Dirbtinio intelekto panaudojimas sprendžiant su klimato kaitos poveikiu sveikatai susijusias problemas

Dar 2018 m. paskelbtoje Jungtinių Tautų aplinkosaugos ataskaitoje dėl išmetamųjų teršalų kiekio pažymima, kad jei šalys ir toliau dės tik tiek pastangų, kiek deda dabar, ir nesiims aktyvesnių veiksmų, išmetamųjų teršalų kiekis viršys Paryžiaus susitarime nustatytus tikslus, o visuotinis atšilimas perkops 2 °C temperatūros ribą visame pasaulyje. Svarbus visuotinio atšilimo padarinys – didėjanti rizika sveikatai. Keliose šalyse klimato kaitos poveikis sveikatai yra nustatytas jau dabar. Daug galima padaryti siekiant užkirsti jam kelią ar jį sušvelninti, o problemos supratimas ir informavimas apie ją yra vienas geriausių būdų motyvuoti imtis veiksmų. Tam pasitelkiamas net ir dirbtinis intelektas.

Darnaus vystymosi tikslų įgyvendinimas

Jungtinių Tautų priimtoje darnaus vystymosi darbotvarkėje, nustačiusioje darnaus vystymosi tikslus iki 2030 m., siekiama gerinti ekonominius, socialinius ir aplinkosauginius rezultatus, kad būtų užtikrinta žmonių ir visos planetos gerovė. Tačiau kurti nacionalinę ekonominę politiką, kuri padėtų siekti pažangos įgyvendinant konkrečius darnaus vystymosi tikslus, trukdo sudėtinga kelių sektorių ekonomika ir dažnai viena kitai prieštaraujančios politikos kryptys. Atlikus tyrimus siūloma projektavimo sistema, galinti padėti politikos formuotojams „persijoti“ sudėtingą, nelinijinę šių sektorių politikos erdvę ir nustatyti veiksmingus politikos priemonių krepšelius, kuriuose būtų suderinti ekonominiai, socialiniai ir aplinkosaugos tikslai. Sistemoje derinamas visos ekonomikos tvarumo modeliavimas ir dirbtiniu intelektu pagrįsta, objektyvi kelių darnaus vystymosi tikslų politikos paieška bei ugdymas. Rezultatai rodo, kad integruotos politikos strategijos gali padėti pasiekti tvarų vystymąsi, o kartu subalansuoti ir mažinti neigiamą ekonominį, socialinį ir politinį reformų poveikį.

Dirbtinio intelekto panaudojimas sveikatai gerinti

Dirbtinis intelektas yra viena iš šiuolaikinių medicinos ir sveikatos mokslų technologijų tyrimų ir jų panaudojimo sričių. Medicininis ir sveikatos dirbtinis intelektas turi dvi pagrindines veiklos formas: virtualiąją ir fizinę. Manoma, kad dėl dirbtinio intelekto plėtros sveikatos priežiūros sistemoje gerės paslaugų teikimo lygis, ji taps pažangesnė. Virtualus dirbtinis intelektas dažniausiai suprantamas kaip pati iš savęs besimokanti programa, į kurią mes krauname bazines žinias, taikydami tam tikrą algoritmą. Kuo dažniau naudojamės programa, tuo daugiau žinių ji turi. Toks dirbtinis intelektas gali būti pasitelkiamas diagnostikai pagal simptomus arba tam tikroms būklėms vertinti pagal nuotrauką. Kuo daugiau nuotraukų pateikia gydytojai, tuo tiksliau dirbtinis intelektas įvertina būklę. Tačiau dirbtinis intelektas gali ne tik tai. Jis jau ir operuoja, ir dirba slaugytojo darbą: prižiūri sunkiai sergantį pacientą, varto jį nustatytu laiku ar atlieka kitas sudėtingas funkcijas. Tikimasi, kad dirbtinio intelekto technologijos padės įveikti dabartinius asmens sveikatos priežiūros išteklių paskirstymo apribojimus ir sumažinti spaudimą, susijusį su aukštos kokybės sveikatos priežiūros paslaugų gavimu.

