ऐसे समय की कल्पना करें जब आपका वायरस-अवरोधक चेहरा ढंकना एक छतरी की तरह हो। ज्यादातर दिनों में, यह आपकी अलमारी में रहता है या आपकी कार में कहीं रखा जाता है। लेकिन जब एक COVID-19 का प्रकोप पूर्वानुमान में हो, तो आप इसे उपयोग में ला सकते हैं।
इसके अलावा, कॉफी के लिए किसी मित्र से मिलते समय एक खराब वायरल पूर्वानुमान आपको एक बाहरी टेबल चुनने के लिए प्रेरित कर सकता है। यदि कोरोनावायरस की चपेट में आने से आपको गंभीर रूप से बीमार होने की संभावना है, तो आप घर से काम करने या ऑनलाइन चर्च सेवाओं में भाग लेने का विकल्प चुन सकते हैं, जब तक कि खतरा कम न हो जाए।
ऐसा भविष्य मानता है कि अमेरिकी महामारी वायरस के बारे में सार्वजनिक स्वास्थ्य चेतावनियों पर ध्यान देंगे – और यह एक बड़ी बात है अगर. यह एक ऐसी प्रणाली के अस्तित्व को भी मानता है जो कुछ झूठे अलार्मों के साथ आसन्न प्रकोपों की भविष्यवाणी कर सकती है, और पर्याप्त समयबद्धता और भौगोलिक सटीकता के साथ जनता इसके पूर्वानुमानों पर भरोसा करेगी।
संभावित भविष्यवाणियों के एक समूह का कहना है कि इस तरह की प्रणाली के लिए इसे तैयार किया गया है। उनका प्रस्ताव वायरल मौसम रिपोर्ट बनाने के लिए इस सप्ताह साइंस एडवांसेज पत्रिका में प्रकाशित किया गया था।
मौसम संबंधी पूर्वानुमानों को चलाने वाले मौसम संबंधी मॉडल की तरह, COVID-19 के प्रकोप की भविष्यवाणी करने की प्रणाली स्थानीय और वैश्विक सूचनाओं की सैकड़ों धाराओं द्वारा खिलाए गए डेटा की एक नदी से निकलती है। उनमें सीने में जकड़न, सूंघने की क्षमता में कमी या थकावट जैसे लक्षणों के लिए समय-मुद्रित इंटरनेट खोजें शामिल हैं; जियोलोकेटेड ट्वीट्स जिनमें “कोरोना,” “महामारी,” या “आतंक खरीदारी” जैसे शब्द शामिल हैं; स्मार्टफोन से एकत्रित स्थान डेटा जो बताता है कि कितने लोग यात्रा कर रहे हैं; और दिशा-निर्देशों के लिए ऑनलाइन अनुरोधों में गिरावट, यह दर्शाता है कि कम लोग बाहर जा रहे हैं।
सूचनाओं की परिणामी मात्रा मनुष्यों के प्रबंधन के लिए बहुत अधिक है, व्याख्या करना तो दूर की बात है। लेकिन शक्तिशाली कंप्यूटर और डेटा से सीखने, व्याख्या करने और सीखने के लिए प्रशिक्षित सॉफ्टवेयर की मदद से एक नक्शा उभरना शुरू हो जाता है।
यदि आप ऐतिहासिक डेटा के खिलाफ उस मानचित्र की जांच करते हैं – इस मामले में, 93 देशों में दो साल की महामारी का अनुभव – और इसे तदनुसार अपडेट करें, तो आपके पास रोग के प्रकोप के लिए पूर्वानुमान प्रणाली का निर्माण हो सकता है।
पूर्वोत्तर विश्वविद्यालय के नेतृत्व वाली टीम ने ठीक यही किया कंप्यूटर वैज्ञानिक कर लिया है। COVID-19 प्रकोपों के लिए एक पूर्व-चेतावनी प्रणाली बनाने की अपनी बोली में, अध्ययन लेखकों ने एक “मशीन लर्निंग” प्रणाली का निर्माण किया, जो लाखों डिजिटल निशानों के माध्यम से चबाने में सक्षम है, जिसमें नए स्थानीय विकास शामिल हैं, बीमारी के सटीक संकेतों पर अपना ध्यान केंद्रित करते हुए, और COVID-19 के आसन्न स्थानीय उछाल की समय पर सूचनाएँ उत्पन्न करना।
कई इंटरनेट खोजों में से एक, आसन्न प्रकोप का एक विशेष रूप से अच्छा चेतावनी संकेत साबित हुआ: “कोविड कितने समय तक रहता है?”
