فضایی، حمل و نقل پیشرفته

سیناپرس: بنیاد امور فضایی بر این باور است که پیش‌بینی بیماری با کمک داده‌های ماهواره‌های سنجش از راه دور می‌تواند فرصت‌ ویژه‌ای را برای مبارزه با بیماری و نجات جان انسان‌ها به‌ وجود آورد.

هرساله میلیون‌ها نفر از مردم سراسر جهان به خاطر بیماری‌هایی ناعلاج از قبیل وبا و مالاریا جان خود را از دست می‌دهند.بیماری‌های واگیردار،جمعیت جهانی را تحت تاثیر خود می‌گذارد و این پتانسیل را دارد که هزاران نفر را به کام مرگ بکشاند و اقتصاد جهانی را فلج کند.لذا استفاده از فناوری‌های مختلف برای پیدا کردن محل این مشکلات امر مهمی به شمار می‌آید.اطلاعات و تصویرهای به دست ‌آمده از ماهواره‌های محلی می‌توانند برای مدل‌سازی‌‌ محل احتمالی وقوع بیماری‌ به کار روند.این هشدارها می‌توانند مسئولین مربوطه را در اقدام‌های پیشگیرانه یاری کنند تا وضعیت را تحت کنترل داشته باشند.امروزه تعداد زیادی از ماهواره‌های ناظر وجود دارند که دارای توانایی تهیه داده‌ها وتصاویر مرتبط هستند.پژوهشگران مدلی را بر پایه‌ این اطلاعات به وجود آورده‌اند و «بنیاد فضایی» بر این باور است که این توانمندی‌ها باید به دست دولت‌ها وسازمان‌های بین‌المللی به روز شوند و مورد حمایت قرار بگیرند، تا جایی که می‌شود نفعی به مردم برساند.

مراحلی توسط داده‌ها و تصاویر ماهواره‌ای برای جلوگیری از شیوع بیماری‌ها انجام می‌شود که به عدم شیوع بیماری کمک می‌کند و هر کدام از این مراحل به ورودی‌ها و پیش‌نیازهای مختلفی از جمله تعدادی متخصص و سرمایه‌گذار نیازمند است.

پیش‌بینی بیماری با کمک داده‌های ماهواره‌های سنجش از راه دور می‌تواند فرصت‌ ویژه‌ای را برای مبارزه با بیماری و نجات جان انسان‌ها به‌ وجود آورد و اطلاعات و تصویرهای به دست ‌آمده از ماهواره‌های محلی می‌توانند برای مدل‌سازی‌‌ محل احتمالی وقوع بیماری‌ به کار روند.

ارتباط بین بیماری و فاکتورهای محیطی

ماهواره‌های سنجش از راه دور نمی‌توانند به طور مستقیم از شیوع بیماری جلوگیری کنند، بلکه آنها می‌توانند دسته‌ وسیعی از فاکتورها و معیارهای محیطی، مانند آب‌های سطحی، رشد گونه‌های گیاهی و پدید آمدن سیل را شناسایی کنند.قبل از اینکه این مدل توسعه پیدا کند، باید ارتباط بین فاکتورهای محیطی و بوم شناسی عامل بیماری را یافت. در این ارتباط معمولا برای انتقال بیماری، شخص سوم، یا حامل برای انتقال بیماری لازم است.مالاریا، که از طریق پشه‌ها سرایت می‌کند، مثال خوبی برای این موضوع است. پشه‌ها روی آب زندگی می‌کنند، بنابراین با افزایش مقدار آب‌های سطحی میزان زاد و ولد آنها هم بیشتر می‌شود. افزایش میزان آب سطحی و بارندگی، که می‌تواند توسط ماهواره‌های سنجش از راه دور شناسایی شود، امکان پیش‌بینی برای شیوع مالاریا در منطقه‌ای که در آنجا این بیماری وجود دارد را فراهم می‌کند.

این مدل‌ها زمانی‌ که داده‌های منابع دیگر با هم جمع شوند و ارتباطی چندگانه بین فاکتورهای محیطی و بیماری ایجاد شود، نتایج موثرتر واقع می‌شوند.بنابراین بعضی از این مدل‌ها پروسه‌های بیولوژیکی حساسیت، درمعرض بیماری قرارگرفتن، عفونت وبازیابی را درخود جا داده‌اند.این مسئله مستلزم دانستن علت آسیب‌پذیر بودن افراد نسبت به یک بیماری خاص، راه‌های رودررویی افراد با این بیماری، فرآیند تاثیر عفونت در بدن و فرایند بازیابی ودرمان است.

