می‌توان بیماری همه گیر بعدی را پیش‌بینی کرد؟

بیماری‌های مشترک میان انسان و حیوانات، بیماری‌هایی هستند که از حیوانات به انسان منتقل می‌شوند. ویروس‌های منتقل‌شده از حیوانات، زمینه‌ساز برخی از بدترین بیماری‌های همه‌گیر جهان بوده‌اند؛ از طاعون منتقل‌شده از موش‌ها گرفته تا آنفلوانزای اسپانیایی که منشا آن پرندگان هستند. "کروناویروس سندروم حاد تنفسی ۲"(SARS-CoV-2) که عامل بیماری کووید-۱۹ است نیز به عنوان یک بیماری نشات‌گرفته از حیوان شناخته می‌شود. "مرکز کنترل و پیشگیری از بیماری‌ آمریکا"(CDC) تخمین می‌زند که بیش از ۶۰ درصد بیماری‌های عفونی شناخته‌شده انسان، از حیوانات نشات می‌گیرند.

پژوهشگران امیدوارند که با ردیابی منابع احتمالی بیماری مشترک انسان و حیوان، بتوانند از انتقال بیماری از حیوانات به انسان جلوگیری کنند. شکارچیان ویروس(virus hunter)، روش‌های گوناگونی را برای شناسایی بیماری‌های نشات‌گرفته از حیوانات دارند که ممکن است روزی جمعیت‌های انسانی را مبتلا کنند. برخی از پژوهشگران، پایگاه داده مربوط به بیماری‌های عفونی نوظهور را برای پیش‌بینی مناطقی از جهان که احتمال بروز همه‌گیری در آنها وجود دارد، استفاده کرده‌اند. پروژه موسوم به "پردیکت"(PREDICT) متعلق به "آژانس توسعه جهانی آمریکا"(USAID) از این روش استفاده می‌کند و آفریقا، جنوب و جنوب شرقی آسیا و آمریکای لاتین را به عنوان مناطق احتمالی برای ظهور بیماری‌های مشترک انسان و حیوان پیش‌بینی کرده است. در این پروژه، داده‌هایی در مورد توزیع جغرافیایی پستانداران ناقل بیماری جمع‌آوری شد و پژوهشگران، مناطق مذکور را به عنوان کانون‌های بالقوه ویروس نام بردند. 

"مرکز کنترل و پیشگیری از بیماری‌ آمریکا"(CDC) تخمین می‌زند که بیش از ۶۰ درصد بیماری‌های عفونی شناخته‌شده انسان، از حیوانات نشات می‌گیرند.

ویروس‌های مشترک میان انسان و حیوان طی قرن‌ها موجب بروز بیماری‌های همه‌گیر در جوامع انسانی شده‌اند. این دقیقا همان اتفاقی است که اکنون در مورد همه‌گیری کووید-۱۹ رخ داده است.

یک پرسش کلیدی این است که آیا می‌توان پیش‌بینی کرد که کدام حیوان یا ویروس، عامل همه‌گیری بعدی خواهند بود؟ این پرسش، پژوهشگران را به تلاش در مورد پیش‌بینی خطر همه‌گیری بیماری‌های مشترک میان انسان و حیوان سوق داده است تا بتوانند خانواده ویروس‌ها و گروه‌های میزبانی را که می‌توانند حامل ویروس‌ها باشند، مشخص کنند.

مشکلات پیش‌بینی همه‌گیری

این که آیا دانشمندان واقعا می‌توانند شیوع بیماری‌های همه‌گیر را پیش‌بینی کنند یا خیر، موضوع بحث‌های علمی است. دکتر "رابرت تش"(Robert Tesh)، ویروس‌شناس "واحد پزشکی دانشگاه تگزاس" (UTMB) گفت: علم هنوز به اندازه کافی نمی‌تواند بیماری‌های مشترک میان انسان و حیوان را کنترل کند تا مدل‌های پیش‌بینی موثری را ارائه دهد.

