Ar nozīmīgu soli uz priekšu globālajai sabiedrības veselībai pētnieki no Apvienoto Arābu Emirātu universitātes (AAEU) un Indijas Tehnoloģiju institūts Madrasas Zanzibāras pilsētiņā ir ieviesusi progresīvu, uz datiem balstītu ietvaru, kas precīzi modelē un prognozē malārijas pārnešanu. Integrējot mākslīgo intelektu ar matemātisko modelēšanu, šīs jaunās pieejas mērķis ir atbalstīt agrīnu iejaukšanos un uzlabot slimību kontroles stratēģijas reģionos, kas pakļauti malārijai.
Jauna pieeja malārijas modelēšanai
Sadarbības pētījumu grupa, kuru vadīja Adithya Rajnarayanan, Manoj Kumar un profesors Abdeessamad Tridane, ir ieviesusi jaunu metodoloģiju, kas uzlabo to, kā var prognozēt malārijas uzliesmojumus. Viņu darbs, publicēts Zinātniskie ziņojumi Pēc būtības ir visaptverošs modelis, kas apvieno mākslīgo intelektu (AI) ar klasisko epidemioloģisko ietvaru, lai modelētu malārijas dinamiku ar lielāku precizitāti. Pētījums ar nosaukumu “Malārijas matemātiskā modeļa analīze, izmantojot uz datiem balstītu pieeju”sniedz jaunu perspektīvu slimību modelēšanai. Tajā ir iekļauti temperatūras un augstuma atkarīgie mainīgie nodalījumu slimību modeļos-metode, kas simulācijas padara reālāku un reģionu specifiskāku. Tas ir īpaši svarīgi klimatam jutīgās un neaizsargātās jomās, kur vides faktori ļoti ietekmē malārijas pārnešanas modeļus.
Tehnoloģijas kodolā: AI un dinamiskās sistēmas
Lai palielinātu sava modeļa paredzamo spēju, pētnieki izmantoja uzlabotu AI rīku komplektu. Tie ietvēra:
- Mākslīgie neironu tīkli (ANNS)
- Atkārtoti neironu tīkli (RNN)
- Fizikā balstīti neironu tīkli (PINNS)
Katrs no šiem rīkiem tika izmantots, lai uzlabotu slimības prognozēšanas precizitāti, ļaujot modelim noteikt modeļus sarežģītajā vides apstākļu un malārijas izplatības mijiedarbībā. Turklāt pētījums ieviesa dinamiskā režīma sadalīšanos (DMD) – matemātisku paņēmienu, kas palīdz sadalīt sarežģītas sistēmas vienkāršākās, saprotamās komponentos. Tas tika izmantots, lai izveidotu reāllaika infekcijas riska metriku, piedāvājot sabiedrības veselības ierēdņiem spēcīgu resursu agrīnai atklāšanai un mērķtiecīgai reakcijai.
Ietekme uz globālo veselību
Profesors Abdeessamad Tridane no AAEU uzsvēra šīs AI integrācijas nozīmi ar epidemioloģisko modelēšanu, norādot:Šis pētījums parāda AI spēku, kad to apvieno ar klasiskajiem epidemioloģiskajiem modeļiem, ”sacīja AAU prof. Abdeessamad Tridane.“ Iemesējot vides atkarības tieši pārraides funkcijās, mūsu modelis atspoguļo malārijas izplatības sarežģīto, reālās pasaules izturēšanos, nodrošinot precīzāku un savlaicīgu metodi slimības izsekošanai. ”Šī pētījuma ietekme ir īpaši būtiska tādiem reģioniem kā Subsahāras Āfrika, kas veido 94% no globālajām malārijas gadījumiem. Ar vairāk nekā pusmiljonu ar malāriju saistītiem nāves gadījumiem katru gadu ir kritiska nepieciešama precīza prognozēšanas modeļu vajadzība. Šis darbs piedāvā vērtīgu soli, lai uzlabotu uzraudzību, agrīnās brīdināšanas sistēmas un uz datiem balstītu politikas veidošanu cīņā pret malāriju.
Institucionālā sadarbība un fons
Šis pētījums atspoguļo sadarbību starp divām institūcijām, kas paplašina savu globālo veselības pētījumu nospiedumu:
- Apvienotā Arābu Emirātu universitāte (AAE), kas dibināta 1976. gadā Al Ain, ir AAE vecākā publisko pētījumu universitāte. Šeihs Zajeds bin sultāns al Nahyan dibināts, tas piedāvā plašu bakalaura un pēcdiploma programmu klāstu vairākās disciplīnās.
- IIT Madras Zanzibāras pilsētiņa, kas tika atklāta 2023. gada novembrī, ir Indijas Madras institūta pirmā starptautiskā pilsētiņa. Campus, kas atrodas Bweleo apgabalā Zanzibārā, Tanzānijā, šobrīd piedāvā datu zinātnes un mākslīgā intelekta programmas. Tās mērķis ir rūpēties par daudzveidīgu studentu skaitu no Indijas, Tanzānijas un citām Āfrikas valstīm, plānojot paplašināt savu akadēmisko jomu nākamajos gados.
