ما الذي يمكن أن يفعله علم البيانات للمساعدة في منع الأوبئة في المستقبل؟

نحن نواجه حاليًا حالة طوارئ عالمية. من وجهة نظر الصحة العامة ، لمكافحة الوباء ، يجب على السلطات اتخاذ إجراءات مختلفة ، على سبيل المثال ، خلق وعي فعال ، ووضع مبادئ توجيهية لخبراء الصحة ، واستهداف تجمعات التلوث ، والحد من التطور السكاني ، وتخصيص الموارد الشحيحة.

تعد تحليلات البيانات السريعة والدقيقة التي يمكنها تحديد الفاشيات وتوقع الحركة أمرًا بالغ الأهمية لمكافحة العدوى التي لا تقاوم. يمكن الاعتماد على المنهجيات التاريخية ، مثل تقارير المحققين وسجلات المستشفى ، لكنها معتدلة في أفضل الأحوال في التنبؤ. هناك اعتقاد متزايد بأن المزيد من المنهجيات الحالية ، بما في ذلك تتبع الهاتف الخلوي واستخراج البيانات من محركات البحث ووسائل التواصل الاجتماعي ، يمكن أن تساعد في إعطاء صورة أسرع ومدققة تدريجيًا عن الأماكن التي تنتشر فيها الأمراض وأين قد تنتشر بعد ذلك.

يمكن أن يلعب علم البيانات دورًا مهمًا في تحطيم الاختبارات واسعة النطاق للأفراد من خلال ربط هذه النتائج بالسمات الصحية المجهولة للمرضى المقيمين في المستشفى. سيمكننا ذلك من فهم عوامل الخطر الرئيسية وتوفير حماية أفضل للأفراد المعرضين لخطر الإصابة. كلما زادت المعلومات ، زادت دقة هذه التنبؤات.

قوة التنبؤ

لقد غير ابتكار التنبؤ العديد من الشركات على مدار العشرين عامًا الماضية. تستخدم منظمات مثل BlueDot و Metabiota نطاقًا من خوارزميات معالجة اللغة الطبيعية (NLP) لفحص منافذ الأخبار وتقارير الرعاية الصحية الرسمية بلغات مختلفة حول العالم. وبالمثل ، يمكن لأجهزتهم التنبؤية الاعتماد على معلومات السفر الجوي لمسح مخاطر أن مراكز النقل قد ترى أفرادًا مصابين يظهرون أو يغادرون.

باستخدام مصادر مختلفة من البيانات الضخمة ، يمكن تدريب نماذج التعلم الآلي لتحديد المخاطر السريرية للشخص للإصابة بمرض حاد إذا أصيب بعدوى خطيرة مثل COVID-19: ما هو احتمال أنهم سيحتاجون إلى رعاية متخصصة ، والأصول الخاصة بها تقتصر؟ ما مدى احتمالية تعرضهم للمرض؟ يمكن أن تتضمن مثل هذه البيانات التاريخ الطبي الأساسي للأشخاص.

النتائج دقيقة بشكل معقول. على سبيل المثال ، توقع أحدث تقرير عام لـ Metabiota في 25 فبراير أنه في 3 مارس ، سيكون هناك ما مجموعه 1،27،000 حالة COVID-19 حول العالم . تم تجاوز هذا الرقم بحوالي 30.000 ، لكن مارك جاليفان ، مدير علوم البيانات في الشركة آنذاك ، قال إن هذا لا يزال ضمن غرفة الخطأ. كما سجلت الدول التي من المرجح أن تبلغ عن حالات جديدة ، والتي تشمل الصين وإيطاليا وإيران والولايات المتحدة الأمريكية.

يتم استخدام نظام DeepMind AI من Google للتمييز بين سمات الفيروس ، والتي قد تساعد في فهم كيفية عمله. قد تكون هذه البيانات مفيدة في تحديد الأدوية التي يجب البحث عنها. قام آخرون بدمج التكنولوجيا التي طورتها شركة BenevolentAI الناشئة في مجال المعلوماتية الحيوية ومقرها المملكة المتحدة ، والتي تستخدم الذكاء الاصطناعي للعثور على علاجات حالية واعدة لأمراض مختلفة ، والتي يمكن أن تكون فعالة في علاج COVID-19.

وقد ساعد أيضًا استخدام الصين لتقنية التعرف على الوجه من SenseTime وبرامج الكشف عن درجة الحرارة للكشف عن الأفراد الذين قد يعانون من الحمى وربما يكونون مصابين بالعدوى. هناك ابتكار مماثل يدعم "الخوذات الذكية" التي تستخدمها السلطات في إقليم سيتشوان لاكتشاف الأفراد المصابين بالحمى.

قامت الحكومة الصينية أيضًا ببناء نظام مراقبة يسمى Health Code يستخدم البيانات الضخمة لتحديد وتقييم مخاطر كل فرد اعتمادًا على تاريخ سفره ، ومقدار الوقت الذي أمضاه في النقاط الساخنة للعدوى ، والتعرض المحتمل للأفراد المصابين بالفيروس . يتم تخصيص رمز لون للمقيمين (أحمر أو أصفر أو أخضر) ، والذي يمكنهم الحصول عليه عن طريق التطبيقات السائدة WeChat أو AliPay لإظهار ما إذا كان ينبغي عزلهم أو السماح لهم بالخروج في الأماكن العامة.

على عكس الاختبارات الطبية النادرة والمكلفة والتي غالبًا ما يتم تسليمها مع تأخير ، يمكن تطبيق نهج التخصيص الرقمي المستند إلى البيانات السريرية بسرعة ويسهل قياسه. سيسمح بتخصيص أفضل وأكثر جاذبية للأصول في حالة المعدات الطبية النادرة ، على سبيل المثال ، وحدات الاختبار والأقنعة الواقية وأسرة المستشفيات.