در هر حال، چالش دیگری نیز در این زمینه وجود دارد. حتی پس از این که پژوهشگران بتوانند بیماری مشترک بین انسان و حیوان را با موفقیت شناسایی کنند، تعداد بی‌شماری از عوارض آنها باقی می‌مانند. استدلال دکتر تش این است که ویروس‌های ویژه‌ای 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 طور غیرقابل پیش‌بینی به مناطق جدیدی منتقل شدند.

همچنین، ویروس‌ها می‌توانند به سرعت و به‌ طور غیر قابل ‌پیش‌بینی جهش یابند، از بین بروند یا میزبان‌های جدید را به‌گونه‌ای آلوده کنند که هیچ اکتشافی نتواند برای مقابله با آنها آماده شود. حتی پس از شناسایی یک ویروس در حیوانات، تضمینی وجود ندارد که آن ویروس حتما انسان را نیز مبتلا کند. دکتر "استفان هلمز"(Stephen Holmes)، زیست‌شناس تکاملی با توجه به این واقعیت، استدلال کرد که اطلاعات کافی برای پیش‌بینی این که کدام بیماری به انسان سرایت می‌کند، وجود ندارد و صرفا یک ایده پیش‌بینی‌کننده نمی‌تواند اطلاعاتی را در مورد بیماری همه‌گیر بعدی ارائه دهد.

دکتر "رابرت تش"(Robert Tesh)، ویروس‌شناس "واحد پزشکی دانشگاه تگزاس"(UTMB) گفت: علم هنوز به اندازه کافی نمی‌تواند بیماری‌های مشترک میان انسان و حیوان را کنترل کند تا مدل‌های پیش‌بینی موثری را ارائه دهد.

این اطلاعات حتی بیماری‌های شناخته‌شده مشترک میان انسان و حیوان را که میزبان حیوان آنها به طور دقیق شناسایی نشده است، پوشش نمی‌دهند. پس از گذشت چندین سال از شیوع ابولا در غرب آفریقا، پژوهشگران هنوز نمی‌توانند منشا قطعی این عفونت را مشخص کنند.

دکتر "باربارا هان"(Barbara A. Han)، پژوهشگر "مؤسسه کری"(Cary Institute) آمریکا گفت: داده‌هایی که به من و همکارانم امکان می‌دهند تا بیماری‌های مشترک بین انسان و حیوان در آینده را پیش‌بینی کنیم، محدود هستند و زمانی که صحبت از بیماری‌های منتقل‌شده از حیوان به میان می‌آید، اطلاعات پایه‌ای در مورد آنها و این که کدام گونه حامل چه ویروسی بوده است، وجود ندارد.

وی افزود: گاهی اوقات، عامل بیماری‌زا یا انگل به بدن انسان سرازیر می‌شود و در برخی موارد به همین جا ختم می‌شود و بیشتر از این پیش نمی‌رود اما برخی از آنها می‌توانند از شخصی به شخص دیگر منتقل شوند؛ بنابراین انتقال ثانویه برای ویروسی که پتانسیل تبدیل شدن به بیماری همه‌گیر را دارد، واقعا حیاتی است.

دکتر "میشل ویل"(Michelle Wille)، پژوهشگر "دانشگاه سیدنی"(USYD) و همکارانش، چندین مشکل کلیدی را در رابطه با پیش‌بینی خطر بیماری‌های مشترک میان انسان و حیوان شناسایی کرده‌اند.

دکتر "باربارا هان"(Barbara A. Han)، پژوهشگر "مؤسسه کری"(Cary Institute) آمریکا گفت: داده‌هایی که به من و همکارانم امکان می‌دهند تا بیماری‌های مشترک بین انسان و حیوان در آینده را پیش‌بینی کنیم، محدود هستند و زمانی که صحبت از بیماری‌های منتقل‌شده از حیوان به میان می‌آید، اطلاعات پایه‌ای در مورد آنها و این که کدام گونه حامل چه ویروسی بوده است، وجود ندارد.

