به گزارش خبرگزاری دانا به نقل از نیوزمدیکال، بسیاری از موسسات بهداشتی و درمانی به طور مرتب در حال رصد نحوه شیوع بیماری هایی مانند آنفولانزا در نقاط مختلف هستند تا نقاط پرخطر در این زمینه را شناسایی کنند. اما این کار به طور دقیق و مناسب ممکن نیست و در آمریکا علیرغم همه تلاش های صورت گرفته داده های جمع آوری شده در این زمینه دو هفته از زمان عقب است.
مطالعه جدیدی که در این زمینه توسط بیمارستان کودکان بوستون در آمریکا انجام شده از دو روش پیش بینی و بررسی مبتنی بر هوش مصنوعی برای برآورد میزان شیوع بیماری آنفولانزا در هر نقطه از این کشور بهره می گیرد.
یکی از این دو روش مبتنی بر سیستم هوش مصنوعی ARGONet است که داده های مربوط به پراکندگی جغرافیایی این بیماری از سپتامبر سال ۲۰۱۴ تا می سال ۲۰۱۷ را در اختیار دارد و لذا از آن می توان برای پیش بینی شیوع آنفولانزا با دقت ۷۵ درصد بهره گرفت.
برای افزایش دقت سیستم یادشده از یک برنامه هوش مصنوعی دقیق تر هم استفاده شده که می تواند نحوه شیوع انفولانزا را در محله های مختلف با دقت بالایی بررسی کند. انتظار می رود ترکیب اطلاعات دو سیستم یادشده نقاط پرخطر در ارتباط با این بیماری را با دقت بالایی مشخص کند.
مطالعه جدیدی که در این زمینه توسط بیمارستان کودکان بوستون در آمریکا انجام شده از دو روش پیش بینی و بررسی مبتنی بر هوش مصنوعی برای برآورد میزان شیوع بیماری آنفولانزا در هر نقطه از این کشور بهره می گیرد.
یکی از این دو روش مبتنی بر سیستم هوش مصنوعی ARGONet است که داده های مربوط به پراکندگی جغرافیایی این بیماری از سپتامبر سال ۲۰۱۴ تا می سال ۲۰۱۷ را در اختیار دارد و لذا از آن می توان برای پیش بینی شیوع آنفولانزا با دقت ۷۵ درصد بهره گرفت.
برای افزایش دقت سیستم یادشده از یک برنامه هوش مصنوعی دقیق تر هم استفاده شده که می تواند نحوه شیوع انفولانزا را در محله های مختلف با دقت بالایی بررسی کند. انتظار می رود ترکیب اطلاعات دو سیستم یادشده نقاط پرخطر در ارتباط با این بیماری را با دقت بالایی مشخص کند.