Nagrinėjant dirbtinio intelekto panaudojimą visuomenės sveikatos srityje, nustatyta, kad jis gali pagerinti sveikatos priežiūros institucijų gebėjimą stiprinti visų žmonių sveikatą visose bendruomenėse. Norint sėkmingai išnaudoti šį potencialą ir pasitelkti dirbtinį intelektą visuomenės sveikatos veikloms stiprinti, visuomenės sveikatos organizacijoms svarbu parengti argumentuotas dirbtinio intelekto diegimo strategijas. Kad visuomenės sveikatos organizacijos sėkmingai naudotų dirbtinio intelekto technologijas, išskiriami keli prioritetai: šiuolaikinis duomenų valdymas; investicijos į modernizuotą duomenų ir analitinę infrastruktūrą bei procedūras; darbo jėgos įgūdžių trūkumo šalinimas; strateginių bendradarbiavimo partnerysčių plėtojimas; gerosios dirbtinio intelekto praktikos naudojimas siekiant skaidrumo ir atkuriamumo; aiškus dėmesys teisingumui ir šališkumo mažinimui.

Klimato kaitos pabėgėlių problema

Vienas iš toli siekiančių klimato kaitos padarinių yra priverstinis žmonių persikėlimas iš gyvenamosios vietos. Klimato sukelta migracija yra labai sudėtinga problema. Niujorko deklaracijoje dėl pabėgėlių ir migrantų pažymima, kad migracijos priežastys yra įvairios: ginkluoti konfliktai arba karai, skurdas, maisto trūkumas, persekiojimas, terorizmas, žmogaus teisių pažeidimai, klimato kaita ir stichinės nelaimės. Nors jau 1990 m. buvo pripažinta, kad didžiausias klimato kaitos padarinys gali būti žmonių migracija, prireikė dešimtmečių, kad į klimato poveikio reguliavimo dokumentus būtų įtrauktas gyventojų judumo ir migracijos klausimas.

Pirmieji tyrimai klimato kaitos pabėgėlių srityje atsirado dar 2012-aisiais. Tuvalu (Ramiojo vandenyno regionas) gyventojai jau prieš dešimtmetį buvo laikomi tiesioginiu įrodymu ir pavyzdžiu, kaip klimato kaitos krizės veikia tam tikrų regionų gyventojus. Manoma, kad dėl klimato kaitos ir įvykusių didelių stichinių nelaimių Bangladešo kaimo vietovėse gyvenantys žmonės yra vieni pažeidžiamiausių pasaulyje. Ir nors potvyniai neturėjo tiesioginio poveikio migracijai, su potvyniais nesusijęs žemės nualinimas ir derlingumo sumažėjimas padarė didelę įtaką judumui. Būtina, taikant dirbtinio intelekto galimybes, sukurti alternatyvą stichinių nelaimių sukeltos migracijos problemoms spręsti. Tai reiškia, kad dirbtinis intelektas ne tik stebi ir laiku praneša apie gresiančius pavojingus meteorologinius pokyčius ar kitas galimas nelaimes, bet ir rekomenduoja veiksmų planą: kada palikti teritoriją, kuria kryptimi vykti arba kaip spręsti artėjančias problemas, susijusias su prastesne derliaus kokybe ar kiekybe.

Karščio bangų sukelto poveikio valdymas

Dar vienas klimato kaitai būdingas reiškinys – ekstremalūs karščiai arba karščio bangos, kurios daro didelį poveikį žmonių sveikatai, o senėjimas, skurdas ir lėtinės ligos dar labiau apsunkina situaciją. Kadangi pasaulio visuomenė dėl klimato kaitos turės kovoti su dar karštesniais orais ateityje, būtina geriau suprasti, kokias veiksmingiausias prevencijos ir reagavimo priemones galima panaudoti, ypač mažai išteklių turinčiose šalyse. Visapusiškas šiluminės aplinkos pažinimas ir karščio bangų numatymas, taikant dirbtinį intelektą, padeda įgyvendinti daugybę tvarių galimybių, pavyzdžiui, iš anksto numatyti vėsinimo aplinkas ir būdus, pasiruošti pakankamai išteklių konkrečiam laikotarpiui, ypač – vandens. Būtina taikyti optimalias intervencines priemones tokiose vietose kaip senelių globos namai, lūšnynai, pabėgėlių stovyklos ir darbo, masinių susibūrimų, fizinio aktyvumo vietose. Šios informacijos integravimas į gerai parengtus karščio bangų prevencijos veiksmų planus, griežta priežiūra ir stebėsena yra labai svarbūs siekiant sumažinti neigiamus dabartinių ir būsimų ekstremalių karščių padarinius sveikatai.

