آیا میتوان پاندمی بعدی را پیشبینی کرد؟
به گزارش اعصاب سنج با عنایت به شیوع گسترده بیماری کووید-۱۹ و نتایج منفی آن، پژوهشگران سراسر جهان کوشش می کنند تا راهی را برای پیشبینی بیماری همه گیر بعدی عرضه کنند.
به گزارش اعصاب سنج به نقل از ایسنا، بیماری های مشترک میان انسان و حیوانات، بیماری هایی هستند که از حیوانات به انسان منتقل می شوند. ویروس های منتقل شده از حیوانات، زمینه ساز بعضی از بدترین بیماری های همه گیر جهان بوده اند؛ از طاعون منتقل شده از موش ها گرفته تا آنفلوانزای اسپانیایی که منشا آن پرندگان هستند. "کروناویروس سندروم حاد تنفسی ۲"(SARS-CoV-2) که عامل بیماری کووید-۱۹ است هم بعنوان یک بیماری نشات گرفته از حیوان شناخته می شود. "مرکز کنترل و جلوگیری از بیماری آمریکا"(CDC) تخمین می زند که بیشتر از ۶۰ درصد بیماری های عفونی شناخته شده انسان، از حیوانات نشات می گیرند.
پژوهشگران امیدوارند که با ردیابی منابع احتمالی بیماری مشترک انسان و حیوان، بتوانند از انتقال بیماری از حیوانات به انسان جلوگیری نمایند. شکارچیان ویروس(virus hunter)، روش های گوناگونی را برای شناسایی بیماری های نشات گرفته از حیوانات دارند که امکان دارد روزی جمعیت های انسانی را مبتلا کنند. بعضی از پژوهشگران، پایگاه داده در ارتباط با بیماری های عفونی نوظهور را برای پیشبینی مناطقی از جهان که احتمال بروز همه گیری در آنها وجود دارد، بهره برده اند. پروژه معروف به "پردیکت"(PREDICT) متعلق به "آژانس توسعه جهانی آمریکا"(USAID) از این روش استفاده می نماید و آفریقا، جنوب و جنوب شرقی آسیا و آمریکای لاتین را بعنوان مناطق احتمالی برای ظهور بیماری های مشترک انسان و حیوان پیشبینی کرده است. در این پروژه، داده هایی در مورد توزیع جغرافیایی پستانداران ناقل بیماری جمع آوری شد و پژوهشگران، مناطق مذکور را بعنوان کانون های بالقوه ویروس نام بردند.
"مرکز کنترل و جلوگیری از بیماری آمریکا"(CDC) تخمین می زند که بیشتر از ۶۰ درصد بیماری های عفونی شناخته شده انسان، از حیوانات نشات می گیرند.
ویروس های مشترک میان انسان و حیوان طی قرن ها باعث بروز بیماری های همه گیر در جوامع انسانی شده اند. این دقیقا همان اتفاقی است که حالا در مورد همه گیری کووید-۱۹ رخ داده است.
یک پرسش کلیدی این است که آیا میتوان پیش بینی نمود که کدام حیوان یا ویروس، عامل همه گیری بعدی خواهند بود؟ این پرسش، پژوهشگران را به تلاش در مورد پیشبینی خطر همه گیری بیماری های مشترک میان انسان و حیوان سوق داده است تا بتوانند خانواده ویروس ها و گروههای میزبانی را که می توانند حامل ویروس ها باشند، مشخص کنند.
مشکلات پیشبینی همه گیری
اینکه آیا دانشمندان واقعا می توانند شیوع بیماری های همه گیر را پیشبینی کنند یا خیر، مبحث بحث های علمی است. دکتر "رابرت تش"(Robert Tesh)، ویروس شناس "واحد پزشکی دانشگاه تگزاس" (UTMB) اظهار داشت: علم هنوز به اندازه کافی نمی تواند بیماری های مشترک میان انسان و حیوان را کنترل کند تا مدلهای پیشبینی موثری را عرضه نماید.
