هوش مصنوعی زودتر از همه شیوع ویروس «ووهان» را تشخیص داد

 
آی‌تی‌من- روز نهم ژانویه امسال، سازمان بهداشت جهانی متوجه شیوع نوعی از بیماری شبه آنفلوآنزا در چین شد. موارد متعددی از ذات الریه در ووهان چین گزارش شده بود که احتمال می‌رفت دلیل آن، لمس حیوانات زنده از سوی فروشندگان در بازار غذاهای دریایی هوآنان باشد.

سه روز قبل از آن؛ یعنی ششم ژانویه، مرکز پیشگیری و کنترل بیماری‌ در آمریکا خبر شیوع این ویروس را شنیده بود. اما یک پلتفرم کنترل بیماری‌ها در کانادا، از هر دو آنها پیش افتاده بود و روز 31 دسامبر، خبر شیوع بیماری را مخابره کرده بود.

این پلتفرم که بلودات (BlueDot) نام دارد، با استفاده از الگوریتم‌های هوش مصنوعی، از گزارش‌های خبری، شبکه‌های مربوط به بیماری‌های حیوانات گیاهان و اعلامیه‌های رسمی، اخبار شیوع بیماری‌ها را گردآوری می‌کند و به مشتریانش درباره سفر به مناطق پر خطر، مانند ووهان چین، هشدار می‌دهد.

در زمان شیوع بیماری‌ها، سرعت نقش مهمی را در زمینه پیشگیری و مقابله بازی می‌کند؛ ولی متاسفانه مقامات چینی در این زمینه سابقه خوبی ندارند و اخبار مربوط به بیماری‌ها، آلودگی‌ هوا یا سوانح طبیعی را مخفی می‌کنند. اما مقامات بهداشت عمومی در سازمان بهداشت جهانی (WHO) و مرکز مرکز کنترل و پیشگیری بیماری (CDC) ناچارند برای کنترل بیماری‌ها به اطلاعیه‌های مقامات چینی اتکا کنند و اینجاست که هوش مصنوعی می‌تواند سرعت لازم را فراهم کند.

کامران خان، بنیان‌گذار و مدیر ارشد اجرایی بلودات می‌گوید: ما می‌دانیم که دولت‌ها در زمینه ارایه اطلاعات در سریع‌‌ترین زمان قابل اتکا نیستند. ما می‌توانیم از مطالبی که در رسانه‌ها، فروم‌های اینترنتی و بلاگ‌ها منتشر می‌شود، اخبار شیوع احتمالی بیماری‌ها کسب کنیم.

به گفته کامران خان، الگوریتم این شرکت از پست‌های شبکه‌های اجتماعی استفاده نمی‌کند؛ زیرا در این پلتفرم‌ها داده‌ها در هم و برهم است. اما این شرکت یک ترفند جالب به کار برده است. بلودات با دسترسی به داده‌های سیستم جهانی بلیت‌فروشی هواپیما، می‌تواند حدس بزند که افراد آلوده به ویروس یا بیماری، کی و چه زمانی، به کجا سفر خواهند کرد. این الگوریتم به درستی پیش‌بینی کرد که ویروس تاج‌دار ووهان (که در ایران به آن ویروس کرونا گفته می‌شود) در روزهای اولیه پس از پیدا شدن نمونه‌های اولیه‌اش، از ووهان به بانکوگ و سپس سئول، تایپه و توکیو اشاعه پیدا می‌کند.

عمران خان که خود در زمان شیوع بیماری سارس متخصص بیماری‌های واگیردار در بیمارستان‌های تورنتو کانادا بود، این آرزو را داشت که راه بهتری برای ردیابی بیماری‌ها پیدا کند. ویروس سارس در سال 2003 میلادی نخستین بار در چین مشاهده شد و سپس در هنگ کنگ و بعد در تورنتو شایع شد و جان 44 نفر را گرفت.

خان درباره ویروس تاج‌دار ووهان می‌گوید: الان تاریخ به نوعی برای من تکرار شده است. در سال 2003 شاهد آن بودم که ویروس سارس شهر را فراگرفت و بیمارستان را فلج کرد. همه در آن زمان گرفتار فشار روحی و جسمی شدیدی بودیم و من با خودم فکر کردم که نباید بگذاریم این وضعیت تکرار شود.

