מודלים חדשים של בינה מלאכותית מסוגלים לנתח מאגרי מידע אדירים של סוגי נגיפים, חיות הנושאות אותם וקרבתן לאדם, וכך לשפר את סיכויינו לחזות את המגפה הבאה
הכתבה הוקלטה בידי הספרייה המרכזית לעיוורים ולבעלי לקויות ראייה
לרשימת כל הכתבות הקוליות באתר
נגיף הקורונה גרם למגפה העולמית הקשה ביותר במאה השנים האחרונות. התפרצויות קודמות ומצומצמות יותר כוללות את שפעת העופות, סארס, אבולה ומחלת אבעבועות הקוף שעלתה לכותרות לאחרונה, אף כי לא התפשטה רבות במדינות המפותחות.
עם שינויי האקלים המתעצמים, הגידול באוכלוסייה העולמית, צמצום בתי הגידול של חיות הבר ודחיקתן לקרבת מרכזי אוכלוסייה אנושית, מדענים חזו זה מכבר את הופעתה של מגפה כדוגמת הקורונה, ואף חזו שתהיינה עוד כמותה. בעשורים הקרובים צפויות מגפות שנובעות ממעבר נגיפים חדשים מבעלי חיים לאדם בתדירות גבוהה יותר מבעבר. חלקן יהיו מצומצמות יותר או אלימות פחות מהקורונה, אך חלקן עשויות להיות גרועות ממנה, הן במידת ההדבקה והן במידת הקטלניות.
מדענים מנסים לבנות מודלים שיתריעו על התפרצויות נגיפים אפשריות, ולאחרונה גייסו לעזרתם בינה מלאכותית. הבינה המלאכותית הזאת אמורה לחפש ולזהות במהירות איומים קריטיים, אך נדרש עוד פיתוח כדי שהטכנולוגיה תבשיל.
שפעת העופות שהופיעה ב-1997 הדגימה מעבר נגיפים מחיות לבני אדם. תרנגולות בלול | Philippe Benoist, Eurelios, Science Photo Library
בסיס המאמצים: אנציקלופדיית נגיפים
אם נכיר טוב יותר את מגוון הנגיפים הקיימים אצל חיות, נחקור אותם ונערוך מעין "אנציקלופדיה של נגיפים", שמרכזת ומנגישה את המידע עליהם, נוכל לדעת עם אילו נגיפים אנחנו עשויים להתמודד, עוד לפני שהם יתפרצו כמגפות שפוגעות בבני אדם. למשל, אם נזהה מקום בעולם ובו נגיף שעלול לגרום מגפה, נוכל להחיל מראש הגבלות ופיקוח על האזור. נוכל להגביל את המגע בין בני אדם לחיות בר בנקודות הסיכון, או לקבוע תנאי תברואה לאזורים הללו ולפקח על עמידה בהם, וכך נמנע את ההתפרצות. מדענים יוכלו להתחיל מחקר מקדים על נגיפים חשודים על מנת להאיץ את פיתוח החיסונים, התרופות והטיפולים התומכים במקרה של מגפה, וכך להציל חיים רבים.
למטרה זו הושק ב-2009 פרויקט PREDICT הבינלאומי, שאותו מימנה ב-200 מיליון דולר הסוכנות האמריקנית לפיתוח בינלאומי (USAID). הפרויקט נמשך עד 2020, והחוקרים בו זיהו 949 נגיפים חדשים שהדביקו בני אדם, חיות משק וחיות בר ב-34 מדינות.
אחד המחקרים בפרויקט, שהתפרסם ב-2017, חזה את מגפת הקורונה: המחקר העריך שיש בגופם של עטלפים אלפי נגיפי קורונה שלא התגלו, וחזה שאזור דרום מזרח אסיה יהיה בית הגידול המגוון ביותר של נגיפים מהמשפחה הכוללת את נגיף SARS-CoV-2, שעתיד לגרום למגפת הקורונה. המחקר זיהה כי במקומות שיש בהם מגע אינטנסיבי בין בני אדם לחיות בר, נפוצים נגיפי קורונה אצל עטלפים, ונראה שמקורה של מגפת הקורונה הוא בשוק באזור כזה.
מחקר נוסף בחן את ההתאמה בין זני נגיפים ובין בעלי החיים שהם מדביקים. האקולוג קווין אוליבל (Olival) מעמותת EcoHealth Alliance בניו יורק, שהוביל את המחקר, אמר ל-Nature: "המטרה היתה להבין אילו נגיפים מסוגלים להדביק אנשים, מאילו חיות אנחנו מקבלים הכי הרבה נגיפים חדשים ומה הגורמים שבבסיס הדפוסים האלה". המחקר מצא קשר בין שכיחות הידבקות האנשים ובין הקרבה הביולוגית לחיות המדביקות ולבין גורמים המשפיעים על רמת המגע בין האדם לחיות הבר באותם אזורים, כמו צפיפות האוכלוסייה האנושית באזור המחיה של חיות הבר.
