كيف ساهم الذكاء الاصطناعي في التنبؤ بموجات كوفيد-19 المتغيرة؟

يمكن لنموذج الذكاء الاصطناعي التنبؤ بمتغيرات SARS-CoV-2 التي من المحتمل أن تسبب موجات جديدة من العدوى.

النماذج الحالية المستخدمة للتنبؤ بديناميكيات انتقال الفيروس لا تتنبأ بانتشار متغير محدد، وفق ما تم نشره في موقع ميديكال إكسبريس.

عوامل انتشار كورونا

درس ريتسيف ليفي وزملاؤه العوامل التي يمكن أن تشكل انتشار الفيروس بناءً على تحليل 9 ملايين تسلسل جيني لـ SARS-CoV-2 تم ​​جمعها بواسطة المبادرة العالمية لتبادل بيانات إنفلونزا الطيور (GISAID) من 30 دولة، إلى جانب بيانات حول معدلات التطعيم. معدلات الإصابة وعوامل أخرى.

نشرت النتائج في مجلة PNAS Nexus.

تم استخدام الأنماط التي انبثقت عن هذا التحليل لبناء نموذج لتقييم المخاطر ممكّن للتعلم الآلي.

يمكن للنموذج اكتشاف 72.8% من المتغيرات في كل بلد والتي ستسبب ما لا يقل عن 1000 حالة لكل مليون شخص في الأشهر الثلاثة المقبلة بعد فترة مراقبة مدتها أسبوع واحد فقط بعد الاكتشاف.

ويرتفع هذا الأداء التنبؤي إلى 80.1% بعد أسبوعين من المراقبة.

من بين أقوى العوامل التي تنبئ بأن المتغير سيصبح معديًا هو المسار المبكر للعدوى التي يسببها المتغير، والطفرات الشوكية للمتغير، ومدى اختلاف طفرات المتغير الجديد عن طفرات المتغير الأكثر شيوعًا خلال فترة المراقبة.

من المحتمل أن يتم توسيع نهج النمذجة للتنبؤ بالمسار المستقبلي للأمراض المعدية الأخرى أيضًا، وفقًا لما أكده مؤلفو الدراسة.

كورونا

وخلال السنوات الأربع الماضية، أصاب فيروس كورونا (كوفيد-19) أكثر من 770 مليون شخص، كما تسبب في أكثر من 6.9 مليون حالة وفاة في جميع أنحاء العالم.

غالبًا ما يُعزى التأثير الشديد لـ SARS-CoV-2 إلى قدرته على قمع استجابة الإنترفيرون (IFN) مع تحفيز إنتاج السيتوكينات المختلفة في نفس الوقت.

ومؤخرا، اكتشف باحثون في جامعة أكسفورد بالمملكة المتحدة كيف يرتبط معدل وقت التعرض لشخص مصاب بـ كوفيد-19 بخطر الإصابة بالعدوى.

ووجد الباحثون أن مدة التعرض للأفراد الذين لديهم اتصال بكوفيد-19 تزيد من خطر الإصابة بالعدوى أكثر من القرب.