نجح فريق بحثي من جامعة جنوب كاليفورنيا بالتعاون مع وزارة الصحة الكينية في تطوير نموذج للتعلم الآلي، يعتمد على البيانات الصحية السريرية وصور الأقمار الصناعية، بهدف التنبؤ باتجاهات سوء التغذية في جميع أنحاء البلاد، وهو إنجاز واعد في مجال الرعاية الصحية والوقاية من الأمراض
أداة ذكاء اصطناعي لمكافحة سوء التغذية
وفقًا لموقع “News medical”، تتميز هذه الأداة الذكية بقدرتها على التنبؤ بحالات سوء التغذية الحاد لدى الأطفال قبل حدوثها بستة أشهر، مما يتيح فرصة ذهبية لمكافحة هذه المشكلة الصحية في كينيا وسائر أنحاء القارة الأفريقية، حيث تشير إحصائيات منظمة الصحة العالمية إلى أن نقص التغذية الحاد يقف وراء نصف وفيات الأطفال دون سن الخامسة، خاصة في البلدان ذات الدخل المنخفض والمتوسط
وتأتي أهمية هذه الأداة في ظل ما كشف عنه المسح الديموغرافي الصحي في كينيا لعام 2022، حيث يعاني 5% من الأطفال الكينيين من سوء التغذية الحاد، وهو معدل يثير قلقًا بالغًا على الصحة العامة، وفي هذا السياق، أوضحت الباحثة الرئيسية لورا فيرجسون أن الهدف من هذه الأداة هو تزويد السلطات الصحية بإنذارات مبكرة، تدعم الاستجابات الفعالة للوقاية والعلاج
آلية عمل الأداة الذكية
صُممت هذه الأداة خصيصًا للتنبؤ بحالات سوء التغذية في مختلف المقاطعات الكينية، وذلك بهدف وضع استراتيجيات وقائية وعلاجية مناسبة، ولتحقيق هذه التوقعات، يعتمد النموذج على استخلاص البيانات من نظام برمجيات معلومات الصحة المحلية التابع للحكومة، ثم يجمعها مع صور الأقمار الصناعية، لتحديد المناطق والأوقات التي يرجح فيها حدوث سوء التغذية
وبخلاف النماذج التقليدية التي تعتمد على الاتجاهات التاريخية فقط، تدمج أداة الذكاء الاصطناعي هذه البيانات السريرية من أكثر من 17 ألف منشأة صحية كينية، وقد حققت دقة تصل إلى 89% في التنبؤات لمدة شهر واحد، و86% على مدى ستة أشهر، وهو ما يمثل تحسنًا كبيرًا مقارنة بالنماذج الأخرى، كما أشارت فيرجسون إلى أن الأداة قادرة على دمج البيانات المتاحة للجمهور حول النباتات الزراعية، والمستمدة من صور الأقمار الصناعية، للإشارة إلى مصادر الغذاء المتاحة
تطلعات مستقبلية
وبفضل هذه النتائج الواعدة التي تحققت في كينيا، يأمل الباحثون في إمكانية تكييف هذه الأداة لاستخدامها في حوالي 125 دولة أخرى تستخدم نظام DHIS2، وخاصة في 80 دولة منخفضة ومتوسطة الدخل، حيث لا يزال سوء التغذية يشكل السبب الرئيسي لوفيات الأطفال، ومن خلال استخدام نماذج الذكاء الاصطناعي المعتمدة على البيانات، يمكن التقاط علاقات أكثر تعقيدًا بين متغيرات متعددة، تعمل معًا للمساعدة في التنبؤ بسوء التغذية بدقة أكبر