نخست این که پیش‌بینی‌ها براساس مجموعه کوچکی از داده‌ها صورت می‌گیرند. پژوهشگران به رغم دهه‌ها بررسی، احتمالا کمتر از ۰/۰۰۱ درصد از همه ویروس‌هایی را که احتمالا بیماری همه‌گیر بعدی از آنها پدیدار خواهد شد، شناسایی کرده‌اند.

دومین مشکل این است که این داده‌ها به شدت نسبت به ویروس‌هایی که بیشتر انسان‌ها یا حیوانات کشاورزی را آلوده می‌کنند یا پیشتر به عنوان بیماری مشترک میان انسان و حیوان شناخته شده‌اند، سوگیری دارند. واقعیت این است که بیشتر حیوانات از نظر آلودگی به چنین ویروس‌هایی بررسی نشده‌اند و ویروس‌ها به ‌قدری سریع تکامل می‌یابند که چنین بررسی‌هایی به زودی قدیمی خواهند شد و ارزش محدودی خواهند داشت.

استدلال پژوهشگران این است که نیاز به یک روش جدید احساس می‌شود که نمونه‌برداری گسترده از حیوانات و انسان‌ها را در محل تعامل آنها شامل شود. این امر باعث می‌شود که ویروس‌های جدید به محض ظاهر شدن در انسان و پیش از ایجاد بیماری‌های همه‌گیر شناسایی شوند. چنین نظارت پیشرفته‌ای ممکن است به پژوهشگران کمک کند تا از تکرار شدن اتفاقی مانند همه‌گیری کووید-۱۹ جلوگیری کنند.

پژوهشگران به رغم دهه‌ها بررسی، احتمالا کمتر از ۰/۰۰۱ درصد از همه ویروس‌هایی را که احتمالا بیماری همه‌گیر بعدی از آنها پدیدار خواهد شد، شناسایی کرده‌اند.

همچنین، ویروس‌ها می‌توانند به سرعت و به‌ طور غیر قابل ‌پیش‌بینی جهش یابند، از بین بروند یا میزبان‌های جدید را به‌گونه‌ای آلوده کنند که هیچ اکتشافی نتواند برای مقابله با آنها آماده شود

پیش‌بینی همه‌گیری با کمک رایانه و یادگیری ماشینی

استفاده از رایانه برای پیش‌بینی شیوع بیماری عفونی پیش از آغاز آن ممکن است کمی علمی-تخیلی به نظر برسد اما دانشمندان در حال نزدیک شدن به این ایده هستند. آنها از یادگیری ماشینی برای پیش‌بینی دقیق در مورد این که کدام حیوانات ممکن است حاوی ویروس‌ها، باکتری‌ها و قارچ‌های خطرناک باشند، استفاده می‌کنند. پیش‌بینی‌های بهتر می‌تواند به متخصصان در بهبود نحوه پیشگیری و واکنش نشان دادن به شیوع بیماری کمک کند.

تقریبا همه موارد همه‌گیری بیماری‌های عفونی جدید زمانی رخ می‌دهد که یک ویروس، باکتری یا قارچ از حیوان به انسان منتقل شود. پیش‌بینی دقیق زمان و مکان شیوع این بیماری‌ها می‌تواند آنها را پیش از تبدیل شدن به بیماری همه‌گیر از بین ببرد اما حفظ کردن نظارت فعال بر انتقال بیماری در سراسر جهان، پرهزینه و زمان‌بر است.

گروهی از دانشمندان مؤسسه کری به سرپرستی دکتر هان، در جهت محدود کردن جستجو، یک برنامه رایانه‌ای را برای تجزیه و تحلیل پایگاه بزرگی از داده‌ها شامل عادات و زیستگاه‌های پستانداران ابداع کرده‌اند. برنامه رایانه‌ای آنها، ۸۶ متغیر گوناگون مانند اندازه بدن، طول عمر و تراکم جمعیت را برای بررسی الگوهای رایج زندگی در میان حیواناتی که ناقل بیماری‌ به انسان هستند، ارزیابی می‌کند.

