هوش مصنوعی بیماری‌های استوایی را تشخیص می‌دهد
برای این منظور محققان طی یک دوره ۹ماهه، نیازسنجی را در یک مرکز مراقبت‌های عالی در جنوب هند انجام دادند. یک پرسش‌نامه با ۹ آیتم طراحی، تایید و توزیع و در نهایت پاسخ‌های آن تحلیل شد تا مشخص شود پزشکان نیازی به ایجاد تمایز میان بیماری‌های استوایی در محیط‌شان دارند یا خیر. بخش نخست پرسش‌نامه شامل ۶ سوال خاص درباره بیماریها بود مانند میزان عفونت‌های استوایی، تعداد مواردی که در یک هفته درمان شدند، موانع در درمان عفونت‌های استوایی، چالش‌های درمان و نیاز برای توسعه ابزارها. بخش دوم این پرسش‌نامه توسعه ابزار را بررسی کرد و شامل ۳ سوال درباره پارامترهایی بود که پزشکان تمایل داشتند در توسعه ابزار در نظر گرفته شود، فرمت‌های پیشنهادی برای ابزار و پیشنهادهای دیگر. در مرحله بعد برای توسعه یک ابزار پیش‌بینی‌کننده، داده‌ها از سوابق پزشکی موجود در دانشکده بررسی شدند. سپس یک ابزار پیش‌بینی و یک الگوریتم ماشین یادگیری ابداع شد.
تونگا در این باره می‌گوید: در کل داده‌های ۸۰۰ بیمار برای بررسی ۴ بیماری (هر گروه ۲۰۰ نفر) در نظر گرفته شدند. از نرم‌افزار WEKA برای مدل‌سازی یادگیری ماشینی و در مرحله بعد از آن برای آزمایش طبقه‌بندی باینری (یک بیماری در یک زمان) و چند کلاسه (هر چهار بیماری) استفاده شد. پرسش‌نامه‌ها میان ۴۰ پزشک و دانشجوی دکتری در دانشکده پزشکی توزیع شد. پزشکان اعلام کردند هر هفته به‌طور متوسط ۲۴ مورد عفونت استوایی را درمان می‌کنند. به عقیده آنها تشخیص بیماری و درمان علائم چالش‌برانگیز و مشکل بود. طبق تحقیق انجام شده، ۳۵ پزشک معتقد بودند به یک ابزار تصمیم‌گیری در این خصوص نیاز است و ۳۴ تن دیگر نیز موافق بودند پارامترهای آزمایشگاهی و داده‌های بالینی به عنوان حوزه اصلی عملکرد ابزار در نظر گرفته شود.
پرسش‌نامه‌ها نشان داد تب دانگ، مالاریا، تب شالیزار و تیفوئید معمول‌ترین بیمارهای عفونی در این منطقه هستند و متداول‌ترین نشانگرهای آزمایشگاهی نیز بیلی‌روبین، آلبومین، لیمفوسیت و پلاکت‌های خونی بودند. از سوی دیگر درد شکمی، خروجی اداری و غیر از نشانه‌های بالینی مهم برای پیش‌بینی بیماری به حساب می‌آیند. دقت ابزار توسعه یافته برای شناسایی تب دانگ (۷/ ۶۰)، مالاریا (۵/ ۶۲) و تب شالیزار ۶۶ درصد بوده است. همچنین قابلیت این ابزار برای پیش‌بینی بیماری تیفوئید ۳۸ درصد اعلام شده است. به گفته تونگا میزان اعتبار نتایج به دست آمده را بیشتر می‌توان تحلیل کرد و براساس هر سناریوی بالینی ارتقا داد. اکنون قرار است پژوهش‌های بیشتری بر وجوه مختلف این بیماریها انجام شود.
