A Physics-Informed Digital Twin Framework for Health Vigilance and Indoor Air Quality Decision Support in Healthcare-Oriented Environments

تخيل أنك تسير في ممر مستشفى مزدحم. لا يمكنك رؤية الهواء، لكنك تعلم أنه مليء بالمسافرين غير المرئيين: ذرات غبار صغيرة، وجراثيم، وهمسات كيميائية من مواد التنظيف أو الطهي. لفترة طويلة، تعامل العلماء ومديرو المباني مع الهواء الداخلي كأنه فيلم صامت؛ كان بإمكانهم مشاهدة الممثلين (المستشعرات) وهم يتحركون ورؤية ما يحدث الآن، لكن لم يكن بإمكانهم تخمين ما سيحدث بعد ذلك. كانوا يعرفون ما إذا كان الهواء سيئًا في هذه الثانية تحديدًا، لكنهم لم يعرفوا ما إذا كان من الممكن أن يزداد سوءًا في الخمس عشرة دقيقة القادمة. هذه مشكلة كبيرة، لأنه إذا كنت تعرف أن عاصفة قادمة، يمكنك إغلاق النوافذ؛ أما إذا لم تكن تعرف، فستبتل بالكامل.

لحل هذه المشكلة، يحاول الباحثون بناء "توأم رقمي" (Digital Twin). فكر في هذا ليس كروبوت، بل كمرآة سحرية غير مرئية لغرفة موجودة داخل الكمبيوتر. هذه المرآة لا تكتفي بنسخ الغرفة فحسب، بل تتعلم عاداتها. إنها تستخدم قوانين الفيزياء (مثل كيفية انتشار الدخان أو كيف تقوم مروحة بتنقية غرفة) ممزوجة بالتخمين الذكي للكمبيوتر (تعلم الآلة) لتلقي نظرة على المستقبل. الهدف هو تحويل قائمة بسيطة من الأرقام من مستشعر إلى كرة بلورية تساعد الأطباء ومديري المباني على الحفاظ على سلامة الهواء قبل أن يصبح خطيرًا.

---

الكرة البلورية غير المرئية لهواء المستشفيات

في هذه الدراسة، يقوم باحث يدعى أحمد البشير ببناء نوع جديد من التوأم الرقمي المصمم خصيصًا للأماكن التي تكون فيها الصحة هي الأولوية القصوى، مثل المستشفيات أو العيادات. التحدي الكبير؟ معظم أنظمة التنبؤ بالهواء المتطورة تحتاج إلى كم هائل من المخططات السرية: فهي تحتاج لمعرفة الحجم الدقيق لكل غرفة، وسرعة تدفق تكييف الهواء، والرياضيات المعقدة لكيفية تدفق الهواء عبر الجدران. ولكن في العديد من المباني الواقعية، خاصة القديمة منها أو ذات الميزانيات المحدودة، لا يملك أحد هذه المخططات. لديهم فقط المستشعرات.

يطرح بحث البشير سؤالًا جريئًا: هل يمكننا بناء نظام هواء ذكي يتنبأ بالمستقبل باستخدام بيانات من مستشعرات رخيصة فقط، دون الحاجة إلى أي مخططات للمبنى؟

المرآة السحرية بدون المخططات

ابتكر المؤلف إطار عمل يعمل كالمحقق. فبدلاً من الحاجة إلى خريطة للمبنى، ينظر النظام إلى الأدلة التي تتركها المستشعرات وراءها. إنه يراقب كيف يرتفع ثاني أكسيد الكربون (CO2) عندما يتحدث الناس، وكيف تتغير مستويات الصوت عندما يتحرك الناس، وكيف تنجرف الروائح (TVOCs) في الأرجاء. ومن خلال دمج هذه الأدلة مع نسخة مبسطة من الفيزياء (معادلة "توازن الكتلة"، وهي مجرد طريقة معقدة لقول "ما يدخل يجب أن يخرج أو يبقى")، يبني النظام نموذجًا يعمل لتدفق الهواء في الغرفة.

تم تصميم النظام ليكون أداة "يقظة صحية". إنه ليس مجرد ميزان حرارة؛ بل هو كلب حراسة ينبح قبل وصول المتسلل. إنه يتنبأ بمستوى الجسيمات الصغيرة الضارة التي تسمى PM2.5 (وهي صغيرة جدًا لدرجة أنها يمكن أن تصل إلى أعماق رئتيك) للخمس عشرة والـ 30 والـ 60 دقيقة القادمة.

كيف تعلم النظام التنبؤ

لاختبار هذه الفكرة، قام الباحث بتغذية النظام ببيانات من مكانين مختلفين تمامًا: مختبر هادئ وشقة مكونة من غرفة واحدة. كان على النظام أن يتعلم التنبؤ بالمستقبل باستخدام آخر 60 دقيقة فقط من بيانات المستشعر. وقد جرب عدة بنيات مختلفة لـ "الدماغ"، بما في ذلك بعض النماذج التي تعمل كصناع قرار هيكلية شجرية (تسمى LightGBM وXGBoost وCatBoost) وبعضها يعمل كشبكات عصبية للتعلم العميق (LSTMs).

بعد تشغيل آلاف عمليات المحاكاة، وجد النظام بطلته. تبين أن نموذج LightGBM، الذي ينظر إلى 15 دقيقة في المستقبل، كان الأفضل في أداء المهمة.