در هر حال، چالش دیگری هم در این حوزه وجود دارد. حتی بعد از اینکه پژوهشگران بتوانند بیماری مشترک بین انسان و حیوان را با موفقیت شناسایی کنند، تعداد بی شماری از عوارض آنها باقی می مانند. استدلال دکتر تش این است که ویروس های ویژه ای مانند "زیکا"(Zika) یا "نیل غربی"(West Nile)، زمانی که به شیوع عفونت منجر شدند، جدید نبودند؛ بلکه پیش از این که هزاران نفر را آلوده کنند، به صورت غیرقابل پیشبینی به مناطق جدیدی منتقل شدند.
همچنین، ویروس ها می توانند به سرعت و به صورت غیر قابل پیشبینی جهش یابند، از بین بروند یا میزبان های جدید را بگونه ای آلوده کنند که هیچ اکتشافی نتواند برای مقابله با آنها آماده شود. حتی بعد از شناسایی یک ویروس در حیوانات، تضمینی وجود ندارد که آن ویروس حتما انسان را هم مبتلا کند. دکتر "استفان هلمز"(Stephen Holmes)، زیست شناس تکاملی با عنایت به این حقیقت، استدلال کرد که اطلاعات کافی برای پیشبینی اینکه کدام بیماری به انسان سرایت می کند، وجود ندارد و صرفاً یک ایده پیشبینی کننده نمی تواند اطلاعاتی را در مورد بیماری همه گیر بعدی عرضه نماید.
دکتر "رابرت تش"(Robert Tesh)، ویروس شناس "واحد پزشکی دانشگاه تگزاس"(UTMB) اظهار داشت: علم هنوز به اندازه کافی نمی تواند بیماری های مشترک میان انسان و حیوان را کنترل کند تا مدلهای پیشبینی موثری را عرضه نماید.
این اطلاعات حتی بیماری های شناخته شده مشترک میان انسان و حیوان را که میزبان حیوان آنها به صورت دقیق شناسایی نشده است، پوشش نمی دهند. بعد از گذشت چندین سال از شیوع ابولا در غرب آفریقا، پژوهشگران هنوز نمی توانند منشا قطعی این عفونت را مشخص کنند.
دکتر "باربارا هان"(Barbara A. Han)، پژوهشگر "مؤسسه کری"(Cary Institute) آمریکا اظهار داشت: داده هایی که به من و همکارانم امکان می دهند تا بیماری های مشترک بین انسان و حیوان در آینده را پیشبینی نماییم، محدود هستند و زمانی که صحبت از بیماری های منتقل شده از حیوان به میان می آید، اطلاعات پایه ای در مورد آنها و اینکه کدام گونه حامل چه ویروسی بوده است، وجود ندارد.
وی ادامه داد: گاهی اوقات، عامل بیماری زا یا انگل به بدن انسان سرازیر می شود و در بعضی موارد به همین جا ختم می شود و بیشتر از این پیش نمی رود اما بعضی از آنها می توانند از شخصی به شخص دیگر منتقل شوند؛ ازاین رو انتقال ثانویه برای ویروسی که پتانسیل تبدیل شدن به بیماری همه گیر را دارد، واقعا حیاتی می باشد.
دکتر "میشل ویل"(Michelle Wille)، پژوهشگر "دانشگاه سیدنی"(USYD) و همکارانش، چندین مشکل کلیدی را در ارتباط با پیشبینی خطر بیماری های مشترک میان انسان و حیوان شناسایی کرده اند.
دکتر "باربارا هان"(Barbara A. Han)، پژوهشگر "مؤسسه کری"(Cary Institute) آمریکا اظهار داشت: داده هایی که به من و همکارانم امکان می دهند تا بیماری های مشترک بین انسان و حیوان در آینده را پیشبینی نماییم، محدود هستند و زمانی که صحبت از بیماری های منتقل شده از حیوان به میان می آید، اطلاعات پایه ای در مورد آنها و اینکه کدام گونه حامل چه ویروسی بوده است، وجود ندارد.