این نکته که این مدل باید شامل اطلاعاتی درباره‌ منطقه مورد نظر باشد اهمیت ویژه‌ای دارد و اغلب به‌طور مستقیم توسط داده‌های به دست آمده از ماهواره گرفته می‌شود.برای مثال، پیش‌بینی‌های مربوط به مناطقی که در خطر شیوع هستند باید تراکم جمعیت در سراسر آن منطقه را تحت نظر بگیرد.اگر منطقه‌ای دارای شمار زیادی از حشرات و پشه‌ها در حاشیه روستایی باشد، احتمال اینکه در این منطقه خطر شیوع مالاریا باشد، بیشتر از جاهای دیگر با تراکم کمتر است.

چیزی که این وابستگی‌ها را مشخص می‌کند، داده‌های ثبت ‌شده در گذشته است که می‌تواند رابطه‌ بین فاکتورهای محیطی و شیوع بیماری‌ها را نشان دهد.بنابر تصاویر ماهواره‌ای و داده‌های جمعیتی، جمع‌آوری داده‌های مربوط به بیماری‌های مسری مهم است که شامل اطلاعاتی راجع به زمان و مکان شیوع بیماری در گذشته بوده، تا بتواند این روابط را تایید کند.به دست آوردن این اطلاعات مخصوصا در مناطق روستایی و کشورهای درحال توسعه می‌تواند دشوار باشد.به دلیل گسترده ‌بودن موارد و فاکتورهای محیطی که می‌توانند روی پخش‌شدن بیماری در مناطق مختلف تاثیر بگذارند، باید داده‌ها به اندازه‌ گسترده‌‌ بودن مناطق دارای تنوع و فراوانی باشند.مرحله اول، که شامل پیدا کردن و تایید ارتباط بیماری و فاکتورهای محیطی است، معمولا توسط پژوهشگران در سطح آکادمیک و همچنین دولتی انجام می‌پذیرد.

طراحی مدل نرم‌افزاری

مرحله بعد در توسعه‌ سیستم هشداردهی بیماری تهیه مدلی نرم‌افزاری است.این مدل براساس روابط بین شیوع بیماری و فاکتورهای ‌محیطی که تا به امروز مشخص و اثبات شده‌اند عمل می‌کند.تمرکز این روش روی استفاده از داده‌های ماهواره‌ای و داده‌های فضازمینی برای پیش‌بینی منطقه مشکوک به شیوع بیماری است.دراین مرحله، مسئله مهم و ارزشمند، درنظر گرفتن انواع محصولاتی است که می‌توانند برای سهامداران مانند نقشه‌های فراوانی این خطرها در مناطق مختلف مفید باشند.در این جا هم، داده‌های مربوط به بیماری‌های مسری در گذشته برای تایید کردن توانمندی‌های پیش‌گویانه این مدل ضروری است.این مرحله از فرآیند، نیازمند تلاش و حمایت برای علاقه‌مندکردن مشتری‌ها به استفاده از این مدل است.به طور معمول این کار توسط پژوهشگران دولت انجام می‌گیرد.

کاربردی‌سازی

بعد از اینکه مدل پیش‌گویانه توسعه یافت و براساس داد‌‌ه‌های گذشته تایید شد، می‌تواند وارد استفاده کاربردی ‌شود.البته ممکن است این مدل نیاز به تحقیق و تغییرهای دیگری داشته باشد، تا به آن اجازه دهد در هر زمان قابل استفاده و استناد باشد.قبل از ایجاد این گذار، هزینه‌ها و سودهای‌ احتمالی را باید محاسبه کرد.در مورد یک نوع بیماری که نسبتا هزینه کمتری برای درمان نیاز دارد، احتمالا تخصیص اعتبار برای واکسینه کردن یا دیگر راه‌های پیشگیرانه در سطح وسیع، مناسب‌تر و تاثیرگذارتر از سرمایه گذاری روی استفاده از این مدل خواهد بود.

اگر فرض شود که این گذار مدل به حالت کاربردی سودمند ‌باشد، وابستگی‌های مذکور (بین فاکتورهای محیطی و بیماری‌ها) توسط کادرهای دولتی و سهامداران ایجاد می‌شود.سهامداران می‌توانند به شناسایی انواع خروجی‌ها مانند تهیه نقشه‌های خطر یا اطلاعات دیگر در جهت موثرتر واقع شدن کمک‌کنند.

