هوش مصنوعی کمهزینه، داروهای حیاتی را به مراکز درمانی نیازمند میرساند
پژوهشگران دانشکده کسبوکار وارتون و دانشکده مهندسی دانشگاه پنسیلوانیا موفق به توسعه یک سامانه هوش مصنوعی کمهزینه شدهاند که با پیشبینی دقیق تقاضا و جبران کمبود دادهها، توزیع داروهای ضروری را در سیرالئون بهبود بخشیده و دسترسی بیماران به داروهای نجاتبخش را افزایش داده است.
به گزارش مدرن مد به نقل از htworld، این سامانه که با همکاری دولت سیرالئون طراحی و اجرا شده، از الگوریتمهای یادگیری ماشین برای پیشبینی نیاز مراکز درمانی و بهینهسازی تخصیص ذخایر محدود دارویی در سطح کشور استفاده میکند. هدف اصلی این فناوری، رساندن داروهای حیاتی به مراکز درمانی است که بیشترین نیاز را دارند.
بر اساس نتایج اجرای آزمایشی این طرح در پنج منطقه، میزان مصرف داروهای تخصیصیافته ۱۹ درصد افزایش یافت؛ شاخصی که نشاندهنده بهبود دسترسی بیماران به خدمات درمانی است. این موفقیت موجب شد دولت سیرالئون سامانه را در سراسر کشور گسترش دهد. اکنون این سیستم مدیریت توزیع بیش از ۷۰ قلم کالای پزشکی ضروری را با هزینهای تنها ۳۰ دلار در ماه برای زیرساخت سرور بر عهده دارد و بدون نیاز به نیروی انسانی جدید فعالیت میکند.
پاسخ به چالشهای زنجیره تأمین دارو
مدیریت زنجیره تأمین تجهیزات پزشکی در کشورهای کمدرآمد و با درآمد متوسط همواره با چالشهای متعددی از جمله بیثباتیهای سیاسی، شیوع بیماریهای واگیردار و اختلالات زیرساختی روبهرو است. در سیرالئون، عواملی مانند تلاش برای کودتای نظامی، شیوع بیماریهای عفونی و قطعی گسترده برق، فرآیند توزیع دارو را با دشواریهای فراوان مواجه کرده است.
به گفته «هامسا باستانی»، پژوهشگر حوزه تحقیق در عملیات و آمار در دانشکده وارتون، سیرالئون با وجود اجرای برنامه ارائه خدمات درمانی رایگان به زنان باردار و کودکان زیر پنج سال، همچنان یکی از بالاترین نرخهای مرگومیر مادران در جهان را دارد؛ بهطوری که به ازای هر ۱۰۰ هزار تولد زنده، ۷۱۷ مورد مرگ مادر ثبت میشود.
او تأکید میکند که مشکل اصلی همیشه کمبود دارو نیست، بلکه توزیع نامناسب آن است؛ بهگونهای که برخی مراکز درمانی با مازاد موجودی و برخی دیگر با کمبود شدید دارو مواجه هستند.
الگوریتمی برای توزیع عادلانهتر
برای رفع این نابرابری، تیم تحقیقاتی متشکل از هامسا باستانی، «اُزبرت باستانی» و «آنجل تسای-هسوان چانگ» با همکاری دولت سیرالئون سامانهای طراحی کردند که میزان نیاز هر مرکز درمانی به هر قلم دارو را پیشبینی کرده و کارآمدترین روش توزیع ذخایر محدود ملی را محاسبه میکند.
به گفته چانگ، نویسنده نخست این پژوهش، این سامانه بهطور ویژه برای محیطهایی طراحی شده است که دادههای موجود در آنها محدود، ناقص و دارای خطا هستند.
بررسیها نشان داد مراکز درمانی واقع در مناطق محروم و دورافتاده که پیشتر با کمبود مزمن دارو روبهرو بودند، پس از اجرای این سامانه افزایش ۳۲ درصدی در مصرف داروهای ضروری را تجربه کردند.
بهرهگیری از دادههای جمعیتی و تصاویر ماهوارهای
یکی از ویژگیهای مهم این سامانه، توانایی آن در جبران کمبود دادههای ثبتشده است. پژوهشگران با استفاده از روش «یادگیری چندوظیفهای» (Multitask Learning)، الگوهای مشترک تقاضا مانند تغییرات فصلی را از مراکز دارای دادههای کامل استخراج کرده و برای پیشبینی نیاز مراکز دارای دادههای ناقص به کار گرفتهاند.
همچنین اطلاعات سرشماری، تصاویر ماهوارهای Google Earth از پوشش گیاهی اطراف مراکز درمانی و دادههای مربوط به زمان دسترسی جمعیت به این مراکز در مدل لحاظ شده است. این اطلاعات امکان برآورد نیاز پایه هر مرکز درمانی بر اساس جمعیت تحت پوشش و شرایط جغرافیایی را فراهم میکند.
جلب اعتماد مسئولان محلی
برای موفقیت اجرای این پروژه، پژوهشگران تنها به ارتباطات از راه دور اکتفا نکردند. «آنجل تسای-هسوان چانگ» با سفر به فریتاون، پایتخت سیرالئون، جلسات آموزشی متعددی برای مسئولان محلی برگزار کرد.
به گفته او در ابتدای پروژه نگرانیهایی وجود داشت که هوش مصنوعی جایگزین نیروی انسانی شود یا در صورت بروز مشکل، مسئولیت آن بر عهده کارکنان محلی قرار گیرد. از این رو، سامانه بهگونهای طراحی شد که شباهت زیادی به فرآیندهای کاری و فایلهای صفحهگسترده مورد استفاده کارکنان داشته باشد تا پذیرش آن آسانتر شود.
هامسا باستانی نیز تأکید میکند که این سامانه صرفاً نقش «ابزار پشتیبان تصمیمگیری» را ایفا میکند و تصمیم نهایی همواره توسط مسئولان محلی اتخاذ میشود.
الگویی برای آینده نظامهای سلامت
مالکیت کامل این سامانه اکنون به دولت سیرالئون منتقل شده و تیم پژوهشی در حال توسعه پروژههای مشابه در سایر کشورهاست. در همین راستا، همکاری جدیدی با مسئولان سومالیلند و شرکای تایوانی برای بهکارگیری رویکردهای مشابه در نظامهای سلامت منطقه آغاز شده است.
پژوهشگران امیدوارند این تجربه به الگویی موفق برای استفاده از هوش مصنوعی در کشورهای دارای منابع محدود تبدیل شود و نشان دهد که فناوریهای هوشمند، حتی با هزینهای اندک، میتوانند نقش مؤثری در بهبود عدالت در دسترسی به خدمات سلامت و نجات جان بیماران ایفا کنند.