צוות המחקר השתמש במודלים סטטיסטיים כדי לחזות אילו חיות צפויות להיות נשאיות של נגיפים זואונוטיים, כאלה שעלולים לעבור מחיות לבני אדם, ובאילו אזורים הדבר צפוי לקרות. חיות משמעותיות בהקשר הזה היו עטלפים, מכרסמים ופרימטים – קופי אדם כגון אורנגאוטן ושימפנזה – והאזורים המשמעותיים כללו את דרום אמריקה, אפריקה ודרום מזרח אסיה. עוד זיהו החוקרים כמה מהמאפיינים של נגיף זואונוטי, למשל טווח המינים שהוא יכול להדביק.
אחד המחקרים בפרויקט חזה את מגפת הקורונה ב-2017. נגיף קורונה | איור: Kateryna Kon, Science Photo Library
מגבלות משמעותיות
עם כל הישגיו, PREDICT היה תוכנית הרצה בלבד. היקף הנגיפים שהוא כיסה היה "טיפה בים", לדברי אוליבל. מדענים הציעו ב-2016 להקים פרויקט נגיפים עולמי שימשיך את המחקר בשותפות בינלאומית של ממשלות וגופים לא-ממשלתיים. פרויקט ההמשך היה אמור למפות את מרבית זני הנגיפים הקיימים אצל יונקים ועופות, שכן אלו הן המחלקות שמהן מגיעים מרבית הנגיפים לבני אדם, אך הפרויקט לא קיבל מימון ולא יצא לפועל.
חוקרים שהתנגדו לפרויקט טענו שהוא בקנה מידה בלתי אפשרי. לא ידוע כמה מיני נגיפים קיימים כיום אצל יונקים ועופות ואין קונצנזוס לגבי ההערכות. יש מדענים המעריכים שהמספר עומד על כ-1.67 מיליון, מהם לפחות 320 אלף אצל יונקים לבדם. עד 2020 זיהו כ-4,000 נגיפים בלבד, והם משתנים מהר, כך שמאמץ מחקרי חד-פעמי לא יספיק ויהיה צורך להשקיע מאמצים גדולים על בסיס קבוע כדי לעדכן את בסיס הנתונים.
עוד נטען נגד הפרויקט, שגם אם הרצף הגנטי של נגיף פוענח, יש גורמים לא ידועים שעשויים להשפיע על הסבירות שלו לגרום למגפה, כגון מקדם ההדבקה שלו אצל בני אדם. כמו כן, ישנה הטיית הדגימה של המחקרים: יש זמן ומשאבים לחקור לעומק רק שיעור זעום מתוך המגוון העצום של הנגיפים הקיימים, והנטייה היא לחקור משפחות של נגיפים שכבר זלגו לבני אדם. הדבר הגיוני כשמחפשים תרופה או חיסון לנגיף שהתפשט, אבל אין בכך תרומה לחיזוי המגפה הבאה והדבר אף עלול להסיט את תשומת הלב מכיווני מחקר אחרים, סבירים לא פחות.
במחקר משתמשים במודלים סטטיסטיים כדי לחזות אילו חיות צפויות להיות נשאיות של נגיפים העלולים לעבור לבני אדם, והיכן. בשר עטלפים למכירה בשוק באינדונזיה | Sony Herdiana, Shutterstock
הבינה המלאכותית מתעדפת מטרות
כאן עשויה הבינה המלאכותית לתרום. חקר נגיף בודד יכול להימשך זמן רב, ואילו בינה מלאכותית עשויה לזהות ולסמן מטרות בעדיפות גבוהה למחקר עומק, כשברשותה מידע מועט וקל להשגה. לעיתים קרובות, הדבר הראשון שמתגלה על נגיף חדש הוא הרצף הגנטי שלו, וההשגה של המידע הזה דורשת שעות עד ימים בודדים.
הווירולוג החישובי נרדוּס מולנצה (Mollentze) מאוניברסיטת גלזגו פיתח מודל המשתמש בתור אמת מידה בדמיון הגנטי של הנגיף לחלקים מה-DNA האנושי. ההיגיון מאחורי אמת המידה הזו הוא שנגיפים שבמהלך האבולוציה מתפתחים בהם קטעים גנטיים הדומים לאלה של הפונדקאי, מתרבים טוב יותר או מסתתרים ממערכת החיסון טוב יותר. המודל נבדק על כ-900 נגיפים והצליח לזהות בדיוק של 70 אחוז אילו מהם זואונוטיים.
מולנצה המשיך את המחקר עם חוקרים ממכון ורנה (Verena) בארצות הברית, שילב במודל את היכולת של נגיפים ללמוד לחיות בפונדקאים ושיפר את הדיוק של המודל לכ-80 אחוז. התקווה היא שבעתיד אפשר יהיה לאסוף ידע על האינטראקציה בין הנגיף לפונדקאי ברמה המולקולרית.