نظارت عملیاتی

وقتی سیستم‌ پیش‌گویانه عملیاتی می‌شود، به طور مداوم بر منطقه مورد نظر نظارت می‌کند تا بتواند نقشه‌های خطر و هشدار و همچنین سایر خروجی‌های مورد نیاز را تهیه کند.این مدل نیازمند منابعی شامل داده‌های ماهواره‌ای و تصاویر به دست آمده از آن است که دائمی و همیشه در دسترس باشند.وجود مرکزی دائمی برای میزبانی این مدل نرم‌افزاری و سخت‌افزار همراه آن، و همچنین متخصصین تعلیم دیده برای کارکردن با این مدل و همکاری سهامداران امری مهم به شمار می‌رود.نقشه‌های خطر، هشدار و سایرخروجی‌های به دست‌ آمده باید طبق اصول خاص و توسط مقامات بهداشتی دولت تهیه شوند.

تصمیم نهایی

آخرین مرحله از این فرآیند با دریافت خروجی‌های به دست‌ آمده از مدل پیشگویانه عملیاتی و اتخاذ تصمیم نهایی توسط مقامات بهداشتی دولتی به پایان می‌رسد.ممکن است مقامات تصمیم بگیرند، هشداری برای منطقه‌های با خطر بالا صادر کنند و همچنین باتوجه به نتایج بدست آمده از مدل مذکور اقدامی را هم برای کاهش خطر در آن منطقه در پیش بگیرند.در مورد مالاریا این اقدامات می‌توانند شامل جلوگیری از فعالیت‌های بیرونی در زمان‌هایی که فعالیت پشه‌ها بیشتر می‌شود یعنی سپیده‌دم و غروب آفتاب باشد.راهکار دیگر می‌تواند استفاده از نقشه‌های خطر و پیداکردن نقاط پرخطر باشد، تا منابع کمکی، مانند پشه بند یا داروهای پیشگیری به آن مناطق فرستاده ‌شود.این نمونه از کمک‌های هدفدار احتمالا موثرتر واقع می‌شوند، زیرا این کمک‌ها به دست افرادی که به آن نیاز دارند می‌رسد و همچنین سرمایه فقط جایی که به آن نیاز هست خرج می‌شود.این هشدارها و اقدامات که گاهی هم‌زمان یا پی‌در‌پی انجام می‌شوند، می‌توانند منتج به نجات جان انسان‌ها و جلوگیری از شیوع بیماری شود.

پژوهشگران پس از یک دوره توسعه عملیاتی مدل، ممکن است شناسایی و تایید وابستگی بین بیماری‌ها و فاکتورهای محیطی را همچنان ادامه دهند و مدل‌های نرم‌افزاری جدید ممکن است به کمک الگوریتم‌های بهبودی هم توسعه یابند. هرکدام از این پیشرفت‌ها کیفیت و کارآمدی سیستم‌هایی که هم‌اکنون در حال اجرا هستند را نیز بهبود می‌بخشند. به طور مشابه، فرآیند توسعه و ارتقای محصولات مفید لازم نیست تا بعد از عملیاتی شدن مدل به تعویق بیافتد.

مدل‌های موجود

قسمت اصلی تحقیقات روی ارتباط بین داده‌های سنجش از راه دور و بیماری‌ها در مراکز آکادمیک سراسر جهان صورت می‌گیرد.در ایالات متحده، ناسا(NASA)، دانشکده دفاع(DoD) و مراکز کنترل و پیش‌گیری بیماری(CDC)، همگی در پیشبرد این هدف فعال هستند.آژانس فضایی اروپا روی پروژه‌ای به نام (Epidemio)کار می‌کند، که قصد دارد سیستمی ایجاد کند که با اطلاعات به دست آمده از مشاهده زمین روی محیط زیست، متخصصین علوم بیماری‌های مسری به مطالعه، نظارت و پیش‌بینی درمانی برای بهداشت انسانها بپردازند.آژانس فضایی کانادا با همکاری مرکز ملی برنامه‌ریزی کنترل مالاریا در کنیا، روی پروژه‌ای برای ارائه تکنولوژی مشاهده زمین برای شناسایی مکان‌های طبیعی اقامت پشه‌ها و پیش‌بینی خطر مالاریا کار می‌کنند.سازمان‌های بین‌الملی، سازمان ملل، سازمان بهداشت جهانی(WHO)، سازمان(GEO) هم در این تلاش سهیم هستند.

