الذكاء الاصطناعي لمواجهة جائحة كورونا

الذكاء الاصطناعي لمواجهة جائحة كورونا (كوفيد ١٩)

بواسطة خالد مجرشي | ٣٠ أغسطس ٢٠٢٠م

أدركت العديد من الحكومات والمؤسسات أهمية الذكاء الاصطناعي لمواجهة جائحة كورونا (كوفيد ١٩)، مما أدى إلى المسارعة بتوظيف أدوات ونماذج وأطر وتطبيقات حالية أو جديدة لمكافحة الجائحة. يلخص هذا المقال عدداً من مساهمات الذكاء الاصطناعي الحالية أو المحتملة في مواجهة الجائحة، حيث نعرض هذه المساهمات تحت تصنيفات: التنبيه والتحذير المبكر، والوقاية، والانتشار، والتشخيص والعلاج، وإسهامات أخرى.

التنبيه والتحذير المبكر

يعبتر التنبيه والتحذير المبكر من أهم المجالات التي يمكن أن يسهم الذكاء الاصطناعي فيها لمواجهة الجوائح مثل جائحة كورونا [1]. ومن التطبيقات المستخدمة حاليا (BlueDot 4) و (HealthMap5)، والتي تعتبر من أدوات الذكاء الاصطناعي التي صممت للمساعدة في اكتشاف تفشي الأمراض المعدية. ووفقًا لبعض المصادر، فإن (BlueDot 4) توقعت اندلاع عدوى كوفيد ١٩ في نهاية عام ٢٠١٩م، وذلك قبل قيام منظمة الصحة العالمية بالإعلان عن ذلك [2]. كما أطلقت أداة (HealthMap5) في مستشفى بوسطن للأطفال (الولايات المتحدة الأمريكية) تحذيراً مماثلا سبق التنبيه الصادر من (BlueDot 4).

الوقاية

وتعد الوقاية من أهم المجالات التي يمكن أن يسهم فيها الذكاء الاصطناعي خلال الجوائح. فيمكن للذكاء الاصطناعي توفير معلومات حديثة وآنية تساعد في الوقاية من المرض وذلك عبر أدوات ونماذج تحليل البيانات في الزمن الفعلي [3]. ومن أمثلة ذلك، توفير بيانات بالمواقع المحتملة للعدوى؛ مما يتيح للأفراد تجنبها وللسلطات الرسمية التركيز عليها للحد من انتشار الفيروس في تلك المواقع.

الانتشار

كما يعتبر التنبؤ بانتشار مرض كوفيد ١٩ من المهام التي يمكن أن يساعد الذكاء الاصطناعي القيام بها لمكافحة الجائحة، سواء كان ذلك بناء على عامل الوقت (أي بمرور الوقت) أو عامل المكان (الانتقال يين الأماكن) [1]. على سبيل المثال، فإن نماذج وخوارزميات استخدمت سابقا، مثل نموذج الشبكة العصبية الديناميكية للتنبؤ بمخاطر فيروس زيكا في الزمن الفعلي [4]، والتنبؤ بالإنفلونزا الموسمية [5]، يمكن إعادة تدربيها بناء على بيانات كوفيد ١٩ للمساهمة في مكافحة الجائحة [1]. ومن فوائد استخدام النماذج والخوارزميات السابقة توفير الوقت والجهد الذي يمكن أن يصرف على تطوير نماذج وخوارزميات جديدة، وخاصة أن العامل الزمني يعتبر حاسماً في مواجهة فيروس كوفيد ١٩، والذي من خصائصه سرعة الانتشار. وبالرغم من وجود عوامل تؤثر على دقة التنبؤات بانتشار الفيروسات مثل الاعتماد على بيانات غير صحيحة أو متحيزة جزئياً أو كلياً لتدريب النماذج والخوارزميات؛ إلا أن هناك بعض الحلول التي يمكن توظيفها للتقليل من تأثير تلك العوامل. على سبيل المثال، يمكن توظيف أدوات الإشراف على المحتوى على وسائل التواصل الاجتماعي، وذلك لتجنب أو تقليل جمع البيانات المزيفة عن كوفيد ١٩ عبر وسائل التواصل الاجتماعي [1, 6].

التشخيص والعلاج

كما يمكن للذكاء الاصطناعي التحليل السريع للأعراض ذات العلاقة بكوفيد ١٩، مما يسهل التنبيه المبكر للأفراد ذوي الأعراض والجهات المشرفة على الصحة العامة [3]. وهذا بدوره يساعد على اتخاذ قرارات أسرع تسهم في توفير الرعاية الصحية في وقت مبكر وتقليل الانتشار. ويتم تحقيق ذلك عبر استخدام خوارزميات أو نماذج أو أدوات أو أطر معينة تساعد في الكشف عن الأعراض. فمثلاً، اقترح راو وفازكويز (٢٠٢٠) استخدام خوارزمية تعلم الآلة لتحسين التعرف على الحالات المحتملة لكوفيد ١٩ بسرعة باستخدام مسح ويب على الهواتف المحمولة من أجل المساعدة في التقليل من انتشار الفيروس بين السكان المعرضين للإصابة [7].

