ปัญญาประดิษฐ์ทำนายการระบาดของมาเลเรียในเอเชียใต้

นักวิจัยจาก NDORMS ร่วมมือกับสถาบันระหว่างประเทศเพื่อแสดงให้เห็นถึงศักยภาพในการใช้การวัดสิ่งแวดล้อมและแบบจำลองการเรียนรู้เชิงลึกเพื่อคาดการณ์การระบาดของมาเลเรียในเอเชียใต้ การศึกษานี้ให้แนวโน้มที่น่าพอใจสำหรับการปรับปรุงระบบเตือนภัยล่วงหน้าสำหรับโรคที่ร้ายแรงที่สุดโรคหนึ่งของโลก

โรคมาลาเรียยังคงเป็นปัญหาสุขภาพที่สำคัญระดับโลก โดยมีประชากรประมาณครึ่งหนึ่งของโลกมีความเสี่ยงที่จะติดเชื้อ โดยเฉพาะในแอฟริกาและเอเชียใต้ แม้ว่าโรคมาลาเรียสามารถป้องกันได้ แต่สภาพอากาศ สังคมประชากร และปัจจัยเสี่ยงด้านสิ่งแวดล้อมที่เปลี่ยนแปลงตลอดเวลาทำให้การคาดการณ์การระบาดทำได้ยาก

ทีมนักวิจัยที่นำโดยรองศาสตราจารย์ Sarah Khalid จาก NDORMS Planetary Health Informatics Group มหาวิทยาลัยออกซ์ฟอร์ด ร่วมมือกับมหาวิทยาลัยการจัดการลาฮอร์ พยายามแก้ไขปัญหานี้และตรวจสอบว่าแนวทางการเรียนรู้ของเครื่องจักรตามสภาพแวดล้อมจะสามารถนำเสนอศักยภาพสำหรับเครื่องมือเตือนภัยมาเลเรียเฉพาะสถานที่ได้หรือไม่

พวกเขาพัฒนาแบบจำลอง LSTM หลายตัวแปร (M-LSTM) ที่วิเคราะห์ข้อมูลด้านสิ่งแวดล้อมพร้อมกัน ได้แก่ อุณหภูมิ ปริมาณน้ำฝน การวัดพืชพรรณ และข้อมูลแสงในเวลากลางคืน เพื่อคาดการณ์การเกิดโรคมาเลเรียในเขตเอเชียใต้ที่ครอบคลุมปากีสถาน อินเดีย และบังกลาเทศ

ข้อมูลดังกล่าวได้รับการเปรียบเทียบกับอัตราการเกิดโรคมาเลเรียในระดับอำเภอของแต่ละประเทศระหว่างปี พ.ศ. 2543 ถึง พ.ศ. 2560 ซึ่งได้รับจากชุดข้อมูลการสำรวจสุขภาพและประชากรของสำนักงานเพื่อการพัฒนาระหว่างประเทศของสหรัฐอเมริกา

ผลลัพธ์ที่ตีพิมพ์ในThe Lancet Planetary Healthแสดงให้เห็นว่าโมเดล M-LSTM ที่เสนอนั้นมีประสิทธิภาพเหนือกว่าโมเดล LSTM แบบดั้งเดิมอย่างสม่ำเสมอ โดยมีข้อผิดพลาดต่ำกว่าที่ 94.5%, 99.7% และ 99.8% สำหรับปากีสถาน อินเดีย และบังคลาเทศ ตามลำดับ

โดยรวมแล้ว ความแม่นยำที่สูงขึ้นและข้อผิดพลาดที่ลดลงทำได้ด้วยความซับซ้อนของโมเดลที่เพิ่มมากขึ้น ซึ่งเน้นย้ำถึงประสิทธิผลของแนวทางนี้

ซาราห์อธิบายว่า “แนวทางนี้สามารถนำไปปรับใช้ทั่วไปได้ ดังนั้น การสร้างแบบจำลองของเราจึงมีความสำคัญอย่างมากต่อนโยบายด้านสาธารณสุข ตัวอย่างเช่น แนวทางนี้สามารถนำไปใช้กับโรคติดเชื้ออื่นๆ หรือขยายไปยังพื้นที่เสี่ยงสูงอื่นๆ ที่มีอัตราการเจ็บป่วยและเสียชีวิตจากมาเลเรียสูงเกินสัดส่วนในภูมิภาคขององค์การอนามัยโลกในแอฟริกา แนวทางดังกล่าวอาจช่วยให้ผู้มีอำนาจตัดสินใจนำมาตรการเชิงรุกมากขึ้นมาใช้เพื่อจัดการกับการระบาดของมาเลเรียในระยะเริ่มต้นและแม่นยำยิ่งขึ้น

“สิ่งที่น่าดึงดูดใจจริงๆ คือความสามารถในการวิเคราะห์แทบทุกที่บนโลกด้วยความก้าวหน้าอย่างรวดเร็วในด้านการสังเกตการณ์โลก การเรียนรู้เชิงลึก และปัญญาประดิษฐ์ รวมถึงความพร้อมใช้งานของคอมพิวเตอร์ประสิทธิภาพสูง ซึ่งอาจนำไปสู่การแทรกแซงที่ตรงเป้าหมายมากขึ้น และการจัดสรรทรัพยากรที่ดีขึ้นในความพยายามอย่างต่อเนื่องเพื่อกำจัดมาเลเรียและปรับปรุงผลลัพธ์ด้านสาธารณสุขทั่วโลก”