در گزارش سال۸۰ خورشیدی (۲۰۰۴)، سازمان بهداشت جهانی دریافت که تلاش‌ها برای پیشگیری از برخی بیماری‌ها را می‌توان با استفاده از پیش‌بینی‌های محیطی بهبود بخشید. این بیماری‌ها شامل مالاریا، وبا، بیماری اسهال و تعدادی دیگر هستند.جمعیت سراسر جهان از این بیماری‌ها رنج می‌برند، و تمام دنیا می‌توانند از مدل پیش‌بینی آب‌و‌هوایی بهره‌مند شوند.علی‌رغم این فعالیت‌های گسترده و تعداد بالای بیماری‌های مرتبط، امروزه تعداد کمی از مدل‌های عملیاتی مورد استفاده هستند.

پیش‌بینی تب شکاف دره

(RVF) نام یک بیماری است که بین حیوانات و انسان تاثیر یکسان دارد.این بیماری می‌تواند توسط پشه‌های عفونی یا تماس مستقیم با حیوان مبتلا منتقل شود که برای احشام در بیشتر مواقع کشنده است، اگرچه برای انسان هم می‌تواند کشنده باشد. پیش‌بینی در مورد شیوع (RVF) توسط مرکز پرواز فضایی گادارد ناسا انجام می‌شود. ناسا از ماهواره‌ها برای پیداکردن محل‌ها، گونه‌های گیاهی و داده‌های آب‌و‌هوایی استفاده می‌کند تا بتواند شیوع بیماری‌های واگیردار در شرق آفریقا را چندین ماه قبل از وقوع آن پیش‌بینی کند.پژوهشگران ناسا داده‌‌های به دست آمده را آنالیز می‌کنند و گزارش‌های ماهانه و نقشه‌های خطر را تهیه می‌کنند.این مدل شیوع بیماری را در سال‌های ۲۰۰۷-۲۰۰۶ با موفقیت پیش‌بینی‌ کرد و در نهایت هشدارهایی به مدت ۲ تا ۶ هفته تهیه کرد. این اطلاعات به مقامات محلی بهداشت اجازه داد تا برنامه‌هایی برای هشدار و آگاهی عمومی، کنترل پشه‌ها و واکسیناسیون انجام دهند.

پیش‌بینی مالاریا

ناسا پروژه مراقبت و مدلسازی مالاریا را با همکاری مرکز عملیاتی ویژه نیروی هوایی آمریکا انجام داد.به نقل از سازمان بهداشت جهانی، در سال ۲۰۰۸، ۲۴۷ میلیون نفر دچار بیماری مالاریا شدند که نزدیک به یک میلیون آنها جان خود را از دست دادند.مالاریا توسط پشه‌های حامل منتقل می‌شود و مشخصا در مناطق گرمسیری رایج است.در حال حاضر برنامه پیش‌بینی و نظارت ناسا روی تایلند تمرکز کرد. 

اهداف این پروژه شامل، شناسایی محل‌ زندگی حاملان مالاریا(پشه‌ها)، تخمین خطرهای احتمالی، پیش‌بینی خطرهای آینده و همچنین فهم بهتر مشخصات و ویژگی‌های انتقال در راستای کاهش هزینه‌های کنترل کردن مالاریا است.داده‌های آب‌وهوایی با استفاده از وسایل مختلف سنجش از راه دور از تعدادی ماهواره به دست می‌آیدو داده‌های مربوط به علم بیماری‌های در اختیار سازمان بهداشت جهانی و وزیر بهداشت افغانستان، اندونزی و تایلند قرار می‌گیرد.