• النتيجة: تنبأ بجودة الهواء بمتوسط خطأ (RMSE) قدره 11.20 ميكروجرام/متر مكعب.
• اختبار الواقع: رغم أنه لم يكن مثاليًا، إلا أنه كان أفضل بكثير من مجرد التخمين بأن "الهواء سيكون كما هو الآن" (وهي طريقة تسمى الاستمرارية - Persistence) أو أخذ متوسط بسيط لآخر 30 دقيقة.

مشكلة "الصندوق الأسود" والحل الفيزيائي

أحد أكبر الشكاوى ضد الذكاء الاصطنا Cut هو أنه "صندوق أسود"؛ فهو يعطيك إجابة، لكنك لا تعرف لماذا. في المستشفى، تحتاج لمعرفة لما why أصبح الهواء سيئًا حتى تتمكن من إصلاح الأمر. هل لأن شخصًا فتح نافذة؟ هل لأن آلة تعطلت؟

حل هذا البحث هذه المشكلة بإضافة "طبقة فيزيائية". على الرغم من أن النظام لا يعرف الحجم الدقيق للغرفة، إلا أنه يحسب قوتين رئيسيتين:

1. المصدر: كم مقدار التلوث الذي يتم إنتاجه في الداخل؟
2. الإزالة: ما مدى سرعة تنظيف الهواء لنفسه؟

وجدت الدراسة شيئًا رائعًا: في هذه البيئات التي تعتمد على المستشعرات فقط، كان جودة الهواء مدفوعة بنسبة 66.6% بالمصادر (التلوث الذي يتم إنتاجه) و 33.4% فقط بعملية الإزالة (تنظيف الهواء). علاوة على ذلك، اكتشف النظام أن التلوث كان مدفوعًا بشكل شبه كامل بـ المركبات العضوية المتطايرة (TVOCs) (مثل الروائح الناتجة عن التنظيف أو الطهي)، والتي شكلت ما يقرب من 100% من نشاط المصدر. وهذا يخبر المستخدم: "مهلاً، الهواء يزداد سوءًا لأن هناك شيئًا يصنع التلوث، وليس لأن التهوية توقفت عن العمل".

للكرة البلورية نقطة عمياء

إليك الجزء الأكثر صدقًا في القصة: الكرة البلورية ليست مثالية.

• الأخبار الجيدة: النظام جيد في رصد التغييرات المتوسطة. إذا بدأت جودة الهواء في الانخفاض، فإنه عادة ما يلاحظ ذلك. لقد نجح في اكتشاف 83.3% من أحداث التلوث المتوسطة (عندما تجاوزت PM2.5 مستوى 15 ميكروجرام/متر مكعب).
• الأخبار السيئة: يعاني النظام مع "الهجمات المفاجئة". عندما تقفز جودة الهواء فجأة إلى مستويات خطيرة (أعلى من 35 ميكروجرام/متر مكعب)، غالبًا ما يفشل النظام في رصدها. في الواقع، بالنسبة للارتفاعات الحادة والشديدة، كانت نسبة الكشف 0.000%. يميل النموذج إلى أن يكون حذرًا للغاية، حيث يقوم بتنعيم القمم الحادة حتى لا يطلق إنذارات كاذبة كثيرة، لكن هذا يعني أنه يفتقد اللحظات الأكثر خطورة.
• عدم اليقين: يحاول النظام أيضًا إخبارك بمدى تأكده. فهو يرسم "منطقة أمان" (فترة تنبؤ بنسبة 95%) حول تخمينه. ومع ذلك، وقعت جودة الهواء الفعلية داخل منطقة الأمان هذه بنسبة 82.3% من الوقت، وليس الـ 95% كاملة التي كان يأملها النظام. وهذا يشير إلى أنه بينما يعد النظام مفيدًا، إلا أنه لا يزال مهتزًا بعض الشيء عندما يصبح الهواء فوضويًا حقًا.

لوحة التحكم: تحويل الأرقام إلى إجراءات

أخيرًا، بنى الباحث لوحة تحكم تفاعلية وملونة (باستخدام أداة تسمى Streamlit) لعرض النتائج. تخيل شاشة حيث يمكنك رؤية جودة الهواء الحالية، ورسم بياني لما ستكون عليه في غضون 15 دقيقة، ومحاكي "ماذا لو؟".

• المحاكي: يمكنك التظاهر بإيقاف تشغيل منقي الهواء أو فتح نافذة. يظهر لك النظام فورًا كيف سيرتفع التلوث أو ينخفض بناءً على قواعده الفيزيائية.
• الهدف: هذا ليس جهازًا طبيًا سينقذ حياة بمفرده. إنه أداة بحثية مصممة لمساعدة مديري المرافق في الأماكن التي لا تملك مخططات متطورة لاتخاذ قرارات أسرع وأكثر ذكاءً.

الخلاصة

تشير هذه الورقة البحثية إلى أننا لسنا بحاجة إلى خرائط مبانٍ مكلفة ومعقدة لمراقبة جودة الهواء الداخلي. يمكننا بناء "توأم رقمي" خفيف الوزن باستخدام المستشعرات والرياضيات الذكية فقط. إنه يعمل جيدًا لرصد التغييرات التدريجية وفهم ما يسبب التلوث (المصادر، وليس فشل التهوية). ومع ذلك، فإنه يعترف بأنه ليس جاهزًا بعد للتنبؤ بارتفاعات التلوث المفاجئة والشديدة بدقة تامة. إنها خطوة أولى قوية نحو مستقبل يكون فيه لكل غرفة حارس يراقب الهواء، ويتعلم عاداته، ويحذرنا قبل أن يصبح الهواء متسخًا جدًا بحيث يصعب تنفسه.