לא כל המודלים יעילים באותה מידה. יש מודלים שלמדו לסווג מקרים רק לפי דפוסים, ויתקשו לחזות מקרים חדשים. לעומתם, יש מודלים שמצליחים להסיק את הסיבות לדפוסים האלה ויצליחו יותר בחיזוי. קשה להבדיל בין סוגי המודלים, והיכולת לעשות זאת צפויה להיות חיונית. קולין קרלסון (Carlson), ביולוג באוניברסיטת ג'ורג'טאון בוושינגטון שמנהל את מכון ורנה, ניסח זאת כך בריאיון ל-Nature: "זאת השאלה: האם אנחנו רק מלמדים את המכונות לחזור על מה שהן יודעות, או שהן לומדות עקרונות שהן יכולות לקחת איתן למרחב חדש?"
המודל של מולנצה משתמש בדמיון הגנטי של הנגיף לחלקים מה-DNA האנושי. עטלף נבדק להימצאות נגיף אבולה | Philippe Psaila, Science Photo Library
האתגר: איסוף מידע רוחבי
כדי לפעול היטב, מודלים של בינה מלאכותית זקוקים לבסיס נתונים שהוא גם גדול וגם איכותי. מודל שנדרש לחזות אם נגיף מסוים הוא זואונוטי, צריך להתאמן על דוגמאות רבות ומגוונות. הן צריכות לכלול נגיפים שזלגו לבני אדם ונגיפים שלא זלגו. הן צריכות לכלול ייצוג הולם שיבטל הטיה של גורמים חיצוניים כמו מידת החשיפה של בני אדם לנגיף. בווירולוגיה המידע מועט וחסר לעומת המגוון הקיים במציאות. כל שנה קורות זליגות מעטות בלבד, ולכן הדבר מקשה על האלגוריתמים ללמוד באופן יעיל ולחזות את העתיד. מדענים מחליטים על אילו נגיפים לאסוף מידע, לפי הידע שלהם על הסיכונים הגבוהים ביותר.
על מנת לאמן את המודלים באופן מיטבי, יש לאסוף מידע על הפיזור הגיאוגרפי של הנגיפים ועל הטקסונומיה שלהם – החלוקה לקבוצות לפי מאפיינים משותפים, הכוללת חלוקה למחלקות, משפחות ומינים. לשם כך אין להתמקד בנגיפים שאנחנו מעריכים שיהיו מסוכנים, אלא באזורים ובמשפחות שעליהם אנחנו יודעים הכי מעט.
כדי להתקרב להגשמת המטרה דרושים שיתוף פעולה בין מדענים ומוסדות מחקר בכל רחבי העולם, זרימת נתונים חופשית ופרוטוקולים אחידים ומוסכמים לאיסוף נתונים. כאן המכשולים הם יותר פוליטיים ותרבותיים מאשר מדעיים, למשל חוסר אמון בין מדינות, סדרי עדיפויות ציבוריים מתנגשים ותמריצים אקדמיים שמעדיפים פרסום על פני איסוף נתונים רחב היקף. גם הפתרונות להתגברות על המכשולים האלו הם פוליטיים ותרבותיים יותר מאשר מדעיים. על כך אמר אוליבל ל-Nature: "זו הסוגיה העיקרית וכדי להתמודד איתה נדרשת בניית אמון. צריך לוודא שנותנים תמורה, לא רק בחיסונים אלא גם בהכשרה, בניית יכולות ושותפות במאמרים".
כדי שהבינה המלאכותית תוכל לתת חיזוי מדויק יש צורך בשיתוף פעולה הדוק ואמון הדדי בין מדענים, מוסדות מחקר וממשלות. איור של בני אדם, קשרים ונקודות מגע ביניהם | Immersion Imagery, Shutterstock
בינה מלאכותית תסנן נגיפים
השאיפה היא שהמודלים הממוחשבים יתנו כלים זמינים שיאפשרו למקבלי ההחלטות ולציבור הרחב להבין מראש מהם האיומים המשמעותיים מצד נגיפים זואונוטיים ואילו מגפות עלולות להתפרץ. בשלב מתקדם יותר, אולי נוכל להיעזר בבינה מלאכותית גם כדי לסווג את המגפות האפשריות לפי מידת החומרה שלהן ולהשקיע משאבים ומאמצים בהתאם. הקורונה לימדה אותנו כמה חשוב פרק הזמן שבתחילת המגפה לשם בלימתה.
נדרש עוד מחקר רב כדי לבנות את בסיסי המידע של הנגיפים ולהבין את המאפיינים שמאפשרים למודל בינה מלאכותית לפתח יכולת חיזוי גבוהה. עם זאת גם כאשר הטכנולוגיה תבשיל, כנראה לא תחזה במדויק כל התפרצות. התקווה היא שנוכל לחזות מגפות כפי שחוזים את מזג האוויר: לצמצם את מרחב האפשרויות מאוסף עצום ולא ידוע למספר קטן של תרחישים מציאותיים ולאמוד טוב יותר את מידת הסבירות של כל תרחיש.