پیش‌بینی مننژیت

گروه مشاهدات زمین(GEO)، تلاش‌های خود را برای استفاده از مشاهدات زمین متمرکز کرده‌‌اند تا به پیش‌بینی شیوع بیماری مننژیت کمک کنند.مننژیت بیماری خطرناکی است که می‌تواند باعث آسیب جدی به مغز شود و در نیمی از اوقات اگر درمان نشود منجر به مرگ می‌شود. مننژیت مسری به صورت عادی در یک دوره ۴ تا ۷ ساله در منطقه‌ه‌ای از آفریقا به نام «کمربند مننژیت» که از سنگا تا اتیوپی ادامه دارد، اتفاق می‌افتد.سازمان بهداشت جهانی تخمین زده ‌است که سالانه ۳۰ میلیون نفر در این منطقه در خطر بیماری مننژیت هستند. از ژانویه تا آوریل ۲۰۰۹ شیوع مننژیت بیش از ۱۰۰۰ نفر در آفریقا را به کام مرگ کشاند.برخلاف دیگر بیماری‌های مراقبت شده توسط سیستم‌های عملیاتی، مننژیت توسط حاملی دیگر منتقل نمی‌شود بلکه از شخص به شخص سرایت می‌کند.علی‌رغم این حقیقت، تحقیقات نشان داده‌ است که فاکتورهای محیطی از جمله تغییر دما، سطح رطوبت و تمرکز گرد و غبار می‌تواند در شیوع این بیماری تاثیرگذار باشد و اطلاعات مبتنی بر این فاکتورها می‌توانند به شناخت و پیش‌بینی زمان بندی، نوع وقوع و وسعت دربرگیرنده شیوع کمک کند.ابزار حمایت و تصمیم‌گیری مننژیت همچنان در حال توسعه است.

سنسور تولید داده

اداره هوایی واقیانوسی ملی(NOAA)، طرح تشعشع‌سنج با دقت بالا را ارائه کرد.این طرح شامل سنسوری است که بعضی از داده‌های رایج استفاده ‌شده در مدل‌های پیش‌بینی را تولید می‌کند.(AVHRR) وسیله‌ای‌ است تحت عنوان ماهواره‌ محیطی عملیاتی قطبی (POES)، که در طول یک روز ۱۴مرتبه به دور زمین می‌چرخد.در (AVHRR) از شش جستجوگر استفاده می‌شود که با دریافت نور در طول موج‌های مختلف این اجازه را به کاربر می‌دهد تا اطلاعات راجع به پوشش‌های ابری، دمای زمین، پوشش‌های گیاهی، مرزهای آبی، برف و یخ و دمای سطح آب را تحت نظر بگیرد.

هشدار برای قحطی غذا

شیوع بیماری تنها خطری نیست که با کمک داده‌های سنجش از راه دور پیش‌بینی می‌شود.آژانس ایالات متحده برای توسعه‌های بین‌المللی(USAID) با همکاری (NOAA)، ناسا، مرکز مطالاعات زمین‌شناسی آمریکا و تعدادی دیگر از آژانس‌های مرتبط، روی پروژه شبکه سیستمی هشدار برای قحطی(FEWS NET) کار می‌کنند.این برنامه هشدار‌های اولیه و اطلاعات آسیب‌پذیری از موضوع غذا را در اختیار دارد و از داده‌های ماهواره‌سنجش از راه دور برای نظارت روی آب وهوا، پوشش گیاهی روی زمین و ترکیب این داده‌ها با سایر داده‌های مختلف زمین‌شناسی استفاده می‌کند. وقتی که موضوع مشخص شد، (FEWS NET) به تمام مقامات سراسر جهان هشدار می‌دهد. همچنین این برنامه از آزمایش‌های مربوط به مالاریا و نقشه‌های خطر مرتبط با آن براساس بارندگی حمایت می‌کند. هرچه مدل‌های عملیاتی پیش‌بینی بیماری رایج‌تر می‌شوند، احتمال اینکه از همکاری با (FEWS NET) سود بیشتری ببرند نیز بیشتر می‌شود.

پیش‌بینی آنفولانزا

در بهار ۲۰۰۹ سازمان بهداشت جهانی ویروس (H۱N۱)، که به نام آنفولانزای خوکی شناخته شد، را معرفی کرد و میلیون‌ها دوز از آن ویروس را برای واکسیناسیون ساخت و به نقاط مختلف جهان ارسال کرد.این سازمان قبل از شیوع دریافته‌ بود که کاهش دما در طول فصل زمستان می‌تواند رابطه‌ای با بیماری آنفولانزا داشته باشد، اما تعدادی از فاکتورهای مرتبط با انسان تاثیر بیشتری دارد.

به هر حال به طور دقیق معلوم نیست که چگونه پارامترهای فصل و شرایط آب‌و‌هوایی به شیوع بیماری ربط پیدا می‌کند.دانشمندان در حال تحقیق برای پیدا کردن رابطه‌ای بین آنها هستند و اگر موفق شوند ممکن است مدل پیش‌گویانه برای ویروس(H۱N۱) یا سایر ویروس‌های آنفولانزایی را بتوان توسعه داد، که براساس داده‌های ماهواره‌های سنجش از راه دورممکن شود.