نخست اینکه پیشبینی ها برپایه مجموعه کوچکی از داده ها صورت می گیرند. پژوهشگران به رغم دهه ها بررسی، احیانا کمتر از ۰/۰۰۱ درصد از همه ویروس هایی را که احیانا بیماری همه گیر بعدی از آنها پدیدار خواهد شد، شناسایی کرده اند.
دومین مشکل این است که این داده ها به شدت نسبت به ویروس هایی که بیشتر انسان ها یا حیوانات کشاورزی را آلوده می کنند یا پیش تر بعنوان بیماری مشترک میان انسان و حیوان شناخته شده اند، سوگیری دارند. حقیقت این است که بیشتر حیوانات از نظر آلودگی به چنین ویروس هایی بررسی نشده اند و ویروس ها به قدری سریع تکامل می یابند که چنین بررسی هایی بزودی قدیمی خواهند شد و ارزش محدودی خواهند داشت.
استدلال پژوهشگران این است که احتیاج به یک روش جدید احساس می شود که نمونه برداری گسترده از حیوانات و انسان ها را در محل تعامل آنها شامل شود. این امر سبب می شود که ویروس های جدید بمحض ظاهر شدن در انسان و قبل از ایجاد بیماری های همه گیر شناسایی شوند. چنین نظارت پیشرفته ای امکان دارد به پژوهشگران کمک نماید تا از تکرار شدن اتفاقی مانند همه گیری کووید-۱۹ جلوگیری نمایند.
پژوهشگران به رغم دهه ها بررسی، احیانا کمتر از ۰/۰۰۱ درصد از همه ویروس هایی را که احیانا بیماری همه گیر بعدی از آنها پدیدار خواهد شد، شناسایی کرده اند.
پیش بینی همه گیری با کمک کامپیوتر و یادگیری ماشینی
استفاده از کامپیوتر برای پیشبینی شیوع بیماری عفونی قبل از آغاز آن امکان دارد کمی علمی-تخیلی به نظر برسد اما دانشمندان درحال نزدیک شدن به این ایده هستند. آنها از یادگیری ماشینی برای پیشبینی دقیق در مورد اینکه کدام حیوانات امکان دارد حاوی ویروس ها، باکتری ها و قارچ های خطرناک باشند، استفاده می نمایند. پیشبینی های بهتر می تواند به متخصصان در بهبود نحوه پیشگیری و واکنش نشان دادن به شیوع بیماری کمک نماید.
تقریبا همه موارد همه گیری بیماری های عفونی جدید زمانی رخ می دهد که یک ویروس، باکتری یا قارچ از حیوان به انسان منتقل شود. پیشبینی دقیق زمان و مکان شیوع این بیماری ها می تواند آنها را قبل از تبدیل شدن به بیماری همه گیر از بین ببرد اما حفظ کردن نظارت فعال بر انتقال بیماری در سرتاسر جهان، پرهزینه و زمان بر است.
گروهی از دانشمندان مؤسسه کری به سرپرستی دکتر هان، در جهت محدود کردن جستجو، یک برنامه کامپیوتری را برای تجزیه و تحلیل پایگاه بزرگی از داده ها شامل عادات و زیستگاه های پستانداران ابداع نموده اند. برنامه کامپیوتری آنها، ۸۶ متغیر متعدد مانند اندازه بدن، طول عمر و تراکم جمعیت را جهت بررسی الگوهای رایج زندگی در بین حیواناتی که ناقل بیماری به انسان هستند، ارزیابی می نماید.
دکتر هان و همکارانش، بررسی های خویش را تنها به جوندگان محدود کردند تا ارزیابی ها به صورت ساده تری انجام شوند. انتخاب جوندگان از آن جهت بود که حامل شمار قابل توجهی از بیماری های مشترک میان و انسان هستند. هان اظهار داشت: حیوانات حامل چنین بیماری هایی، زندگی کوتاهی دارند، دوره حاملگی و تولید مثل آنها سریع پیش می رود و در جوانی از دنیا می روند.