دکتر هان و همکارانش، بررسی‌های خود را تنها به جوندگان محدود کردند تا ارزیابی‌ها به صورت ساده‌تری انجام شوند. انتخاب جوندگان از آن جهت بود که حامل شمار قابل توجهی از بیماری‌های مشترک میان و انسان هستند. هان گفت: حیوانات حامل چنین بیماری‌هایی، زندگی کوتاهی دارند، دوره بارداری و تولید مثل آنها سریع پیش می‌رود و در جوانی از دنیا می‌روند.

دانشمندان مطمئن نیستند که چرا این سبک زندگی در میان جوندگان ناقل بیماری‌های مشترک بین انسان و حیوان رایج است اما آنها حدس می‌زنند که چرخه تولید مثل سریع ممکن است به حیوانات امکان دهد تا پیش از این که بیماری آنها را از بین ببرد، ژن‌های خود را با موفقیت منتقل کنند.

هان و گروهش ابتدا از برنامه خود برای شناسایی الگوهای سبک زندگی مشترک در جوندگانی که حامل بیماری‌هایی مانند طاعون سیاه، هاری و ویروس هانتا هستند، استفاده کردند و دریافتند که مدل آنها دارای میزان دقت ۹۰ درصدی است.

این مدل رایانه‌ای تاکنون بیش از ۱۵۰ گونه جانوری را شناسایی کرده است که می‌توانند حامل بیماری‌های مشترک بین انسان و حیوان باشند. همچنین این برنامه رایانه‌ای، ۵۸ عفونت جدید را در جوندگانی که پیشتر به عنوان ناقل بیماری مشترک بین انسان حیوان شناخته شده بودند، شناسایی کرد.

دانشمندان مطمئن نیستند که چرا این سبک زندگی در میان جوندگان ناقل بیماری‌های مشترک بین انسان و حیوان رایج است اما آنها حدس می‌زنند که چرخه تولید مثل سریع ممکن است به حیوانات امکان دهد تا پیش از این که بیماری آنها را از بین ببرد، ژن‌های خود را با موفقیت منتقل کنند.

گسترش مهاجرت انسان به مناطق جغرافیایی جدید و داشتن تماس نزدیک با حیوانات وحشی و اهلی به علاوه تغییرات آب و هوایی، بروز بیماری‌های مشترک میان انسان و حیوان را افزایش داده است. به همین ترتیب، افزایش جابه‌جایی حیوانات، مردم و تولید فرآورده‌های حیوانی نیز نقش مهمی در این زمینه داشته است. بنابراین، بهبود ارتباطات جهانی، هماهنگی و همکاری بین متخصصان برای پیشگیری، شناسایی، بررسی، اولویت‌بندی و واکنش نشان دادن به بیماری‌های مشترک میان انسان و حیوان ضروری است. تقویت این ارتباطات، برای ایجاد یک سیستم هشدار با هدف جلوگیری یا کاهش همه‌گیری بعدی ضروری است.

پژوهشگران "دانشگاه گلاسگو"(University of Glasgow) برای رسیدن به این هدف، روش جدیدی را ارائه داده‌اند. آنها طی پژوهشی که در مجله "PLOS BIOLOGY" به چاپ رسید، از ویژگی‌های 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 گفت: حوزه کشف ویروس در سال‌های اخیر، پیشرفت‌های قابل توجهی داشته است. این پیشرفت تا اندازه‌ای است که ویروس‌هایی که پیشتر برای علم ناشناخته بودند، اکنون شناسایی می شوند. در هر حال، باید بررسی شود که آیا این ویروس‌ها تهدید به شمار می‌روند یا خیر.

وی افزود: همکاران من در سال ۲۰۱۸ نشان دادند که ژنوم‌های ویروس، حاوی سیگنال کافی برای روش‌های یادگیری ماشینی هستند و می‌توانند به شناسایی منشا آنها از جمله خفاش‌ها، جوندگان و نخستی‌سانان کمک کنند.

