سایت علمی از‌آی‌آی در گزارشی نوشته است که دانشمندان یک سیستم هوش مصنوعی را توسعه داده‌اند که ما را از همه‌گیری بعدی آگاه می‌کند. این سیستم با استفاده از فناوری یادگیری ماشینی می‌تواند به «ما در مورد ظهور انواع خطرناک ویروس‌ها در آینده هشدار دهد و همچنان به ما اجازه دهد تا از قبل برای آن آماده شویم.»
این سایت علمی نوشته است که همه ما می‌دانیم که همه‌گیری کووید۱۹ چقدر ویرانگر بود و اگر تلاش دانشمندان و کارکنان بهداشت در سراسر جهان نبود، می‌توانست بدتر از این هم بشود. اما چه می‌شود اگر بتوانیم از خطرناک‌ترین گونه‌های بعدی ویروس‌ها را قبل از تبدیل شدن به یک تهدید بزرگ جهانی آگاه شویم؟
در ادامه آمده است که اکنون یک سیستم هوش مصنوعی جدید می‌تواند این کار را انجام دهد. بر اساس مطالعه دانشمندان موسسه پژوهش اسکریپس و دانشگاه نورث وسترن در ایالات متحده، این سیستم موسوم به EWAD می‌تواند به ما در مورد ظهور انواع خطرناک ویروس‌ها در همه‌گیری‌های آینده هشدار دهد.
سیستم EWAD
در گزارش آمده است، این سیستم که هشدار اولیه تشخیص ناهنجاری(EWAD) نام دارد، از فناوری یادگیری ماشینی برای تجزیه و تحلیل توالی‌های ژنتیکی، تناوب‌ها و میزان مرگ‌ومیر بر اثر انواع ویروس‌ها در سراسر جهان استفاده می‌کند.
پژوهشگران،EWAD را بر روی داده‌های واقعی از همه‌گیری کووید۱۹ آزمایش کرده و دریافته‌اند که می‌تواند به طور دقیق پیش‌بینی کند که کدام گونه‌های نگران کننده در هنگام جهش ویروس ایجاد می‌شوند.
همچنین در ادامه آمده است که این سیستم می‌تواند تخمین بزند که اقدامات بهداشت عمومی مانند واکسن‌ها و پوشیدن ماسک چگونه بر تکامل ویروس تاثیر می‌گذارد. این مطالعه که در مجله Cell Patterns منتشر شده است، نشان می‌دهد که EWAD می‌تواند به ما کمک کند تا با شناسایی تهدیدهای بالقوه قبل از تعیین و تایید رسمی توسط سازمان بهداشت جهانی(WHO) برای مقابله با شیوع‌های آینده آماده شویم و به آنها واکنش نشان دهیم.
سایت علمی از‌آی‌آی به نقل از ویلیام بالچ، میکروبیولوژیست در موسسه پژوهشی اسکریپس و یکی از نویسندگان اصلی این مطالعه نوشته است: «می‌توانیم انواع ژن‌های کلیدی را ببینیم که ظاهر می‌شوند و بیشتر می‌شوند، زیرا میزان مرگ‌ومیر نیز تغییر می‌کند و همه این‌ها هفته‌ها قبل از تعیین رسمی گونه‌های نگران کننده توسط سازمان بهداشت جهانی اتفاق می‌افتد.»
ویلیام بالچ گفته است که این سیستم هوش مصنوعی از یک روش ریاضی به نام کوواریانس فضایی مبتنی بر فرآیند گاوسی (Gaussian process-based spatial covariance) استفاده می‌کند که می‌تواند داده‌های جدید را بر اساس داده‌های موجود و روابط آنها پیش‌بینی کند.
این سیستم همچنان می‌تواند الگوها و قوانین تکامل ویروس را که در غیر این صورت در حجم وسیعی از داده‌ها پنهان می‌شوند، شناسایی کند.
درس‌های آموخته شده
در ادامه آمده است:«یکی از درس‌های بزرگ این کار این است که نه تنها چند نوع برجسته، بلکه ده‌ها هزار نوع دیگر تعیین‌نشده که ما آنها را نوعی ماده تاریک می‌نامیم، در نظر بگیریم.»
پژوهشگران می‌گویند که سیستم آنها همچنین می‌تواند به ما کمک کند تا در مورد بیولوژی اولیه ویروس‌ها و نحوه سازگاری آنها با محیط‌های مختلف بیشتر بدانیم. این می‌تواند به درمان‌ها و استراتژی‌های پیشگیری بهتر برای بیماری‌های ویروسی منجر شود.
همچنین این سایت به نقل از بن کالوِرلی، ریاضی‌شناس در موسسه پژوهشی اسکریپس و یکی دیگر از نویسندگان اصلی این مطالعه می‌گوید نوشته است: «این سیستم و روش‌های فنی زیربنایی آن کاربردهای احتمالی زیادی در آینده دارند.»
این مطالعه در مجله Cell Patterns منتشر شده است.