जब वास्तविक दुनिया के डेटा के खिलाफ परीक्षण किया गया, तो शोधकर्ताओं की मशीन-लर्निंग पद्धति ने छह सप्ताह पहले स्थानीय वायरल के प्रसार का अनुमान लगाया। इसकी खतरे की घंटी मोटे तौर पर उस बिंदु पर चली जाएगी जहां प्रत्येक संक्रमित व्यक्ति के कम से कम एक और व्यक्ति में वायरस फैलाने की संभावना थी।
367 वास्तविक काउंटी-व्यापी प्रकोपों की आशंका के परीक्षण के लिए, कार्यक्रम ने उनमें से 337 – या 92% – की सटीक प्रारंभिक चेतावनी प्रदान की। शेष 30 प्रकोपों में से, इसने 23 की पहचान की, जैसा कि वे मानव स्वास्थ्य अधिकारियों के लिए स्पष्ट हो गए होंगे।
एक बार जब ओमिक्रॉन संस्करण संयुक्त राज्य अमेरिका में व्यापक रूप से प्रसारित होना शुरू हुआ, तो पूर्व-चेतावनी प्रणाली काउंटी स्तर पर 87% प्रकोपों के शुरुआती साक्ष्य का पता लगाने में सक्षम थी।
इन क्षमताओं के साथ एक भविष्य कहनेवाला प्रणाली स्थानीय, राज्य और राष्ट्रीय सार्वजनिक स्वास्थ्य अधिकारियों के लिए उपयोगी साबित हो सकती है, जिन्हें COVID-19 के प्रकोपों के लिए योजना बनाने और कमजोर नागरिकों को चेतावनी देने की आवश्यकता है कि कोरोनोवायरस आसन्न स्थानीय पुनरुत्थान की धमकी दे रहा है।
लेकिन “हम परे देख रहे हैं” COVID ने कहा मौरिसियो सेंटिलानाजो पूर्वोत्तर का निर्देशन करता है स्वास्थ्य और पर्यावरण की बेहतरी के लिए मशीन इंटेलिजेंस ग्रुप.
उन्होंने कहा, “हमारा काम इस बात का दस्तावेजीकरण करना है कि कौन सी तकनीकें और दृष्टिकोण न केवल इसके लिए उपयोगी हो सकते हैं, बल्कि अगले महामारी के लिए भी उपयोगी हो सकते हैं।” “हम सार्वजनिक स्वास्थ्य अधिकारियों से विश्वास प्राप्त कर रहे हैं, इसलिए उन्हें अधिक आश्वस्त करने की आवश्यकता नहीं होगी” जब देश भर में एक और बीमारी फैलती है।
यह राज्य की सार्वजनिक स्वास्थ्य एजेंसियों और रोग नियंत्रण और रोकथाम केंद्रों के लिए एक आसान बिक्री नहीं हो सकती है, जो सभी महामारी के आंकड़ों को बनाए रखने और वायरस के प्रसार पर नज़र रखने के नए तरीकों को शामिल करने के लिए संघर्ष कर रहे हैं। एजेंसी के निदेशक, डॉ. रोशेल वालेंस्की ने स्वीकार किया है कि महामारी के दौरान सीडीसी की अक्षमता और प्रभावी ढंग से संवाद करने में कुछ “बहुत नाटकीय, बहुत सार्वजनिक गलतियाँ” हुईं। केवल “बदलती संस्कृति” संघीय एजेंसी को अगले महामारी के लिए तैयार करेगी, उसने चेतावनी दी।
सीडीसी के भविष्यवाणी उपकरणों को विकसित करने के कमजोर प्रयासों ने भी आसान स्वीकृति का मार्ग प्रशस्त नहीं किया है। ए 2022 मूल्यांकन CDC द्वारा उपयोग किए गए पूर्वानुमान प्रयासों का निष्कर्ष है कि अधिकांश COVID-19 मामलों और अस्पताल में भर्ती होने में “तेजी से बदलाव की भविष्यवाणी करने में विफल रहे हैं”। उस आकलन के लेखकों ने चेतावनी दी थी कि आज तक विकसित प्रणालियों को “प्रवृत्तियों में तेजी से बदलाव की संभावना या समय के बारे में फैसले के लिए भरोसा नहीं करना चाहिए।”
अनासे बारीन्यूयॉर्क विश्वविद्यालय में मशीन लर्निंग के एक विशेषज्ञ ने नई पूर्व-चेतावनी प्रणाली को “बहुत ही आशाजनक” कहा, हालांकि “अभी भी प्रयोगात्मक” है।
