این مدل مبتنی بر هوش مصنوعی برخلاف مدل‌های قبلی که عمدتا بر نرخ‌های سوءتغذیه تاریخی تمرکز داشتند، از الگوهای داده‌ای پیچیده استفاده می‌کند و بیسترا دیلکینا، مدیر مشترک مرکز هوش مصنوعی در دانشگاه کالیفرنیای جنوبی گفت که این مدل تغییردهنده بازی است.
دیلکینا گفت: با استفاده از مدل‌های هوش مصنوعی مبتنی بر داده، می‌توانید روابط پیچیده‌تری بین متغیرهای متعددی ثبت کنید که با هم کار می‌کنند تا در پیش‌بینی دقیق‌تر شیوع سوءتغذیه کمک‌کننده باشند.
این مدل با تجزیه‌وتحلیل داده‌های سلامت و اطلاعات ماهواره‌ای، پیش‌بینی می‌کند که سوءتغذیه در کجا ممکن است افزایش یابد، همچنین در پیش‌بینی‌های یک ماهه به دقت ۸۹ درصد دست یافت و دقت ۸۶ درصد را طی ۶ ماه حفظ کرد که جهشی قابل‌توجه نسبت به مدل‌های قدیمی‌تر است.
سوءتغذیه در کنیا
داده‌های سلامت نشان می‌دهد که کنیا، کشوری در شرق آفریقا، با بحران سوءتغذیه کودکان دست‌وپنجه نرم می‌کند و نزدیک به ۳۵۰ هزار کودک زیر پنج سال این کشور از سوءتغذیه حاد رنج می‌برند، وضعیتی که سیستم ایمنی بدن آنان به شدت تضعیف شده است و برخی مناطق حتی نرخ سوءتغذیه کودکان را تا ۲۵ درصد گزارش کرده‌اند. سوءتغذیه سطح جهانی، تقریبا نیمی از کل مرگ‌ومیرهای این گروه سنی را تشکیل می‌دهد.
محققان اظهار کردند: سوءتغذیه، وضعیت اضطراری بهداشت عمومی در کنیاست و دیلکینا افزود: اگر می‌توانیم این کار را برای کنیا انجام دهیم پس قادر هستیم برای کشورهای دیگر نیز انجام دهیم.
هشدارهای اولیه در مورد سوءتغذیه کودکان
در مناطقی که ناامنی غذایی و سوءتغذیه در هم تنیده شده‌اند، هشدارهای اولیه می‌تواند به معنای تفاوت بین مرگ‌وزندگی باشد. مدل هوش مصنوعی با پیش‌بینی سوءتغذیه از ماه‌ها قبل، دریچه‌ای حیاتی برای اقدامات لازم فراهم می‌کند.
سایت ارث گزارش کرد، این ابزار برای سازمان‌های بشردوستانه و دولت‌ها، چیزی بیش از پیش‌بینی ارائه کرده است و در کشوری که سوءتغذیه کودکان هر ساله جان هزاران فرد را می‌گیرد، برنامه نجات‌بخشی خواهد بود. به همین دلیل، تمرکز به مقیاس‌بندی این مدل تغییر خواهد کرد و کنیا فقط شروع کار است. این مدل هوش مصنوعی با داده‌های مناسب و مشارکت‌ها، می‌تواند به چارچوبی جهانی تبدیل شود که سوءتغذیه را پیش‌بینی و از رنج در کشورهایی که کودکان در معرض خطر بیشتری قرار دارند، جلوگیری می‌کند.
نتایج تحقیق کنونی در مجله PLOS One منتشر شده است.
انتهای پیام
این مدل مبتنی بر هوش مصنوعی برخلاف مدل‌های قبلی که عمدتا بر نرخ‌های سوءتغذیه تاریخی تمرکز داشتند، از الگوهای داده‌ای پیچیده استفاده می‌کند و بیسترا دیلکینا، مدیر مشترک مرکز هوش مصنوعی در دانشگاه کالیفرنیای جنوبی گفت که این مدل تغییردهنده بازی است.
دیلکینا گفت: با استفاده از مدل‌های هوش مصنوعی مبتنی بر داده، می‌توانید روابط پیچیده‌تری بین متغیرهای متعددی ثبت کنید که با هم کار می‌کنند تا در پیش‌بینی دقیق‌تر شیوع سوءتغذیه کمک‌کننده باشند.
این مدل با تجزیه‌وتحلیل داده‌های سلامت و اطلاعات ماهواره‌ای، پیش‌بینی می‌کند که سوءتغذیه در کجا ممکن است افزایش یابد، همچنین در پیش‌بینی‌های یک ماهه به دقت ۸۹ درصد دست یافت و دقت ۸۶ درصد را طی ۶ ماه حفظ کرد که جهشی قابل‌توجه نسبت به مدل‌های قدیمی‌تر است.
سوءتغذیه در کنیا
داده‌های سلامت نشان می‌دهد که کنیا، کشوری در شرق آفریقا، با بحران سوءتغذیه کودکان دست‌وپنجه نرم می‌کند و نزدیک به ۳۵۰ هزار کودک زیر پنج سال این کشور از سوءتغذیه حاد رنج می‌برند، وضعیتی که سیستم ایمنی بدن آنان به شدت تضعیف شده است و برخی مناطق حتی نرخ سوءتغذیه کودکان را تا ۲۵ درصد گزارش کرده‌اند. سوءتغذیه سطح جهانی، تقریبا نیمی از کل مرگ‌ومیرهای این گروه سنی را تشکیل می‌دهد.
محققان اظهار کردند: سوءتغذیه، وضعیت اضطراری بهداشت عمومی در کنیاست و دیلکینا افزود: اگر می‌توانیم این کار را برای کنیا انجام دهیم پس قادر هستیم برای کشورهای دیگر نیز انجام دهیم.
هشدارهای اولیه در مورد سوءتغذیه کودکان
در مناطقی که ناامنی غذایی و سوءتغذیه در هم تنیده شده‌اند، هشدارهای اولیه می‌تواند به معنای تفاوت بین مرگ‌وزندگی باشد. مدل هوش مصنوعی با پیش‌بینی سوءتغذیه از ماه‌ها قبل، دریچه‌ای حیاتی برای اقدامات لازم فراهم می‌کند.
سایت ارث گزارش کرد، این ابزار برای سازمان‌های بشردوستانه و دولت‌ها، چیزی بیش از پیش‌بینی ارائه کرده است و در کشوری که سوءتغذیه کودکان هر ساله جان هزاران فرد را می‌گیرد، برنامه نجات‌بخشی خواهد بود. به همین دلیل، تمرکز به مقیاس‌بندی این مدل تغییر خواهد کرد و کنیا فقط شروع کار است. این مدل هوش مصنوعی با داده‌های مناسب و مشارکت‌ها، می‌تواند به چارچوبی جهانی تبدیل شود که سوءتغذیه را پیش‌بینی و از رنج در کشورهایی که کودکان در معرض خطر بیشتری قرار دارند، جلوگیری می‌کند.
نتایج تحقیق کنونی در مجله PLOS One منتشر شده است.
انتهای پیام