دانشمندان مطمئن نیستند که چرا این سبک زندگی در بین جوندگان ناقل بیماری های مشترک بین انسان و حیوان رایج است اما آنها حدس می زنند که چرخه تولید مثل سریع امکان دارد به حیوانات امکان دهد تا پیش از این که بیماری آنها را از بین ببرد، ژن های خویش را با موفقیت منتقل کنند.
هان و گروهش ابتدا از برنامه خود برای شناسایی الگوهای سبک زندگی مشترک در جوندگانی که حامل بیماری هایی مانند طاعون سیاه، هاری و ویروس هانتا هستند، استفاده کردند و دریافتند که مدل آنها دارای میزان دقت ۹۰ درصدی است.
این مدل کامپیوتری تابحال بیشتر از ۱۵۰ گونه جانوری را شناسایی کرده است که می توانند حامل بیماری های مشترک بین انسان و حیوان باشند. همینطور این برنامه کامپیوتری، ۵۸ عفونت جدید را در جوندگانی که پیش تر بعنوان ناقل بیماری مشترک بین انسان حیوان شناخته شده بودند، شناسایی کرد.
دانشمندان مطمئن نیستند که چرا این سبک زندگی در بین جوندگان ناقل بیماری های مشترک بین انسان و حیوان رایج است اما آنها حدس می زنند که چرخه تولید مثل سریع امکان دارد به حیوانات امکان دهد تا پیش از این که بیماری آنها را از بین ببرد، ژن های خویش را با موفقیت منتقل کنند.
گسترش مهاجرت انسان به مناطق جغرافیایی جدید و داشتن تماس نزدیک با حیوانات وحشی و اهلی بعلاوه تغییرات آب و هوایی، بروز بیماری های مشترک میان انسان و حیوان را افزایش داده است. به همین ترتیب، افزایش جابه جایی حیوانات، مردم و تولید فرآورده های حیوانی هم نقش مهمی در این حوزه داشته است. بنابراین، بهبود ارتباطات جهانی، هماهنگی و همکاری بین متخصصان برای پیشگیری، شناسایی، بررسی، اولویت بندی و واکنش نشان دادن به بیماری های مشترک میان انسان و حیوان ضروری می باشد. تقویت این ارتباطات، برای ایجاد یک سیستم اخطار با هدف جلوگیری یا کاهش همه گیری بعدی ضروریست.
پژوهشگران "دانشگاه گلاسگو"(University of Glasgow) برای رسیدن به این هدف، متد جدیدی را عرضه کرده اند. آنها طی پژوهشی که در مجله "PLOS BIOLOGY" به چاپ رسید، از خصوصیت های ژنوم ویروس و انسان برای ابداع مدلهای یادگیری ماشینی استفاده کردند تا احتمال انتقال ویروس از حیوان به انسان را پیشبینی کنند.
دکتر "ناردوس مولنتسه"(Nardus Molentze)، از پژوهشگران این پروژه اظهار داشت: حوزه کشف ویروس در سالهای اخیر، پیشرفت های قابل توجهی داشته است. این پیشرفت تا اندازه ای است که ویروس هایی که پیش تر برای علم ناشناخته بودند، حالا شناسایی می شوند. در هر حال، باید بررسی شود که آیا این ویروس ها تهدید به شمار می روند یا خیر.
وی ادامه داد: همکاران من در سال ۲۰۱۸ نشان دادند که ژنوم های ویروس، حاوی سیگنال کافی برای روش های یادگیری ماشینی هستند و می توانند به شناسایی منشا آنها همچون خفاش ها، جوندگان و نخستی سانان کمک کنند.
به عبارت دیگر، آنها نشان دادند که مدل یادگیری ماشینی با تجزیه و تحلیل یک ژنوم ویروسی به تنهایی، می تواند نوع حیوانی را که ویروس به واسطه آن سبب عفونت می شود، شناسایی کند. مولنتسه افزود: این پرسش برای ما بوجود آمد که آیا ژنوم های ویروس امکان دارد حاوی سرنخ هایی در مورد توانایی آنها برای مبتلا کردن انسان ها باشد یا خیر.
