← أحدث الأبحاث
🤖 machine learning

Learning from waste: Machine Learning for health risk prediction and computer vision-based sorting in Ghana

تُثبت هذه الدراسة أن تعلم الآلة يمكنه التحقق كمياً من الارتباط بين ممارسات التخلص من النفايات والمخاطر الصحية في غانا، بينما يقدم في الوقت ذاته حلاً يعتمد على الكاميرا ومنخفض التكلفة للفرز الآلي للنفايات في البيئات محدودة الموارد، رغم تأكيدها على أن النجاح التكنولوجي يجب أن يقترن بالدعم المؤسسي لتحقيق تحسينات في الصحة العامة.

المؤلفون الأصليون: Hilda Adwubi Osei, Catherine Tenewaa Osei, Desdemona Yaa Asobayire

نُشر 2026-08-27
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Hilda Adwubi Osei, Catherine Tenewaa Osei, Desdemona Yaa Asobayire

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في العديد من المدن المتنامية حول العالم، تغير الطريقة التي يتخلص بها الناس من نفاياتهم الهواء الذي يتنفسونه والماء الذي يشربونه، وغالباً ما يكون ذلك بعواقب وخيمة على صحتهم. فعندما تُترك النفايات لتتعفن في المساحات المفتوحة، أو تُحرق في الشوارع، أو تُلقى في الأنهار، فإنها تخلق بؤراً لتكاثر الأمراض والتلوث. لطالما عرف العلماء أن هذه العادات السيئة مرتبطة بالمرض، لكنهم عادةً ما يستطيعون فقط وصف هذا الارتباط بعبارات عامة، مشيرين إلى أن وجود المزيد من النفايات في مجرى مائي يعني غالباً زيادة في حالات أمراض المعدة في الحي. وما كان ينقصنا هو وسيلة لقياس كيف يمكن لطريقة معينة في التخلص من الأشياء أن تتنبأ بنوع محدد من المرض لشخص معين، وطريقة عملية ومنخفضة التكلفة لحل مشكلة الفرز قبل أن تصل النفايات إلى المكب. وهنا يأتي دور عمل الباحثين في غانا، الذين يستخدمون أدوات حاسوبية حديثة لتحويل الملاحظات الواقعية الفوضوية إلى بيانات واضحة وقابلة للتنفيذ.

في مجتمع "أتونسو"، بالقرب من مدينة كوماسي، بدأ فريق من الباحثين بالاستماع إلى السكان الذين يعيشون هناك. ففي دراسة ميدانية أجريت عام 2022، أوضح السكان أنهم رأوا نمطاً واضحاً: فعندما يحرقون نفاياتهم، يصابون بصداع ومشاكل في القلب؛ وعندما يلقونها في الأحراش، يواجهون الملاريا ولدغات الثعابين؛ وعندما يلقونها في الجداول، يعانون من الكوليرا والإسهال. وبينما كانت هذه القصص قوية، إلا أنها كانت مجرد أوصاف. أراد الباحثون معرفة ما إذا كان بإمكان الكمبيوتر التعلم من هذه القصص للتنبؤ بالمرض بناءً على كيفية التعامل مع النفايات. لقد جمعوا بيانات استقصائية من مئات السكان، سائلين إياهم عن عادات التخلص من النفايات وحالتهم الصحية. ثم علموا برنامجاً حاسوبياً، يُعرف باسم "مصنف الغابة العشوائية" (random forest classifier)، للبحث عن الأنماط في هذه المعلومات. تعلم البرنامج تصنيف الناس إلى مجموعات بناءً على نوع المرض الذي أبلغوا عنه وكيفية تخلصهم من نفاياتهم. وعند اختباره على مجموعة من الأشخاص المرضى بالفعل، تمكن الكمبيوتر من تخمين نوع المرض بشكل صحيح بنسبة 63 بالمائة تقريباً. قد لا يبدو هذا مثالياً، لكنه خطوة كبيرة للأمام؛ فهو يثبت أن الارتباط بين النفايات والمرض ليس مجرد شعور أو مصادفة، بل هو نمط قابل للقياس يمكن للآلة تعلمه. وقد وجد الكمبيوتر أن طريقة التخلص كانت هي الدليل الأكثر أهمية، وهي أكثر أهمية بكثير من عمر الشخص أو وظيفته أو المهنة التي يمارسها الشخص الذي أبلغ عن المرض.

