“مقامات بهداشت چینی می گویند شیوع بیماری باعث شده است 305 نفر بیمار شده و 5 نفر نیز کشته شوند ”
این خبر مربوط به امروز نیست بلکه مربوط به 17 سال پیش یعنی سال 2003 است که cnnآنرا مخابره کرده است این خبر مربوط به زمانی است که شیوع SARS رو به افزایش گذاشته بود .اما شباهتهای زیادی بین شیوع فعلی کرونا با SARS وجود دارد از محل شروع این بیماری تا شیوع ویروس .
در فاصله 17 ساله بین این دو بیماری همه گیر تغییرات زیادی در فناوری های حوزه سلامت و حتی فناوری اطلاعات صورت گرفته است . فناوری در بخش مراقبت های بهداشتی بسیار پیشرفت نموده است در حالیکه این فن آوری ها در سال 2003 وجود نداشت ویا در شکل ابتدایی خود قرار داشت .اما اکنون فناوری سلامت مقرون به صرفه تر و گسترده تر هستند و می توانند به مدیریت بحران های سلامت و بهداشت کمک نموده و در جلوگیری از پیشرفت چنین مواردی کمک شایانی به عمل اورد .
با این حال پس از مدتی تائید شد که انتقال انسان به انسان این ویروس مشابه آنفولانزا در چین اتفاق افتاده است ، و از این رو گسترش این ویروس به صورت سریع در سطح جهان شکل گرفت .
A.I. برای تشخیص شیوع همه گیر
در 2003 و در آغاز شیوع SARS ، چین وجود چنین ویروسی را از شهروندان خود و هم در جهان کتمان نمود . اما حالا چین در مورد ویروس کرونا شفاف تر عمل نموده است هرچند که هنوز خیلی ها قانع نشده اند که حرف های دولت چین منطبق با واقعیت باشد بنابراین رهگیری موضوع از طریق هوش مصنوعی و تکنولوژی های جدید می تواند این نگرانی ها را مرتفع سازد .
در تورنتو و بعد از مشاهده اولین نمونه های مبتلا شده به این بیماری ، بسترهای نرم افزاری در مسیر کاهش انتشار به کار گرفته شدند .اولین قدم این بود که این نرم افزارها مسیر صحیح ورود ویروس از ووهان به توکیو را به درستی پیش بینی کردند.
بلگوئوت که یک شرکت بهداشتی دیجیتالی است از آنالیز داده های بزرگ برای ردیابی و پیش بینی شیوع خطرناکترین بیماری های عفونی در جهان استفاده می كند”. با الگوریتم Bluedot با گذر از انبوهی از اطلاعات مربوط به گزارش های خبری ، داده های هواپیمایی و گزارش شیوع بیماری حیوانات ، می تواند روشی را شناسایی کند که توسط اپیدمیولوژیست ها مورد تجزیه و تحلیل قرار می گیرد. سپس این شرکت اطلاعات را با مشتریان خود به اشتراک می گذارد.
کامران خان ، بنیانگذار و مدیرعامل Bluedot ، درگفتگو با خبرنگاران گفت: ” با استفاده از داده های جمع اوری شده ، دانش لازم جهت مشخص شدن ورود و روند گسترش بیماریهای واگیردار قابل دسترس است . A.I. قبل از این هم برای مدل سازی شیوع ابولا با استفاده از داده های جابه جایی افراد مورد استفاده قرار گرفته بود .
درحقیقت با AI و جمع اوری داده های موجود شما می توانید داده ها را فیلتر نموده و پیش بینی های دقیقی را به کمک متخصصین از روند گسترش بیماری و منابع اصلی انتشار ویروس شناسایی کنید .
نقشه های تعاملی برای نظارت
مرکز علوم و مهندسی سیستم ها در دانشگاه جان هاپکینز داشبورد آنلاینی را برای تجسم و ردیابی موارد گزارش شده در یک بازه زمانی روزانه ایجاد کرده است . آنها همچنین مجموعه کاملی از داده ها را به صورت یک صفحه Google بارگیری کردند.این نقشه ، موارد جدید ابتلا به این بیماری ، مرگ و میرهای تایید شده و کسانی که بهبود یافته اند را نشان می دهد.
از این داده ها برای پیش بینی مراقبت های اینده استفاده می شود . داده هااز منابع مختلفی از جمله WHO ، CDC ، China CDC ، NHC و DXY ، جمع آوری شده است که گزارش های وضعیت NHC و محلی CCDC را در زمان واقعی جمع می کند ، و تخمین می زند ویروس ها از چه مناطقی و به چه ترتیب گسترش یافته اند .
اطلاعات مربوط به ویروس کورنا و موارد مشاهده شده در آمریكا، از CDC گرفته می شود ، و تمام داده های مربوط به کورنا از سایر كشور ها نیز از وزارتخانه های بهداشت این کشورها گرفته و پردازش برروی ان ها انجام می شود . و سپس داشبورد ارائه شده با استفاده از داده صحیح ، درک درستی از وضعیت شیوع آن را در معرض دید عموم قرار می دهد.