عمران خان پس از آزمایش چندین برنامه پیش‌بینی، استارتاپ بلودات را در سال 2014 بنیان ‌گذاشت و موفق شد 9.4 میلیون دلار سرمایه‌گذاری جسورانه جذب کند. حالا 40 کارمند، پزشک و برنامه‌نویس در بلودات کار می‌کنند و برنامه تحلیلی کنترل بیماری‌ها را توسعه می‌دهند. این برنامه از پردازش زبان طبیعی و تکنیک‌های یادگیری ماشین به منظور جست‌وجو در متن گزارش‌های خبری به 65 زبان مختلف، در کنار داده‌های پروازها و گزارش‌های شیوع بیماری‌های حیوانات و گیاهان استفاده می‌کند.

وی‌ می‌گوید: ما با استفاده از پردازش زبان طبیعی و یادگیری ماشین، الگوریتم‌مان را آموزش داده‌ایم که موارد مشابه را هم از هم تشخیص بدهد، مثلا باید تفاوت شیوع سیاه‌زخم (anthrax) را در مغولستان از اجرای زنده گروه هوی متال آنتراکس درک کند.

به گفته خانف پس از اینکه مرحله جمع‌آوری خودکار داده‌ها به انجام رسید، نوبت تحلیلگران می‌رسد. در این مرحله همه گیرشناسان (اپیدمیولوژیست‌ها) بررسی می‌کنند که آیا نتیجه‌گیری‌های الگوریتم از نظر علمی درست است یا نه و پس از اینکه نتایج تایید شد، گزارش لازم به دولت، کسب‌وکارها و مقامات بهداشت عمومی ارسال می‌شود.

این کزارش‌ها به مقامات بهداشت عمومی 12 کشور، شرکت‌های هواپیمایی و بیمارستان‌های مرزی، که احتمالا مبتلایان را بستری کرده‌اند، ارسال می‌شود.

البته بلودات نخستین تجربه در استفاده از هوش مصنوعی برای تشخیص شیوع بیماری‌ها نیست. نخستین بار شرکت گوگل سرویس Google Flu Trends را با همین هدف راه‌اندازی کرد؛ اما این پروژه پس از آنکه میزان شدت آنفلوآنزاس سال 2013 را به درستی تشخیص نداد، متوقف شد. حالا بلودات امیدوار است که بهتر از پروژه گوگل عمل کند. این استارتاپ پیش‌تر هم توانسته بود شیوع ویروس زیکا را در فلوریدای جنوبی به درستی پیش‌بینی کند.
 
پیش‌بینی تعداد قربانیان
اما یک گروه آمریکایی نیز سه ماه قبل با انجام مدل‌سازی کامپیوتری پیش‌بینی کرده‌ بودند که این ویروس طی 18 ماه منجر به مرگ 65 میلیون نفر می‌شود.

محققان مرکز جان هاپکینز به عنوان بخشی از یک تحقیق در اکتبر ۲۰۱۹، یک مدل فرضی از بیماری مسری را روی رایانه مدل‌سازی کردند.

این شبیه سازی پیش بینی کرد که احتمالا فقط طی ۱۸ ماه ۶۵ میلیون نفر از سراسر جهان قربانی یک ویروس می‌شوند.

این شبیه سازی رایانه‌ای نشان می‌دهد که پس از ۶ ماه تقریبا در تمام کشورهای جهان مواردی از ابتلا به ویروس ووهان مشاهده می‌شود و طی ۱۸ ماه ۶۵ میلیون نفر به دلیل ابتلا به آن قربانی می‌شوند.  شبیه سازی مذکور براساس یک ویروس خیالی به نام CAPS  انجام شد. در این فرضیه ویروس مذکور در مزارع خوک برزیل به وجود آمده بود. این ویروس در مقابل واکسیناسیون مدرن مقاوم بود و بنابراین نسبت به سارس نیز مرگبار و ابتلا به آن آسان‌تر بود.