تشغل الرعاية الصحية موقعًا متقدمًا في اهتمامات الأوساط الأكاديمية وقطاعات الأعمال على السواء، وقد ألقت جائحة كوفيد 19 بظلال ثقيلة على صحة الناس في مختلف أنحاء العالم، إذ أدى الارتفاع السريع في أعداد الإصابات إلى آثار سلبية طالت اقتصادات الدول وصحتها العامة ورفاه الأفراد الاجتماعي والشخصي، ويجعل هذا الواقع من تحسين دقة التنبؤ بالإصابات مهمة ذات أولوية قصوى، لأن التنبؤات الموثوقة تتيح لصانعي القرار اتخاذ تدخلات مدروسة في التوقيت المناسب وتوجيه الموارد الصحية بكفاءة نحو المناطق والفئات الأشد حاجة إلى الرعاية
وتندرج هذه الدراسة ضمن موجة واسعة من البحوث التي وظفت تقنيات الذكاء الاصطناعي في مواجهة الجائحة، إذ جمعت بين أساليب التعلم العميق وتقنيات التحسين البايزي لبناء نماذج تنبؤ أكثر دقة واعتمادية، ويكتسب هذا التوجه أهمية خاصة للباحثين وطلاب الدراسات العليا في المنطقة العربية، لأن الدراسة طبقت على بيانات المملكة العربية السعودية إلى جانب دول أخرى، ما يجعل نتائجها قريبة من سياقات صحية مشابهة في الدول العربية، ويمنحها قيمة تطبيقية تتجاوز حدود الحالة المدروسة إلى أنظمة صحية متقاربة في بنيتها وتحدياتها
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى التنبؤ بعدد الحالات المؤكدة للإصابة بكوفيد 19 في المملكة العربية السعودية باستخدام أسلوبين رئيسين هما التحسين البايزي ونماذج التعلم العميق، وقارنت بين كفاءة الأسلوبين في التنبؤ بالحالات الإيجابية للإصابة، واعتمدت على بيانات الحالات المؤكدة في المملكة العربية السعودية والمملكة المتحدة وتونس خلال عامي 2020 و2021، ثم اتجهت بعد تقويم الأسلوب الأول إلى توظيف التعلم العميق عبر نموذج التعلم المعزز العميق المعروف باسم دي كيو إن لتحسين دقة التنبؤ، وصمم النموذج ليعمل على بنية خادم محلي تنتقل فيها السياسة المدربة إلى النموذج وحده، كما صيغت دالة مكافأة خاصة لتعزيز كفاءة خوارزمية النموذج، بحيث تستفيد من معدل التغير ومدة النوم في بيانات الاختبار لتحسين عملية التدريب ورفع كفاءة الأداء العام للنظام
ثانيًا: أبرز النتائج
1، أظهرت نتائج نموذج التحسين البايزي أن التنبؤ الدقيق بعدد الحالات الإيجابية أمر صعب المنال، لأن إسقاطات النموذج لم تنسجم مع الافتراضات التي بني عليها، وهو ما دفع الباحثين إلى اللجوء إلى أسلوب التعلم العميق بوصفه بديلًا واعدًا لرفع دقة التنبؤ
2، تفوق نموذج دي كيو إن على نموذج التحسين البايزي عند المقارنة بقيم جذر متوسط مربع الخطأ ومتوسط النسبة المئوية للخطأ المطلق، وهما مؤشرا الدقة المعتمدان في تقويم أداء نماذج التنبؤ والمفاضلة بينها في هذه الدراسة
3، بينت نتائج المحاكاة أن دالة المكافأة المصممة قادرة على خفض دورة عمل النموذج بنسبة تقارب 28 في المئة، وتقليل العبء الزائد للبيانات بنسبة تتجاوز 50 في المئة في المتوسط، وهو ما يعزز كفاءة تشغيل النموذج ويخفض كلفته الحسابية
ثالثًا: دلالات الدراسة وتطبيقاتها
تحمل هذه النتائج دلالات عملية للجهات الصحية المسؤولة عن إدارة الأوبئة والجوائح، فالنماذج التنبؤية الدقيقة تساعد على تقدير الاحتياجات من الأسرة والكوادر الطبية والأدوية والمستلزمات قبل موجات الارتفاع في الإصابات، كما تبرز الدراسة قيمة الجمع بين أكثر من منهجية حسابية والمفاضلة بينها بمعايير كمية واضحة ومعلنة، وتمثل تجربة بناء دالة مكافأة مخصصة درسًا منهجيًا مهمًا للباحثين في هندسة نماذج التعلم المعزز، إذ يمكن أن يؤدي تحسين كفاءة الخوارزمية إلى خفض كلفة الحوسبة وتسريع الحصول على النتائج، وهي اعتبارات جوهرية عند تطبيق النماذج في بيئات محدودة الموارد، كما أن تطبيق النموذج على بيانات ثلاث دول يمنح النتائج قدرًا من التنوع الجغرافي يعزز إمكانية الاستفادة منها في سياقات صحية متقاربة
وخلاصة القول إن الدراسة تقدم دليلًا على تفوق نماذج التعلم العميق المعزز على التحسين البايزي في مهمة التنبؤ بالحالات المؤكدة لكوفيد 19 ضمن البيانات المدروسة، وتفتح الباب أمام الباحثين العرب وطلاب الدراسات العليا لتطوير نماذج مماثلة على بيانات محلية وتقويمها بمعايير دقة صارمة وشفافة، مع الانتباه الدائم إلى أن نتائج أي نموذج تنبؤي تظل مشروطة بجودة البيانات المستخدمة وحداثتها وطبيعة الموجات الوبائية التي دربت عليها النماذج واختبرت