به عبارت دیگر، آنها نشان دادند که مدل یادگیری ماشینی با تجزیه و تحلیل یک ژنوم ویروسی به تنهایی، می‌تواند نوع حیوانی را که ویروس به واسطه آن باعث عفونت ‌می‌شود، شناسایی کند. مولنتسه ادامه داد: این پرسش برای ما ایجاد شد که آیا ژنوم‌های ویروس ممکن است حاوی سرنخ‌هایی در مورد توانایی آن‌ها برای مبتلا کردن انسان‌ها باشد یا خیر.

پژوهشگران، توالی ژنوم را از ۸۶۱ گونه ویروس متعلق به ۳۶ خانواده متفاوت جمع‌آوری کردند که می‌توانند حیوانات را آلوده کنند. آنها در این پژوهش، با استفاده از اطلاعات مجموعه داده‌های منتشرشده، هر ویروس را براساس توانایی آن در مبتلا کردن انسان طبقه‌بندی کردند.

همچنین، آنها به شباهت هر ویروس با ویروس‌هایی که می‌توانند انسان را مبتلا کنند، اشاره کردند و مدل‌های یادگیری ماشینی را برای پیش‌بینی ابتلا ساختند. مدل یادگیری ماشینی آنها توانست ۷۰/۸ درصد از ویروس‌هایی را که می‌توانند انسان را آلوده کنند، به درستی شناسایی کند.

یک شرکت فعال در زمینه هوش مصنوعی موسوم به "بلودات"(BlueDot)، از یادگیری ماشینی برای بررسی بیماری‌های عفونی همه‌گیر استفاده کرده است این شرکت، یک مدل یادگیری ماشینی را ارائه داده است که می‌تواند نخستین نشانه‌های ابتلا را شناسایی کند. این مدل، احتمال شیوع بیماری را به سرعت تشخیص می‌دهد و هشدارهای ابتدایی را ارسال می‌کند.

اگرچه این مدل یادگیری ماشینی در حال حاضر برای شناسایی احتمال شیوع بیماری طراحی شده است اما سازندگان امیدوارند که در آینده بتوان از آن برای بهبود ارائه درمان و واکسن نیز استفاده کرد و راه‌های بهتری را برای پیشگیری از همه‌گیری بیماری ارائه داد.

شرکت بلودات، یک مدل یادگیری ماشینی را ارائه داده است که می‌تواند نخستین نشانه‌های ابتلا را شناسایی کند. این مدل، احتمال شیوع بیماری را به سرعت تشخیص می‌دهد و هشدارهای ابتدایی را ارسال می‌کند.

اپلیکیشن‌هایی برای پیش‌بینی همه‌گیری

شاید به زودی، برخی از اپلیکیشن‌های ویژه بتوانند همه‌گیری‌های آینده را پیش‌بینی کنند. یکی از این اپلیکیشن‌ها، "اسپیل اور"(SpillOver) نام دارد که توسط دانشمندان حوزه بیماری‌های 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 ویروس‌هایی با بالاترین میزان خطر انتقال بیماری، به طور مستقیم مقایسه می‌کند.

"اسپیل اور" با بررسی ۳۲ عامل خطر در مورد ویروس‌ها و میزبان‌ها از جمله محیط و رفتارهای انسانی، امتیازی را برای ویروس‌ها ثبت می‌کند. ویروس‌هایی 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 رتبه‌بندی ویروس‌ها، به سیاست‌گذاری بهتر در حوزه سلامت، نظارت بر بیماری و کاهش خطر همه‌گیری کمک کند.

اپلیکیشن‌هایی از این دست می‌توانند با کاهش زمان مورد نیاز برای شناسایی و ردیابی ویروس، به پیشگیری از شیوع بیماری کمک کنند و بسیار سودمند باشند اما این نتیجه در صورتی حاصل خواهد شد که تعداد قابل توجهی از مردم آن را دانلود کنند و مورد استفاده قرار دهند. همچنین، حفظ حریم شخصی کاربران نیز یکی از موضوعاتی است که باید رعایت شود.

در هر حال، چند سال درگیر بودن با بیماری کووید-۱۹ موجب شده تا هر راهی که بتواند به جلوگیری از بروز همه‌گیری‌های مشابه در آینده کمک کند، بیش از اندازه مورد استقبال قرار بگیرد.