يمكن أن يمكّننا من استخدام النماذج الصحيحة وتمكين إزالة الحجر الصحي بشكل أكثر أمانًا بمعدل أسرع بكثير مما تسمح به أفضل الممارسات الحالية لفصل اختبار COVID-19 ، والتي بموجبها سيبقى أي شخص مصاب وجهات الاتصال الخاصة بهم في الحبس ، بغض النظر عما إذا كانت آمنة بشكل عام أو تظهر عليها أعراض مرض شديد.

التنقيب عن البيانات

معلومات التنقل البشري وبيانات الاتصالات التي تم استخدامها أثناء تفشي فيروس إيبولا في غرب إفريقيا وتم فحصها أيضًا من قبل معمل الابتكار التابع لليونيسف ، و Flowminder ، ومنظمات أخرى. الهدف الأساسي الأساسي هو فهم اتجاهات التنقل البشري فيما يتعلق بإجراءات الإغلاق وتقييم خطر تقدم المرض في منطقة معينة.

على أرض الواقع ، باستخدام تطبيق EPI Info Viral Hemorrhagic Fever ، يمكن التحكم في هذا المرض ، وهو برنامج مفتوح المصدر يحدد الأشخاص المعرضين للفيروس ويبني قاعدة بيانات ضخمة لبيانات المريض تتضمن الاسم والجنس والعمر والموقع والطب. التاريخ والعديد من المعرفات الأخرى.

في تطبيق تحليلات البيانات الضخمة ، استخدمت شركة Flowminder السويدية سجلات الهاتف لعام 2013 في السنغال لتراكب الفاشيات السابقة للعدوى على أنماط المرور للتنبؤ بحركة ونمو الإيبولا داخل الدولة. في حين أن جزءًا كبيرًا من الاستجابة للإيبولا يتم إنشاؤه في البنية التحتية المادية والعمليات ، فمن الواضح أن الاستجابة تتعزز بالقدرة على الاستفادة من البيانات.

والطريق المشجع الثاني هو التنقيب عن بيانات وسائل التواصل الاجتماعي ونشاط محرك البحث ، والذي يمكن أن يُظهر بسرعة مكان حدوث تفشي المرض. ومع ذلك ، قد تكون البيانات الواردة من المشاركة الاجتماعية واستعلامات محرك البحث مضللة ولا ينبغي الوثوق بها حصريًا. بدلاً من ذلك ، تعمل مؤسسات الرعاية الصحية على دمج المعلومات من هذه المصادر مع مجموعات البيانات الطبية التقليدية واستخدام القدرة الطبية عند تشريح الاتجاهات. يرى دانيال باوش ، مدير فريق الدعم السريع للصحة العامة في المملكة المتحدة ، إمكانات مذهلة في مجموعات البيانات التي تم جمعها من وسائل التواصل الاجتماعي.

في الآونة الأخيرة ، طور مختبر البيانات الضخمة في مكتب مشروع استراتيجية تطوير نيجني نوفغورود نموذجًا رياضيًا للتنبؤ بانتشار COVID-19. استخدم النموذج المعلومات المتعلقة بمعظم الدول والمناطق التي نشرت رؤى COVID-19 ، بما في ذلك 297 منطقة في العالم و 21 منطقة في إيطاليا.

راقب الفريق باستمرار الأبحاث الروسية والعالمية حول COVID-19. هذا يعني أنه يمكنهم جمع المعلومات الخاصة بالنموذج من كل مكان في العالم ، مجمعة حسب الدولة ، وتوزيعها حسب المنطقة والأقاليم الأصغر. شمل التحليل بضع عشرات من المدن الحضرية ، من أجل التمييز بين المدن ذات المعايير الوبائية الأقرب إلى مدنها (السياسات وحجم السكان وكثافتهم). يساعد النموذج الذي تم تطويره في التنبؤ بالوباء بدقة 2.5٪.

نهج واحد لاعتماده هو إنشاء لجان أخلاقية مستقلة أو ثقة البيانات. ستكون مهمتهم إنشاء آليات حوكمة البيانات لاكتشاف الانسجام بين المصالح العامة المتنافسة مع ضمان الأمن الفردي.

اقرأ أيضًا: أشياء منتجة يجب القيام بها في تأمين

احصل على شهادة علوم البيانات من أفضل الجامعات في العالم. تعلم برامج PG التنفيذية أو برامج الشهادات المتقدمة أو برامج الماجستير لتتبع حياتك المهنية بشكل سريع.

خاتمة

الآن ، بينما نطور تطورات جديدة من المتوقع أن تجمع المعلومات وتنشرها وتستخدمها للمساعدة في المعركة ضد أي جائحة ، نحتاج أيضًا إلى ضمان احترامهم لأفضل الممارسات الأخلاقية. في الواقع ، حتى في حالة الطوارئ ، نحتاج إلى اتباع إرشادات أمان البيانات وضمان استغلال المعلومات بشكل أخلاقي.

إن الحصول على ثقة الرواد في الحكومات والشركات والخدمات الطبية بهذه الأدوات من شأنه أن يغير بشكل أساسي مدى سرعة استجابتنا لتفشي الأمراض.

إذا كنت مهتمًا بالتعرف على علوم البيانات ، فراجع دبلوم PG في IIIT-B & upGrad في علوم البيانات والذي تم إنشاؤه للمهنيين العاملين ويقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، وإرشاد مع خبراء الصناعة ، 1- على - 1 مع موجهين في الصناعة ، وأكثر من 400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.