الذكاء الاصطناعي ومستقبل الوقاية من الملاريا

لا تزال الملاريا من أبرز تحديات الصحة العامة في عصرنا. ووفقًا لمنظمة الصحة العالمية، يتحمل إقليم أفريقيا التابع للمنظمة الغالبية العظمى من الحالات والوفيات في العالم، وتتحمل نيجيريا أكبر حصة بين جميع الدول. وقد تباطأ التقدم الذي تحقق في مطلع الألفية الثالثة، وتواجه البرامج تهديدات متزايدة من مقاومة المبيدات والأدوية، وقيود التمويل، وتغيّر المناخ.

في ظل هذه الخلفية، من المغري النظر إلى الذكاء الاصطناعي بوصفه تقنية خارقة. لكننا نرى أن الإطار الأنفع أضيق وأكثر عملية: يمكن للذكاء الاصطناعي أن يساعد برامج الملاريا على تحديد أين ومتى تتحرك بدقة أكبر. وتكمن قيمة ذلك تحديدًا في أن أدوات الوقاية من الملاريا - الناموسيات، والرش، والوقاية الكيميائية، وإدارة الحالات، وعلى نحو متزايد اللقاحات - تؤتي ثمارها بالفعل حين تصل إلى الأشخاص المناسبين في الوقت المناسب.

أين يمكن للذكاء الاصطناعي أن يساعد

استباق المخاطر الموسمية

انتقال الملاريا موسمي بدرجة كبيرة في كثير من البيئات، ويتشكّل بفعل الأمطار ودرجات الحرارة والرطوبة مع فترات تأخر زمني مميزة. ويمكن للنماذج الإحصائية ونماذج التعلم الآلي التي تجمع تاريخ الترصد مع البيانات المناخية أن تقدّر كيف يُرجَّح أن تتطور المخاطر خلال الأسابيع المقبلة. وحتى المهلة الإضافية المتواضعة يمكن أن تساعد البرامج على تخزين الإمدادات مسبقًا وجدولة الحملات.

رؤية التباين دون الوطني

يمكن للمتوسطات الوطنية، بل حتى متوسطات الولايات، أن تُخفي فروقًا كبيرة بين المناطق والأحياء. ويمكن للنماذج الجغرافية المكانية تقدير المخاطر بدقة أعلى، ما يساعد البرامج على تجنّب توزيع الموارد بشكل مفرط في التشتت أو التجانس.

تحديد الأولويات في ظل القيود

نادرًا ما تملك البرامج موارد تكفي لتغطية كل مكان في آن واحد. ويمكن لجمع المخاطر المتوقعة مع مؤشرات مثل نسبة الأطفال الصغار، وزمن الوصول إلى المنشآت الصحية، والتغطية الحديثة بالناموسيات، أن ينتج ترتيبات شفافة للأولويات - شريطة أن تكون الأوزان ظاهرة ومتفقًا عليها بين أصحاب المصلحة.

الحد من العوائق التشغيلية

يستهلك التخطيط الدقيق واللوجستيات والإشراف قدرًا كبيرًا من وقت موظفي البرامج. ويمكن للأدوات التي تُعِدّ مسودات الخطط انطلاقًا من الأولويات المتفق عليها، وتتابع الأنشطة المخطط لها مقابل المنجزة، أن تحرر الكوادر ذات الخبرة للتركيز على المشكلات التي لا يستطيع حلها سواهم.

أين يلزم الحذر

جودة البيانات متفاوتة

يمكن أن تتأثر بيانات الملاريا الروتينية بمعدلات الفحص، ونفاد المخزون، واكتمال الإبلاغ، والتغيرات في سلوك طلب الرعاية. وقد يتعلم نموذج مدرَّب على هذه البيانات تشوهاتها بدلًا من انتقال العدوى الفعلي. لذلك لا غنى عن التقييم الدقيق للبيانات، والعمل الوثيق مع اختصاصيي الأوبئة في البرامج الذين يفهمون طرق الإبلاغ المحلية.

التوقعات غير مؤكدة

ينبغي دائمًا عرض التوقعات مع فواصل التنبؤ وتقييمها مقارنةً بنماذج أساسية بسيطة. فالنموذج الذي لا يتفوق على افتراض «مثل العام الماضي» يضيف تعقيدًا بلا قيمة.

قد يتضرر الإنصاف

قد تبدو المناطق ذات الإبلاغ الضعيف أقل خطرًا لمجرد أن عدد الحالات المسجلة فيها أقل. ومن دون فحوصات صريحة، قد يوجّه الاستهداف القائم على البيانات الموارد بعيدًا عن المجتمعات الأشد حاجة إليها.

البشر يقررون

مخرجات الذكاء الاصطناعي مدخلات لحكم الخبراء، وليست بديلًا عنه. ويجب أن يظل مديرو البرامج واختصاصيو الأوبئة والمجتمعات أصحاب القرار.

ما يعنيه ذلك لـ Epinova

ينصبّ تركيز Epinova الأولي في مجال الملاريا على نيجيريا، حيث يجعل حجم انتقال العدوى وتنوعه الاستهدافَ الدقيق ذا قيمة خاصة. ونطوّر قدرات التنبؤ وتحديد الأولويات واضعين هذه المبادئ نصب أعيننا: التحقق قبل الاستخدام، وإظهار عدم اليقين، والأوزان الشفافة، واتخاذ البشر للقرار.

ما زلنا في مرحلة مبكرة، ولن ندّعي نتائج لم نثبتها بعد. ما يمكننا قوله هو أننا نبني مع الأشخاص الذين يديرون برامج الملاريا، ونقيس أنفسنا مقارنةً بنماذج أساسية بسيطة، ونلتزم بالإبلاغ عما نجده.