Inteligentne podejście do skuteczniejszej profilaktyki chorób
Zmiana klimatu oraz globalny przepływ ludzi i towarów zwiększyły zagrożenie chorobowe. Pandemia COVID-19 uwidoczniła z kolei potrzebę usprawnienia systemów nadzoru i wywiadu epidemiologicznego w celu wczesnego wykrywania, monitorowania i oceny nowych chorób zakaźnych. Kluczowym wyzwaniem pozostaje fakt, że konwencjonalne systemy nadzoru epidemiologicznego opierają się na danych gromadzonych rutynowo w ramach biernych działań, wykorzystywanych w celu monitorowania występowania i rozprzestrzeniania się chorób oraz planowania działań następczych. Nowe podejścia, oparte na sztucznej inteligencji (SI), algorytmach uczenia maszynowego i analizie dużych zbiorów danych pochodzących z różnych źródeł, mogą pomóc w zwiększeniu gotowości poprzez lepsze wskazywanie czynników sprzyjających pojawianiu się nowych chorób i opracowywaniu precyzyjniejszych modeli.
Reagowanie na zagrożenia dotyczące chorób zakaźnych
Działania w tym zakresie realizuje zespół finansowanego ze środków Unii Europejskiej projektu MOOD(odnośnik otworzy się w nowym oknie). Dzięki gromadzeniu i analizowaniu danych przy użyciu algorytmów uczenia maszynowego, zespół opracował wyjątkową platformę cyfrową zaprojektowaną w celu zwiększenia zdolności Europy do wykrywania zagrożeń związanych z chorobami zakaźnymi i reagowania na nie w ramach podejścia „Jedno Zdrowie”. „Celem naszego zespołu było opracowanie złożonych narzędzi do analizy danych i modelowania, a także udostępnienie ich osobom prowadzącym badania oraz oceny ryzyka, aby ułatwić im podejmowanie decyzji dotyczących zdrowia publicznego opartych na danych”, wyjaśnia Elena Arsevska, koordynatorka projektu z ramienia Francuskiego Ośrodka Badań Rolniczych na rzecz Rozwoju Międzynarodowego(odnośnik otworzy się w nowym oknie) (CIRAD). Zespół projektu MOOD wykorzystał metody matematyczne, statystyczne i analityczne do zbudowania platformy, a także zintegrowane algorytmy uczenia maszynowego do generowania predykcyjnych map ryzyka występowania chorób. Ponadto konsorcjum włączyło do platformy narzędzie PADI-web, które wykorzystuje przetwarzanie języka naturalnego do automatycznego skanowania, wyodrębniania i analizowania informacji związanych z chorobami z mediów internetowych w celu wsparcia nadzoru opartego na zdarzeniach.
Analiza danych w służbie modelowania predykcyjnego
Efektem końcowym prac jest ogólnodostępna platforma(odnośnik otworzy się w nowym oknie), która łączy dane środowiskowe, klimatyczne, informacje na temat lokalizacji nosicieli oraz samych chorób. Celem nowej platformy jest pomoc specjalistom zajmującym się zdrowiem publicznym i zdrowiem zwierząt w podejmowaniu szybszych i bardziej świadomych decyzji dotyczących nowych zagrożeń chorobowych. Platforma oferuje obecnie wyniki mapowania ryzyka chorób wywoływanych przez różne patogeny, w tym wirusa gorączki Zachodniego Nilu, kleszczowego zapalenia mózgu, ptasiej grypy i antybiotykooporności u zwierząt hodowlanych. „W przyszłości dodamy więcej chorób do platformy, w zależności od potrzeb interesariuszy w Europie”, wyjaśnia Arsevska. Przeszło 20 instytucji partnerskich w Europie i Stanach Zjednoczonych prowadziło ścisłą współpracę, aby zapewnić, że platforma zaspokoi rzeczywiste potrzeby użytkowników końcowych. „Siła platformy opracowanej przez zespół projektu MOOD leży nie tylko w technologii, ale także w sposobie jej zastosowania”, zauważa Arsevska.
Realny wpływ na strategie dotyczące zdrowia publicznego
W ramach projektu przeanalizowano studia przypadków, aby zademonstrować rzeczywisty wpływ platformy na projektowanie strategii dotyczących zdrowia publicznego. Każde badanie obejmowało gromadzenie danych, modelowanie predykcyjne i wdrażanie podejścia „Jedno Zdrowie”, które zakłada wzajemne zależności między zdrowiem ludzi, zwierząt i środowiska. Analizowane przypadki dotyczyły chorób zakaźnych charakteryzujących się różnymi sposobami przenoszenia, dynamiką czasową i występowaniem w całej Europie w kontekście zmiany klimatu. Badacze skupieni wokół projektu MOOD wykazali między innymi, że dane dotyczące siedlisk, użytkowania gruntów i dzikiej przyrody mogą usprawnić mapowanie ryzyka na poziomie lokalnym w Europie w odniesieniu do kleszczowego zapalenia mózgu. W przypadku wirusa gorączki Zachodniego Nilu zespół połączył dane wskaźnikowe i dane z nadzoru opartego na zdarzeniach, aby przeprowadzić analizę ryzyka wystąpienia choroby i modelować zakres zakażeń przy użyciu danych z nadzoru. Studium przypadku ptasiej grypy opierało się na połączeniu tradycyjnych zgłoszeń występowania ognisk choroby z danymi genomicznymi w celu oceny ryzyka przeniesienia wirusa z dzikiego ptactwa na drób hodowlany. Dane te zostały także wykorzystane do mapowania miejsc występowania chorób. Studium przypadku dotyczące antybiotykooporności wykazało krytyczne luki dotyczące łączenia danych w różnych sektorach. Dzięki temu badacze wskazali, w jaki sposób oporne patogeny występujące u zwierząt gospodarskich stwarzają zróżnicowane ryzyko w różnych regionach. Ustalenia badaczy podkreśliły pilną potrzebę opracowania bardziej skoordynowanych strategii nadzoru w ramach podejścia „Jedno Zdrowie”. Podczas pandemii COVID-19 rozwiązania opracowane przez zespół projektu MOOD pomogły ocenić rozprzestrzenianie się wirusa, zbadać wpływ ograniczeń przemieszczania się(odnośnik otworzy się w nowym oknie) i projektować interwencje realizowane przez organy odpowiedzialne za ochronę zdrowia publicznego w Europie. „Zespół projektu MOOD zadbał o gotowość poprzez wzmocnienie platform współpracy, konsorcjów badawczych i sieci modelowania w celu wspierania udostępniania danych i kodu oraz skutecznej współpracy między środowiskiem akademickim, decydentami i dostawcami danych”, dodaje Arsevska. Aby wykorzystać te wyniki i zapewnić dalsze działanie platformy po zakończeniu projektu, zespół MOOD utworzył międzynarodowe stowarzyszenie non-profit w celu utrzymania i promowania platformy, jednocześnie nawiązując współpracę z nowymi podmiotami i analizując możliwości uzyskania finansowania.