كما يسهم الذكاء الاصطناعي في تشخيص الحالات المصابة بمساعدة تقنيات معينة، مثل تقنيات التصوير الطبي كالتصوير المقطعي (CT) والتصوير بالرنين المغناطيسي (MRI) [1, 3, 8-11]. على سبيل المثال، تم استخدام سلسلة من خوارزميات التعلم العميق والتي دربت على بيانات مجموعة متعددة الجنسيات من (١٢٨٠) مريضًا للتمييز بين حالات كوفيد ١٩ وغيرها من الحالات، وذلك عبر تحليل التصوير المقطعي للصدر، وقد أظهرت النتائج دقة جيدة في تمييز حالات كوفيد ١٩ [8].

كما تم تطوير شبكة عصبية تلافيفية عميقة أطلق عليها (COVID-Net)، والتي يمكنها تشخيص حالات كوفيد ١٩ من صور التصوير الإشعاعي للصدر [12]. وفي هذا السياق، يرى بولوك وآخرون (٢٠٢٠) أنه يمكن أن يكون الذكاء الاصطناعي دقيقًا مثل البشر، بالإضافة للمساهمة في توفير وقت أخصائي الأشعة [13]. كما أن تشخيص حالات كوفيد ١٩ عبر التقنيات التي تعتمد على الذكاء الاصطناعي يمكن أن يساعد على اكتشاف الحالات بشكل أسرع وأرخص من الاختبارات القياسية لكوفيد ١٩ [13].

ويعتبر تحديد المرضى الذين يجب أن يعطوا الأولوية في العلاج من القضايا الهامة والتي تحتاج لإدارة خلال الجوائح كجائحة كورونا، وذلك بسبب الضغط الكبير الذي يحصل على الموارد. وقد التفت الباحثين لهذا الموضوع حيث قدم على سبيل المثال جيانغ وآخرون (٢٠٢٠) تطبيق ذكاء اصطناعي يمكنه التنبؤ بدقة تصل إلى (٨٠٪) بالأشخاص الذين قد يصابوا بمتلازمة الضائقة التنفسية الحادة (ARDS) من أولئك المصابين بكوفيد ١٩ [14]. كما أن الذكاء الاصطناعي يمكن أن يسهم في مرحلة العلاج. على سبيل المثال، يمكن تطوير شبكة عصبية لاستخراج السمات المرئية لمرض كوفيد ١٩، مما يسهم في مراقبة وعلاج المصابين، بالإضافة لتوفير حلول وتوصيات علاجية يومية للمرضى [3].

اسهامات أخرى

يوجد اسهامات أخرى حالية أو محتملة للذكاء الاصطناعي والتي يمكن أن تساعد في مكافحة جائحة كورونا، حيث نسرد بعضها دون الولوج في تفاصيلها كالآتي: تطبيقات فرض التباعد الاجتماعي، وتطبيقات مسح الحشود وفحص درجة الحرارة عن بعد والتحقق من ارتداء أقنعة الوجه (الكمامات)، ومراقبة منع التجول باستخدام أنظمة كاميرات الرؤية الحاسوبية وأنظمة التعرف على الوجه [1, 15-17]، وتطبيقات فهم ردود فعل المجتمع تجاه القرارات ذات العلاقة بإدارة أزمة كورونا ومدى استجابة الأفراد للقرارات [18, 19]، وتطبيقات التمثيل المرئي لبيانات كوفيد ١٩ [1, 20]، وتطبيقات تطوير العلاجات واللقاحات [3, 17, 21]، وتطبيقات التوصية بالتوزيع الأمثل للموارد [17] كالأسرة وأجهزة التنفس والممارسين الصحيين، وتطبيقات خفض حمل عمل الممارسين الصحيين ووقايتهم من فيروس كورونا [3, 22]، وتطبيقات الطائرات بدون طيار والروبوتات للتعقيم والتنظيف والحصول على العلامات الحيوية للمرضى والفحص وتقديم العلاج وتقديم الأدوية عن بعد [17, 23, 24]، وتطبيقات فهم كوفيد ١٩ كالنشأة، والتطور، والانتقال بين البشر، والحضانة، وعوامل الخطر، والجينات الفيروسية [17, 25-27]، وتطبيقات التوعية والتواصل مع المجتمع والمشتبه اصابتهم، والمصابين [17, 28] .

المراجع

[1] Naudé, W., Artificial Intelligence against COVID-19: An early review. 2020.

[2] Kreuzhuber, K., How AI, Big Data and Machine Learning can be used against the Corona virus. ARS Electronica Blog, 2020. 19.

[3] Vaishya, R., et al., Artificial Intelligence (AI) applications for COVID-19 pandemic. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 2020.

[4] Akhtar, M., M.U. Kraemer, and L.M. Gardner, A dynamic neural network model for predicting risk of Zika in real time. BMC medicine, 2019. 17(1): p. 171.

[5] Hao, K., This is How the CDC is Trying to Forecast Coronaviruss Spread. MIT Technology Review. March, 2020. 13: p. 2020.

[6] Ortutay, B. and D. Klepper, Virus outbreak means (mis) information overload: How to cope. ABC News, 2020.

[7] Rao, A.S.S. and J.A. Vazquez, Identification of COVID-19 can be quicker through artificial intelligence framework using a mobile phone–based survey when cities and towns are under quarantine. Infection Control & Hospital Epidemiology, 2020. 41(7): p. 826-830.

[8] Harmon, S.A., et al., Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets. Nature Communications, 2020. 11(1): p. 1-7.

[9] Mei, X., et al., Artificial intelligence–enabled rapid diagnosis of patients with COVID-19. Nature Medicine, 2020: p. 1-5.

[10] Shi, F., et al., Review of artificial intelligence techniques in imaging data acquisition, segmentation and diagnosis for covid-19. IEEE reviews in biomedical engineering, 2020.

[11] Chen, J., et al., Deep learning-based model for detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography: a prospective study. MedRxiv, 2020.

[12] Wang, L. and A. Wong, COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images. arXiv preprint arXiv:2003.09871, 2020.

[13] Bullock, J., et al., Mapping the landscape of artificial intelligence applications against COVID-19. arXiv preprint arXiv:2003.11336, 2020.

[14] Jiang, X., et al., Towards an artificial intelligence framework for data-driven prediction of coronavirus clinical severity. CMC: Computers, Materials & Continua, 2020. 63: p. 537-51.

[15] BBC News. Coronavirus France: cameras to monitor masks and social distancing. 2020; Available from: https://www.bbc.com/news/worldeurope-52529981.

[16] Reevell, P. How Russia is using facial recognition to police its coronavirus lockdown. 2020; Available from: https://abcnews.go.com/International/russia-facial-recognition-policecoronavirus-lockdown/story?id=70299736.

[17] Nguyen, T.T., Artificial intelligence in the battle against coronavirus (COVID-19): a survey and future research directions. Preprint, DOI, 2020. 10.

[18] Abd-Alrazaq, A., et al., Top concerns of tweeters during the COVID-19 pandemic: infoveillance study. Journal of medical Internet research, 2020. 22(4): p. e19016.

[19] Torales, J., et al., The outbreak of COVID-19 coronavirus and its impact on global mental health. International Journal of Social Psychiatry, 2020: p. 0020764020915212.

[20] Dong, E., H. Du, and L. Gardner, An interactive web-based dashboard to track COVID-19 in real time. The Lancet infectious diseases, 2020. 20(5): p. 533-534.

[21] Zhavoronkov, A., et al., Potential non-covalent SARS-CoV-2 3C-like protease inhibitors designed using generative deep learning approaches and reviewed by human medicinal chemist in virtual reality. 2020.

[22] McCall, B., COVID-19 and artificial intelligence: protecting health-care workers and curbing the spread. The Lancet Digital Health, 2020. 2(4): p. e166-e167.

[23] Yang, G.-Z., et al., Combating COVID-19—The role of robotics in managing public health and infectious diseases. 2020, Science Robotics.

[24] Tavakoli, M., J. Carriere, and A. Torabi, Robotics, smart wearable technologies, and autonomous intelligent systems for healthcare during the COVID‐19 pandemic: An analysis of the state of the art and future vision. Advanced Intelligent Systems, 2020: p. 2000071.

[25] Nguyen, T.T., et al., Origin of Novel Coronavirus (COVID-19): A Computational Biology Study using Artificial Intelligence. BioRxiv, 2020.

[26] Senior, A.W., et al., Improved protein structure prediction using potentials from deep learning. Nature, 2020. 577(7792): p. 706-710.

[27] Team, A., Computational predictions of protein structures associated with COVID-19. DeepMind Website K, 2020. 417: p. Y453.

[28] Martin, A., et al., An artificial intelligence-based first-line defence against COVID-19: digitally screening citizens for risks via a chatbot. bioRxiv, 2020.