پژوهشگران، توالی ژنوم را از ۸۶۱ گونه ویروس متعلق به ۳۶ خانواده متفاوت جمع آوری کردند که می توانند حیوانات را آلوده کنند. آنها در این پژوهش، با استفاده از اطلاعات مجموعه داده های منتشرشده، هر ویروس را برپایه توانایی آن در مبتلا کردن انسان طبقه بندی کردند.
همچنین، آنها به شباهت هر ویروس با ویروس هایی که می توانند انسان را مبتلا کنند، اشاره کردند و مدلهای یادگیری ماشینی را برای پیشبینی مبتلا شدن ساختند. مدل یادگیری ماشینی آنها توانست ۷۰/۸ درصد از ویروس هایی را که می توانند انسان را آلوده کنند، به درستی شناسایی کند.
یک شرکت فعال در زمینه هوش مصنوعی معروف به "بلودات"(BlueDot)، از یادگیری ماشینی جهت بررسی بیماری های عفونی همه گیر بهره برده است این شرکت، یک مدل یادگیری ماشینی را عرضه کرده است که می تواند اولین نشانه های مبتلا شدن را شناسایی کند. این مدل، احتمال شیوع بیماری را به سرعت تشخیص می دهد و هشدارهای ابتدایی را ارسال می کند.
اگرچه این مدل یادگیری ماشینی هم اکنون برای شناسایی احتمال شیوع بیماری طراحی شده است اما سازندگان امیدوارند که در آینده بتوان از آن برای بهبود عرضه درمان و واکسن هم بهره برد و راه های بهتری را برای جلوگیری از همه گیری بیماری عرضه داد.
شرکت بلودات، یک مدل یادگیری ماشینی را عرضه کرده است که می تواند اولین نشانه های مبتلا شدن را شناسایی کند. این مدل، احتمال شیوع بیماری را به سرعت تشخیص می دهد و هشدارهای ابتدایی را ارسال می کند.
اپلیکیشن هایی برای پیشبینی همه گیری
شاید به زودی، بعضی از اپلیکیشن های ویژه بتوانند همه گیری های آینده را پیشبینی کنند. یکی از این اپلیکیشن ها، "اسپیل اور"(SpillOver) نام دارد که توسط دانشمندان حوزه بیماری های عفونی "دانشگاه کالیفرنیا، دیویس"(UC Davis) ابداع شده است.
این اپلیکیشن، یک برنامه ارزیابی خطر است که صدها ویروس، میزبان و عامل خطر محیطی را برای شناسایی ویروس هایی با بالاترین میزان خطر انتقال بیماری، به صورت مستقیم مقایسه می کند.
"اسپیل اور" با بررسی ۳۲ عامل خطر در مورد ویروس ها و میزبان ها همچون محیط و رفتارهای انسانی، امتیازی را برای ویروس ها ثبت می کند. ویروس هایی که بالاترین امتیاز را به دست بیاورند، بالاترین میزان خطر را برای انتقال به انسان در بر دارند.
دانشمندان امیدوارند که این اپلیکیشن بتواند با رتبه بندی ویروس ها، به سیاستگذاری بهتر در حوزه سلامت، نظارت بر بیماری و کاهش خطر همه گیری کمک نماید.
اپلیکیشن هایی از این دست می توانند با کاهش زمان مورد نیاز برای شناسایی و ردیابی ویروس، به جلوگیری از شیوع بیماری کمک کنند و بسیار سودمند باشند اما این نتیجه در صورتی حاصل خواهد شد که تعداد قابل توجهی از مردم آنرا دانلود کنند و مورد استفاده قرار دهند. همچنین، حفظ حریم شخصی کاربران هم یکی از موضوع هایی است که باید رعایت شود.
در هر حال، چند سال درگیر بودن با بیماری کووید-۱۹ سبب شده تا هر راهی که بتواند به پیشگیری از بروز همه گیری های مشابه در آینده کمک نماید، بیش از حد مورد استقبال قرار بگیرد.
مطلب اعصابسنج را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب