التكنولوجيا تواجه الأوبئة: هل استطاعت التكنولوجيا التفوق على جائحة كورونا؟

Bioinformatics and ROS for Robot Arm Specialization Courses
| Phi Science
فرح عيد
فرح عيد
May 8, 2022

لقد أدى تحول فيروس كورونا من وباء عادي إلى جائحة عالمية مشكلةً وقلقًا دوليًا، بسبب خطورة الفيروس وانتشاره بشكلٍ واسعٍ كونه مرضًا مُعديًا، حيث تفشى المرض مُشكِّلاً حالة طوارئ للعديد من الدول التي لم تكن مستعدةً بعد، وهذه الجائحة لن تكون الأخيرة في زمن العولمة وتوسع الهجرة، وذلك دعا العديد من الدول لاتخاذ العديد من الإجراءات والاستراتيجيات للتصدي لانتشار المرض، وكانت الاستراتيجيات التكنولوجية صاحبة النصيب الأكبر من الاهتمام.[1]

في البداية، كان لا بد من أن تُفكِّر الدول في الاستثمار في قطاع الرعاية الصحية أكثر للاستجابة لأي حالة تفشي مُشابهة قد تحدث في المستقبل، وذلك يعتمد بشكل كبيرٍ على التقنيات التي تُسرِّع من عملية التشخيص بالإضافة إلى التقنيات المُتَّبعة للعزل، وآليات حماية الأطباء، والعاملين في قطاع الرعاية الصحية.[1]

لكن كانت الحاجة كبيرة جدًا لدمج التكنولوجيا الحديثة واستغلالها لتسهيل التعامل مع الوباء وتتبعه، واحتوائه، وتحديد الحالات، ومراقبتها، وكان أبرزها استخدام التعلم الآلي، والتعلم العميق، والبيانات الضخمة، والذكاء الاصطناعي، وإنترنت الأشياء، حيث استجابت التكنولوجيا للتهديدات المحتملة وسيطرت عليها.[2]

التقنيات الرقمية وتقنيات الذكاء الاصطناعي في محاربة الأوبئة

اتبعت الدول التي تصدًّت بنجاح لوباء كوفيد-19 استراتيجيات مشتركة من بعض التقنيات المبتكرة، والتي اعتمدت على التكنولوجيا الرقمية والذكاء الاصطناعي معًا[1]، ومن أبرز هذه التقنيات:

  • استخدام الطائرات بدون طيار (الدرون) بالإضافة إلى الروبوتات الآلية والسيارات ذاتية القيادة مدمجةً بتقنيات التعرف على الأوجه وذلك من أجل تقليل الاحتكاك والاتصال المباشر بين الأفراد، وبالتالي تقليل فرصة انتشار المرض.
  • استخدام أنظمة تحديد المواقع العالمية (GPS) مربوطةً برموز الاستجابة السريعة لغايات تتبُّع جهات الاتصال.
  • تطوير ماسحات ضوئية حرارية وأجهزة فحص الحرارة البيومترية، بالإضافة إلى مراكز الفحص الآمنة من خلال نوافذ السيارات، للحد أكثر من انتشار المرض والحد من التزاحم والاختلاط المباشر.
  • تطوير العديد من التطبيقات الفعالة على الهواتف والساعات الذكية، والتي تُعطي إشارات عند الاقتراب من حالات قد تمَّ تأكيد إصابتها بالفيروس.
  • استخدام تقنيات روبوتات الدردشة الآلية chatbot)) وآليات العلاج عن بعد للحد أكثر من انتشار الوباء.

أهم تطبيقات التكنولوجيا الحديثة في التصدي لفيروس كورونا والأوبئة المستقبلية

استجاب الباحثون في مجال الذكاء الاصطناعي للجائحة عن طريق تطوير مجموعة من التطبيقات[2] ،وكان أهمها:

تقنيات ML وDL (تقنيات التعلم العميق والتعلم الآلي)

اثنتان من أهم المجالات الفرعية للذكاء الاصطناعي، حيث تعمل هذه التقنيات عبر عدة خوارزميات على الكشف عن المصابين بكوفيد-19 والعمل على تصنيفها، كما تعمل على التنبؤ بتفشي المرض مكانيًا وتقييم شدته أو خطورته، بالإضافة إلى تتبع أنماط انتقال المرض بين الناس، والتنبؤ بمعدل الوفيات، كما أثبتَت قدرتها على التنبؤ بالأدوية الفعالة، مما سهَّلَ على العاملين في قطاع الرعاية الصحية والباحثين على التعامل بكفاءة مع الوباء.[2]