بينما ركز الجزء الأول من الدراسة على العواقب الصحية، تناول الجزء الثاني الحل: كيفية فرز النفايات بكفاءة دون إنفاق ثروة على آلات باهظة الثمن. كانت الفكرة الأصلية لإصلاح مشكلة النفايات في "أتونسو" تتضمن آلة معقدة تحتوي على العديد من المستشعرات المختلفة، مثل الأضواء تحت الحمراء وكاشفات المعادن، لفصل أنواع مختلفة من النفايات. ومع ذلك، فإن مثل هذه الآلات مكلفة وصعبة الصيانة في الأماكن ذات الموارد المحدودة. لذا تساءل الباحثون عما إذا كان بإمكان كاميرا بسيطة القيام بنفس المهمة. قاموا ببناء نظام باستخدام كاميرا ونوع من الذكاء الاصطناعي يسمى "الشبكة العصبية الالتفافية" (convolutional neural network)، المصممة للتعرف على الصور. قاموا بتدريب هذا النظام باستخدام مجموعة كبيرة من الصور لأنواع مختلفة من النفايات، مثل الورق المقوى، والزجاج، والمعدن، والورق، والبلاستيك، والنفايات العامة. وكانت النتيجة مذهلة؛ فقد حدد النظام القائم على الكاميرا نوع النفايات بشكل صحيح في ما يقرب من 88 بالمائة من الحالات التي اختُبر فيها. وهذا يعني أن كاميرا بسيطة، يمكن تثبيتها على حزام ناقل أو حتى هاتف ذكي، يمكنها فرز النفايات بقدر يقارب الآلات متعددة المستشعرات الأكثر تعقيداً، ولكن بجزء بسيط من التكلفة والتعقيد.

تجمع هذه الدراسة بين هذين الاكتشافين لترسم صورة أوضح للمشكلة ومساراً محتملاً للمضي قدماً. يؤكد النموذج الحاسوبي الذي يتنبأ بالمرض ملاحظات المجتمع بأنها كانت صحيحة: إن الطريقة التي تتخلص بها من نفاياتك تؤثر مباشرة على نوع المرض الذي قد تصاب به. ويظهر نموذج الكاميرا أن فرز تلك النفايات لا يتطلب مصنعاً عالي التقنية؛ إذ يمكن القيام بذلك باستخدام تكنولوجيا ميسورة التكلفة وسهلة الوصول. ومع ذلك، يشدد الباحثون على أن امتلاك نموذج يعمل لا يعني حل المشكلة. إن القدرة على التنبؤ بالمرض أو فرز النفايات لا تعالج الوضع تلقائياً. وتوضح الدراسة أن العوائق الحقيقية في غانا غالباً ما تكون مؤسسية وليست تقنية، وتتعلق بقضايا مثل التمويل، وإنفاذ القوانين، ورغبة السلطات المحلية في التحرك. إن التكنولوجيا جاهزة للمساعدة، لكنها تحتاج إلى دعم من الناس والسياسات لتحويل هذه التنبؤات والفرز الآلي إلى صحة أفضل وبيئة أنظف. ويبرهن هذا العمل على أنه حتى في البيئات محدودة الموارد، يمكن لأدوات البيانات الحديثة أن تثبت صحة المعرفة المحلية وتقدم حلولاً عملية ومنخفضة التكمة، بشرط وجود خطة واضحة لوضعها موضع التنفيذ.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.LG →