“पेपर में प्रस्तुत मशीन सीखने के तरीके अच्छे, परिपक्व और बहुत अच्छी तरह से अध्ययन किए गए हैं,” बारी ने कहा, जो शोध में शामिल नहीं थे। लेकिन उन्होंने आगाह किया कि महामारी जैसी जीवन में एक बार आने वाली आपात स्थिति में, घटनाओं की भविष्यवाणी करने के लिए एक नए मॉडल पर बहुत अधिक भरोसा करना जोखिम भरा होगा।
शुरुआत के लिए, बारी ने कहा, मानव जाति के साथ इस कोरोनोवायरस की पहली मुठभेड़ ने मॉडल की सटीकता का पूरी तरह से परीक्षण करने के लिए आवश्यक लंबे ऐतिहासिक रिकॉर्ड का उत्पादन नहीं किया है। और महामारी के तीन साल के अंतराल ने शोधकर्ताओं को उस “शोर” को पहचानने के लिए बहुत कम समय दिया है जो तब आता है जब इतना डेटा एक बर्तन में फेंका जाता है।
सीडीसी और राज्य के स्वास्थ्य विभागों ने कोरोनोवायरस के प्रसार की निगरानी के लिए केवल महामारी विज्ञान तकनीकों जैसे फ़ाइलोडायनामिक आनुवंशिक अनुक्रमण और अपशिष्ट जल निगरानी का उपयोग करना शुरू किया है। सैंटिलाना ने कहा कि आने वाले वायरल उछाल के स्थान का पूर्वानुमान लगाने के लिए मशीन लर्निंग का उपयोग करने से इन एजेंसियों के लिए कल्पना की एक और छलांग लग सकती है।
वास्तव में, पूर्व-चेतावनी उपकरण जैसे कि सैंटिलाना के समूह द्वारा विकसित एक को स्वीकार करने के साथ-साथ विश्वास की कुछ छलांग लगाने की भी आवश्यकता हो सकती है। चूंकि कंप्यूटर प्रोग्राम डेटा के विशाल ट्रोव को पचाते हैं और उन पैटर्नों को समझने लगते हैं जो प्रकट हो सकते हैं, वे अक्सर आश्चर्यजनक “फीचर्स” उत्पन्न करते हैं – चर या खोज शब्द जो एक महत्वपूर्ण घटना की भविष्यवाणी करने में मदद करते हैं, जैसे कि वायरल उछाल।
यहां तक कि अगर ये स्पष्ट साइनपोस्ट ऐसी घटना की सटीक भविष्यवाणी करने के लिए साबित होते हैं, तो सार्वजनिक-स्वास्थ्य आपातकाल के लिए उनकी प्रासंगिकता तुरंत स्पष्ट नहीं हो सकती है। एक आश्चर्यजनक संकेत कुछ नई प्रवृत्ति का पहला संकेत हो सकता है – उदाहरण के लिए, एक नए संस्करण के कारण पहले अनदेखा लक्षण। लेकिन यह भी सार्वजनिक स्वास्थ्य अधिकारियों के लिए इतना बेतरतीब लग सकता है कि यह एक आसन्न प्रकोप की भविष्यवाणी करने की कार्यक्रम की क्षमता पर संदेह करता है।
सेंटिलाना, जो हार्वर्ड स्कूल ऑफ पब्लिक हेल्थ में भी पढ़ाते हैं, ने कहा कि समीक्षक उनके समूह का प्रारंभिक कार्य आने वाले प्रकोप के चेतावनी संकेतों के रूप में उभरे कुछ संकेतों पर कुछ संदेह के साथ प्रतिक्रिया व्यक्त की। उनमें से एक – “आतंक खरीदारी” का जिक्र करने वाले ट्वीट्स – मशीनों से एक गलत संकेत की तरह लग रहे थे जो एक यादृच्छिक घटना पर लेट गए थे और इसे अर्थ के साथ प्रभावित किया था, सैंटिलाना ने कहा।
उन्होंने आसन्न स्थानीय प्रकोप के प्रकट संकेत के रूप में “आतंक खरीदारी” संकेत को शामिल करने का बचाव किया। (आखिरकार, महामारी के शुरुआती दिनों में चावल और टॉयलेट पेपर सहित मुख्य वस्तुओं की कमी थी।) लेकिन उन्होंने स्वीकार किया कि एक पूर्व-चेतावनी प्रणाली जो बहुत “ब्लैक-बॉक्स” है, सार्वजनिक स्वास्थ्य अधिकारियों के प्रतिरोध का सामना कर सकती है। जिन्हें इसकी भविष्यवाणियों पर भरोसा करने की जरूरत है।
“मुझे लगता है कि निर्णय लेने वालों का डर एक वैध चिंता है,” सेंटिलाना ने कहा। “जब हमें कोई संकेत मिलता है, तो यह विश्वसनीय होना चाहिए।”