Imamasi globalių iniciatyvų

2018 m. paskelbtoje ataskaitoje „The Lancet Countdown on Health and Climate Change“ pažymima, kad sveikatos priežiūros specialistai ir sveikatos organizacijos vis dažniau svarsto apie klimato kaitos poveikį sveikatai ir į jį reaguoja: geresnis klimato kaitos padarinių sveikatai supratimas leidžia geriau jiems pasiruošti, padeda didinti visuomenės atsparumą, prisitaikyti prie klimato kaitos ir nustatyti prioritetus planuojant jos švelninimo intervencijas, kurios apsaugo ir skatina žmonių gerovę. Pasaulio sveikatos organizacija parengė Pasaulinę sveikatos, aplinkos ir klimato kaitos strategiją, kurioje raginama taikyti integruotą požiūrį į visuomenės sveikatos ir aplinkos mokslą, kad būtų suintensyvintas pirminės prevencijos darbas ir vykdoma politika, padedanti šalinti pagrindines aplinkos grėsmių sveikatai priežastis.

Padidėjusios infekcinių ligų rizikos problemos sprendimas

Politikai ir mokslininkai ieško būdų, kaip sumažinti su klimato kaita susijusią padidėjusią užkrečiamųjų ligų riziką. Daugiausia dėmesio skiriama ankstyvojo nustatymo ir prevencijos strategijoms. Siūlomos naujos kartos priežiūros strategijos, skirtos su klimatu susijusių infekcinių ligų protrūkių prognozavimui ir ankstyvajam nustatymui gerinti. Rizikos modeliuojamos pasitelkiant dirbtinį intelektą ir įvykiu pagrįstą stebėseną, kuriai naudojami atvirojo interneto duomenys, neseniai patobulinti dirbtinio intelekto programomis, pavyzdžiui, mašininiu mokymusi (angl. machine learning). Kadangi klimato atšilimas, klimato nepastovumas ir ekstremalūs meteorologiniai reiškiniai lemia uodų ir kitų vabzdžių platinamų ligų dažnėjimą ir intensyvumą, išsiaiškinus su tuo susijusius orų dėsningumus galima iš anksto nuspėti, kada tam tikram regionui gresia pavojus. Laiku gauta informacija apie artėjantį ligos protrūkį gali padėti įgyvendinti prevencines vabzdžių kontrolės priemones ir informuoti apie riziką dar prieš prasidedant protrūkiui.

Palydovinės nuotraukos gali suteikti duomenų apie aplinkos ir klimato veiksnių, darančių įtaką uodų ir erkių platinamoms ligoms, paplitimą. Duomenys apie temperatūros, drėgmės, žemės dangos ir kitus pokyčius gali būti naudojami užkrečiamųjų ligų protrūkiams prognozuoti. Šiuo metu stengiamasi padidinti šio metodo patikimumą ir efektyvumą remiantis kelių palydovų perduodama informacija ir taikant naujoviškus mašininio mokymosi ir dirbtinio intelekto metodus, skirtus didiesiems duomenims apdoroti.

Apibendrinant galima pagrįstai teigti, kad dirbtinis intelektas gali ir turi būti efektyviai naudojamas tokiose srityse kaip klimato kaitos poveikio asmens ir visuomenės sveikatai mažinimas, įskaitant klimato kaitos pabėgėlių srautų reguliavimą, kovą su karščio bangų sukeltais pavojais sveikatai ir padidėjusios užkrečiamųjų ligų rizikos mažinimą.