ساعدت تقنيات ML (التعلم الآلي-Machine Learning) على تسريع عملية التعرف على الجينوم الخاص بالفيروس و الغشاء البروتيني من الببتيدات، وجرى من خلاله البحث عن البروتينات المهمة على سطح الفيروس وقياس قابليتها كي يتم إنتاج لقاح متخصص بأجسام مضادة متخصصة في تثبيطها وذلك عبر تطبيق خمسة من خوارزميات من خوارزميات التعلم الآلي مثل XGB و SVM وRF و kNN و خوارزمية الانحدار اللوجستي [2] (logistic regression).

خوارزمية (SVM)

وهي واحدة من أهم الأدوات المستخدمة في عمليات التصنيف الآلية، وقد استخدمت لتصنيف المرضى المصابين بناءً على الصور الإشعاعية مثل صور الصدر بالأشعة السينية CXR))، والصور المقطعية المحوسبة (CT)، حيث تم من خلالها الفصل بين المرضى إلى طبيعي (غير مصاب)، أو مصاب بكوفيد-19، أو مصاب بالتهاب رئوي بكتيري، وكان مستوى دقة البيانات الناتجة 95.33%، مما سيوفر عبء تكلفة الفحوصات المخبرية كفحص [2] PCR.

استخدام هذا النوع من الخوارزميات أيضًا في تحليل نتائج عينات الدم السريرية، والذي كان حلاً ناجحًا خاصةً في الدول النامية التي تفتقر إلى أجهزة التصوير الإشعاعي المتقدمة، وذلك عن طريق تحليل بيانات نتائج تحاليل وتقارير الدم السريرية للمرضى المصابين وغير المصابين عبر تحليل 15 سِمَة في الدم ذات علاقة بالكشف عن الإصابة.[2]

شبكة التصنيف (BI-AT-GRU)

هي واحدة من أهم الشبكات التي تعمل على تتبُّع الأنماط التنفسية للمصابين بكوفيد-19، عن طريق الكشف عن أنماط سرعة التنفس، والتي تكشف عن أمواج السعال وأدوات التشخيص القائمة على أنماط الجهاز التنفسي الستَّة، وبلغت دقة البيانات نسبةً قدرها 94.4٪، والمستندة إلى تقنيات [2] ML و DL.

العوامل التي ستُساعد على نجاح استخدام التكنولوجيا في التصدي للأوبئة

سيؤدي الحصول على معلومات دقيقة من الإحصائيات المسجَّلة إلى الحصول على نتائج تنبؤية أكثر ذكاءً وأقل تعقيدًا وتشمل هذه المعلومات الدقيقة:

  • المعلومات العامة للمريض المُسجَّل مثل العمر والجنس ونوع التغذية الخاصة بالمريض.
  • المعلومات الطبية الخاصة بالمريض، وتشمل ما إذا كان مُصابًا بأمراض أخرى مثل أمراض القلب والسكري، أو أمراض الكبد.

يجب الحصول على كمية كبيرة من البيانات (على أن تكون منظَّمة وغير مُتسرِّعة) والتي تشمل الصور الطبية والأرقام الإحصائية، مع تنظيم مصادرها وتقسيمها إلى مجموعات بناءً على المنطقة الجغرافية، حيث يجب أن يُؤخَذ كل ذلك بعين الاعتبار أثناء تصميم أنظمة الذكاء الاصطناعي في أي دولة، ويجب على جميع الأطباء والباحثين حول العالم أن تتعاون فيما بينها للوصول أثناء تقييم البيانات الطبية المُدخَلة، كما يَجِب على جميع الدول مستقبلاً في حالات تفشي الأوبئة المشابهة أن تتعاون فيما بينها في مشاركة البيانات البحثية والطبية الخاصة بالمرضى.[2]

فرح عيد

باحثة في الطب الحيوي، مهتمة بالمعلوماتية الحيوية والبحث العلمي في علم الأورام السرطانية.

