استفاده از هوش مصنوعی برای مبارزه با پاندمی چقدر مفید است؟ همه ما می دانیم که همه گیری کووید-19 چقدر ویرانگر بوده است و اگر تلاش دانشمندان و کارکنان بهداشتی در سراسر جهان نبود، می توانست بدتر از این هم باشد. اما چه میشود اگر بتوانیم خطرناکترین گونههای بعدی ویروس را قبل از تبدیل شدن به یک تهدید جهانی بررسی کنیم؟
خوب، یک سیستم هوش مصنوعی جدید می تواند این کار را انجام دهد. بر اساس مطالعه دانشمندان پژوهش اسکریپس و دانشگاه نورث وسترن در ایالات متحده، این می تواند به ما در مورد ظهور انواع خطرناک ویروس در همه گیری های آینده هشدار دهد.
هوش مصنوعی EWAD
این سیستم که تشخیص ناهنجاری هشدار زودهنگام (EWAD) نام دارد، از یادگیری ماشینی برای تجزیه و تحلیل توالی های ژنتیکی، فرکانس ها و میزان مرگ و میر انواع ویروس ها در سراسر جهان استفاده می کند.
محققان EWAD را بر روی دادههای واقعی از همهگیری کرونا آزمایش کردند و دریافتند که میتواند به دقت پیشبینی کند که کدام گونههای نگرانی (VOCs) در اثر جهش ویروس ایجاد میشوند. این سیستم همچنین میتواند تخمین بزند که اقدامات بهداشت عمومی مانند واکسنها و پوشیدن ماسک چگونه بر تکامل ویروس تأثیر میگذارد.
این مطالعه که در ژورنال Cell Patterns منتشر شده است، نشان میدهد که EWAD میتواند به ما کمک کند تا با شناسایی تهدیدهای بالقوه قبل از اینکه به طور رسمی توسط سازمان بهداشت جهانی (WHO) تعیین شوند، برای شیوع بیماریهای آینده آماده شویم و به آنها پاسخ دهیم.
ویلیام بالچ، میکروبیولوژیست میگوید: “ما میتوانیم انواع ژنهای کلیدی را ببینیم که ظاهر میشوند و شایعتر میشوند، زیرا میزان مرگ و میر نیز تغییر کرده است. همه اینها هفتهها قبل از تعیین رسمی VOCs حاوی این گونهها توسط سازمان بهداشت جهانی اتفاق میافتد.”
سیستم هوش مصنوعی از یک تکنیک ریاضی به نام کوواریانس فضایی مبتنی بر فرآیند گاوسی استفاده می کند که می تواند داده های جدید را بر اساس داده های موجود و روابط آنها پیش بینی کند. این سیستم همچنین می تواند الگوها و قوانین تکامل ویروس را که در غیر این صورت در حجم وسیعی از داده ها پنهان شده اند، شناسایی کند.
درس های آموخته شده
بالچ میگوید: “یکی از درسهای بزرگ این کار این است که مهم است که نه تنها چند نوع برجسته، بلکه دهها هزار نوع نامشخص دیگر را نیز در نظر بگیریم، که آنها را «نوع ماده تاریک» مینامیم.”
محققان می گویند که سیستم آنها همچنین می تواند به ما کمک کند تا در مورد بیولوژی اولیه ویروس ها و نحوه سازگاری آنها با محیط های مختلف بیشتر بدانیم. این می تواند به درمان ها و استراتژی های پیشگیری بهتر برای بیماری های ویروسی منجر شود.
بن کالورلی، ریاضیدان در تحقیقات اسکریپس و یکی دیگر از نویسندگان ارشد این مطالعه میگوید: “این سیستم و روشهای فنی زیربنایی آن کاربردهای احتمالی زیادی در آینده دارند.”
دیدگاهتان را بنویسید