סביבתיות ובמודלים של למידה עמוקה כדי לחזות התפרצויות מלריה בדרום אסיה. המחקר מציע סיכויים מעודדים לשיפור מערכות התרעה מוקדמת עבור אחת המחלות הקטלניות ביותר בעולם.

מלריה נותרה בעיית בריאות עולמית משמעותית, כאשר כמחצית מאוכלוסיית העולם נמצאת בסיכון להידבקות, במיוחד באפריקה ובדרום אסיה. למרות שניתן למנוע מלריה, האופי המשתנה של גורמי סיכון אקלימיים, סוציו-דמוגרפיים וסביבתיים מקשה על ניבוי התפרצויות.

צוות חוקרים בראשות פרופסור חבר שרה חאליד מקבוצת האינפורמטיקה לבריאות פלנטרית של NDORMS באוניברסיטת אוקספורד, בשיתוף פעולה עם אוניברסיטת לאהור למדעי הניהול, ביקש לטפל בבעיה זו ולחקור האם גישת למידת מכונה מבוססת סביבה יכולה להציע פוטנציאל לכלי התרעה מוקדמת ספציפיים למקום עבור מלריה.

הם פיתחו מודל LSTM רב-משתני (M-LSTM) שניתח בו זמנית מדדים סביבתיים, כולל טמפרטורה, כמות משקעים, מדידות צמחייה ונתוני אור לילה, כדי לחזות שכיחות מלריה בחגורה דרום אסייתית המשתרעת על פני פקיסטן, הודו ובנגלדש.

הנתונים הושוו לשיעורי היארעות מלריה ברמת מחוז עבור כל מדינה בין השנים 2000 ו-2017, שהתקבלו ממערכי הנתונים של סקרים דמוגרפיים ובריאותיים של הסוכנות לפיתוח בינלאומי של ארצות הברית.

התוצאות, שפורסמו ב- The Lancet Planetary Health, מראות כי מודל M-LSTM המוצע עולה באופן עקבי על מודל LSTM המסורתי עם שגיאות נמוכות יותר של 94.5%, 99.7% ו-99.8% עבור פקיסטן, הודו ובנגלדש, בהתאמה.

בסך הכל, הושגו דיוק גבוה יותר ופחות שגיאות עם עלייה במורכבות המודל, דבר המדגיש את יעילות הגישה.

שרה הסבירה: "גישה זו ניתנת להכללה, ולכן למידול שלנו יש השלכות משמעותיות על מדיניות בריאות הציבור. לדוגמה, ניתן ליישם אותה על מחלות זיהומיות אחרות או להרחיב אותה לאזורים אחרים בסיכון גבוה עם תחלואה ותמותה גבוהות באופן לא פרופורציונלי ממלריה באזורי ארגון הבריאות העולמי באפריקה. זה יכול לעזור למקבלי החלטות ליישם צעדים פרואקטיביים יותר לניהול התפרצויות מלריה מוקדם ומדויק."

"המשיכה האמיתית היא היכולת לנתח כמעט כל מקום על פני כדור הארץ הודות להתקדמות מהירה בתצפיות כדור הארץ, למידה עמוקה ובינה מלאכותית, כמו גם לזמינותם של מחשבים בעלי ביצועים גבוהים. זה יכול להוביל להתערבויות ממוקדות יותר ולהקצאה טובה יותר של משאבים במאמץ המתמשך למגר את המלריה ולשפר את תוצאות בריאות הציבור ברחבי העולם."