التكنولوجيا تواجه الأوبئة: هل استطاعت التكنولوجيا التفوق على جائحة كورونا؟

My story with Phi
Bioinformatics and ROS for Robot Arm Specialization Courses
| Phi Science
فرح عيد
08 مايو 2022

لقد أدى تحول فيروس كورونا من وباء عادي إلى جائحة عالمية مشكلةً وقلقًا دوليًا، بسبب خطورة الفيروس وانتشاره بشكلٍ واسعٍ كونه مرضًا مُعديًا، حيث تفشى المرض مُشكِّلاً حالة طوارئ للعديد من الدول التي لم تكن مستعدةً بعد، وهذه الجائحة لن تكون الأخيرة في زمن العولمة وتوسع الهجرة، وذلك دعا العديد من الدول لاتخاذ العديد من الإجراءات والاستراتيجيات للتصدي لانتشار المرض، وكانت الاستراتيجيات التكنولوجية صاحبة النصيب الأكبر من الاهتمام.[1]

في البداية، كان لا بد من أن تُفكِّر الدول في الاستثمار في قطاع الرعاية الصحية أكثر للاستجابة لأي حالة تفشي مُشابهة قد تحدث في المستقبل، وذلك يعتمد بشكل كبيرٍ على التقنيات التي تُسرِّع من عملية التشخيص بالإضافة إلى التقنيات المُتَّبعة للعزل، وآليات حماية الأطباء، والعاملين في قطاع الرعاية الصحية.[1]

لكن كانت الحاجة كبيرة جدًا لدمج التكنولوجيا الحديثة واستغلالها لتسهيل التعامل مع الوباء وتتبعه، واحتوائه، وتحديد الحالات، ومراقبتها، وكان أبرزها استخدام التعلم الآلي، والتعلم العميق، والبيانات الضخمة، والذكاء الاصطناعي، وإنترنت الأشياء، حيث استجابت التكنولوجيا للتهديدات المحتملة وسيطرت عليها.[2]

التقنيات الرقمية وتقنيات الذكاء الاصطناعي في محاربة الأوبئة

اتبعت الدول التي تصدًّت بنجاح لوباء كوفيد-19 استراتيجيات مشتركة من بعض التقنيات المبتكرة، والتي اعتمدت على التكنولوجيا الرقمية والذكاء الاصطناعي معًا[1]، ومن أبرز هذه التقنيات:

  • استخدام الطائرات بدون طيار (الدرون) بالإضافة إلى الروبوتات الآلية والسيارات ذاتية القيادة مدمجةً بتقنيات التعرف على الأوجه وذلك من أجل تقليل الاحتكاك والاتصال المباشر بين الأفراد، وبالتالي تقليل فرصة انتشار المرض.
  • استخدام أنظمة تحديد المواقع العالمية (GPS) مربوطةً برموز الاستجابة السريعة لغايات تتبُّع جهات الاتصال.
  • تطوير ماسحات ضوئية حرارية وأجهزة فحص الحرارة البيومترية، بالإضافة إلى مراكز الفحص الآمنة من خلال نوافذ السيارات، للحد أكثر من انتشار المرض والحد من التزاحم والاختلاط المباشر.
  • تطوير العديد من التطبيقات الفعالة على الهواتف والساعات الذكية، والتي تُعطي إشارات عند الاقتراب من حالات قد تمَّ تأكيد إصابتها بالفيروس.
  • استخدام تقنيات روبوتات الدردشة الآلية chatbot)) وآليات العلاج عن بعد للحد أكثر من انتشار الوباء.

أهم تطبيقات التكنولوجيا الحديثة في التصدي لفيروس كورونا والأوبئة المستقبلية

استجاب الباحثون في مجال الذكاء الاصطناعي للجائحة عن طريق تطوير مجموعة من التطبيقات[2] ،وكان أهمها:

تقنيات ML وDL (تقنيات التعلم العميق والتعلم الآلي)

اثنتان من أهم المجالات الفرعية للذكاء الاصطناعي، حيث تعمل هذه التقنيات عبر عدة خوارزميات على الكشف عن المصابين بكوفيد-19 والعمل على تصنيفها، كما تعمل على التنبؤ بتفشي المرض مكانيًا وتقييم شدته أو خطورته، بالإضافة إلى تتبع أنماط انتقال المرض بين الناس، والتنبؤ بمعدل الوفيات، كما أثبتَت قدرتها على التنبؤ بالأدوية الفعالة، مما سهَّلَ على العاملين في قطاع الرعاية الصحية والباحثين على التعامل بكفاءة مع الوباء.[2]

ساعدت تقنيات ML (التعلم الآلي-Machine Learning) على تسريع عملية التعرف على الجينوم الخاص بالفيروس و الغشاء البروتيني من الببتيدات، وجرى من خلاله البحث عن البروتينات المهمة على سطح الفيروس وقياس قابليتها كي يتم إنتاج لقاح متخصص بأجسام مضادة متخصصة في تثبيطها وذلك عبر تطبيق خمسة من خوارزميات من خوارزميات التعلم الآلي مثل XGB و SVM وRF و kNN و خوارزمية الانحدار اللوجستي [2] (logistic regression).

خوارزمية (SVM)

وهي واحدة من أهم الأدوات المستخدمة في عمليات التصنيف الآلية، وقد استخدمت لتصنيف المرضى المصابين بناءً على الصور الإشعاعية مثل صور الصدر بالأشعة السينية CXR))، والصور المقطعية المحوسبة (CT)، حيث تم من خلالها الفصل بين المرضى إلى طبيعي (غير مصاب)، أو مصاب بكوفيد-19، أو مصاب بالتهاب رئوي بكتيري، وكان مستوى دقة البيانات الناتجة 95.33%، مما سيوفر عبء تكلفة الفحوصات المخبرية كفحص [2] PCR.

استخدام هذا النوع من الخوارزميات أيضًا في تحليل نتائج عينات الدم السريرية، والذي كان حلاً ناجحًا خاصةً في الدول النامية التي تفتقر إلى أجهزة التصوير الإشعاعي المتقدمة، وذلك عن طريق تحليل بيانات نتائج تحاليل وتقارير الدم السريرية للمرضى المصابين وغير المصابين عبر تحليل 15 سِمَة في الدم ذات علاقة بالكشف عن الإصابة.[2]

شبكة التصنيف (BI-AT-GRU)

هي واحدة من أهم الشبكات التي تعمل على تتبُّع الأنماط التنفسية للمصابين بكوفيد-19، عن طريق الكشف عن أنماط سرعة التنفس، والتي تكشف عن أمواج السعال وأدوات التشخيص القائمة على أنماط الجهاز التنفسي الستَّة، وبلغت دقة البيانات نسبةً قدرها 94.4٪، والمستندة إلى تقنيات [2] ML و DL.

العوامل التي ستُساعد على نجاح استخدام التكنولوجيا في التصدي للأوبئة

سيؤدي الحصول على معلومات دقيقة من الإحصائيات المسجَّلة إلى الحصول على نتائج تنبؤية أكثر ذكاءً وأقل تعقيدًا وتشمل هذه المعلومات الدقيقة:

  • المعلومات العامة للمريض المُسجَّل مثل العمر والجنس ونوع التغذية الخاصة بالمريض.
  • المعلومات الطبية الخاصة بالمريض، وتشمل ما إذا كان مُصابًا بأمراض أخرى مثل أمراض القلب والسكري، أو أمراض الكبد.

يجب الحصول على كمية كبيرة من البيانات (على أن تكون منظَّمة وغير مُتسرِّعة) والتي تشمل الصور الطبية والأرقام الإحصائية، مع تنظيم مصادرها وتقسيمها إلى مجموعات بناءً على المنطقة الجغرافية، حيث يجب أن يُؤخَذ كل ذلك بعين الاعتبار أثناء تصميم أنظمة الذكاء الاصطناعي في أي دولة، ويجب على جميع الأطباء والباحثين حول العالم أن تتعاون فيما بينها للوصول أثناء تقييم البيانات الطبية المُدخَلة، كما يَجِب على جميع الدول مستقبلاً في حالات تفشي الأوبئة المشابهة أن تتعاون فيما بينها في مشاركة البيانات البحثية والطبية الخاصة بالمرضى.[2]

Bana-img

فرح عيد

باحثة في الطب الحيوي، مهتمة بالمعلوماتية الحيوية والبحث العلمي في علم الأورام السرطانية.

المصادر