مرور نظام‌مند هوش مصنوعی در بیماری‌های عفونی آفریقا: شناسایی ۴۳ مطالعه و توزیع نامتوازن پژوهش‌ها
یک مرور نظام‌مند، ۴۳ مطالعه واجد شرایط را شناسایی کرده است که در فاصله سال‌های ۲۰۱۵ تا ۲۰۲۵ از هوش مصنوعی برای پیش‌بینی، مدیریت و پایش بیماری‌های عفونی یا پیش‌بینی شیوع آن‌ها در آفریقا استفاده کرده‌اند. این پژوهش‌ها بیماری‌هایی از جمله اچ‌آی‌وی، مالاریا، کووید ۱۹ و سل را بررسی کرده‌اند. آفریقای جنوبی بیشترین تعداد مطالعات را به خود اختصاص داده و پس از آن نیجریه، اوگاندا، اتیوپی و تانزانیا قرار گرفته‌اند؛ موضوعی که از توزیع جغرافیایی نامتوازن پژوهش‌ها حکایت دارد.
این مرور که در مجله BMC Infectious Diseases منتشر شده است، با هدف بررسی نحوه استفاده از هوش مصنوعی در حوزه بیماری‌های عفونی در سراسر آفریقا و شناسایی فرصت‌ها و محدودیت‌های این کاربرد انجام شده است. پژوهشگران، مطالعات اصیل و داوری‌شده‌ای را وارد بررسی کردند که در آن‌ها از یادگیری ماشین یا یادگیری عمیق برای مدیریت، پیش‌بینی، پایش بیماری‌ها یا پیش‌بینی شیوع آن‌ها استفاده شده بود. محققان دستورالعمل‌های PRISMA 2020 را دنبال کردند و این مرور را در سامانه PROSPERO با شناسه CRD420251243329 ثبت کردند.
پژوهشگران پایگاه‌های اطلاعاتی PubMed، پلتفرم African Journals Online، Scopus، Google Scholar و ScienceDirect را جست‌وجو کردند. در مجموع، ۵۰۵۰ رکورد به دست آمد: ۲۵۵۱ رکورد از PubMed، تعداد ۲۰۰۰ رکورد از ScienceDirect، تعداد ۱۰۲ رکورد از African Journals Online، تعداد ۲۳۳ رکورد از Scopus و ۱۶۴ رکورد از Google Scholar. از میان ۵۰۰۶ رکوردی که غربالگری شدند، ۴۳ مورد معیارهای از پیش تعیین‌شده برای ورود به مطالعه را داشتند.
پژوهشگران اطلاعات مربوط به ویژگی‌های مطالعات، یافته‌های اصلی و معیارهای عملکرد گزارش‌شده برای مدل‌های هوش مصنوعی را به‌صورت نظام‌مند استخراج کردند. بررسی توزیع جغرافیایی نشان داد که ۱۰ مطالعه از آفریقای جنوبی، هشت مطالعه از نیجریه، شش مطالعه از اوگاندا، پنج مطالعه از اتیوپی و چهار مطالعه از تانزانیا بودند. در نتیجه، بیشترین سهم شواهد واجد شرایط به همین پنج کشور اختصاص داشت.
بنابراین، این مرور فعالیت‌های پژوهشی در چندین منطقه آفریقا را مستند می‌کند، اما نشان نمی‌دهد که پژوهش‌های مرتبط با هوش مصنوعی و بیماری‌های عفونی در سراسر این قاره به‌طور یکنواخت توزیع شده‌اند یا کشورهای بررسی‌شده نماینده همه محیط‌های پژوهشی ملی بوده‌اند. جنگل تصادفی (Random Forest) یکی از مدل‌های پرکاربرد یادگیری ماشین بود. ماشین بردار پشتیبان، شبکه عصبی مصنوعی و رگرسیون لجستیک نیز در میان مدل‌های رایج قرار داشتند. در میان روش‌های یادگیری عمیق، شبکه حافظه بلندمدت کوتاه‌مدت (LSTM) بیشترین کاربرد را داشت.
این معیارهای عملکرد به مدل‌ها و پیامدهایی مربوط بودند که در هر مطالعه گزارش شده بودند. شواهد ارائه‌شده در این مرور نشان نمی‌دهد که یک مدل مشخص در همه زمینه‌های پیش‌بینی و مدیریت بیماری‌های عفونی، پایش بیماری‌ها و پیش‌بینی شیوع آن‌ها به‌طور یکسان عملکرد بهتری داشته باشد. با این حال، نویسندگان نتیجه گرفتند که استفاده از هوش مصنوعی برای مقابله با بیماری‌های عفونی در آفریقا رو به افزایش است، اما ظرفیت این فناوری همچنان به‌اندازه کافی مورد استفاده قرار نمی‌گیرد.
نویسندگان، محدودیت‌هایی مانند چارچوب‌های سیاست‌گذاری، کیفیت داده‌های سلامت، زیرساخت‌های دیجیتال، تأمین مالی نظام‌های سلامت و پژوهش‌ها و همچنین سازوکارهای حکمرانی و نظارت را شناسایی کردند. این مرور با تأکید بر لزوم سرمایه‌گذاری و تعهد برای رفع موانع یادشده، هوش مصنوعی را قابلیتی در حال توسعه معرفی می‌کند که گسترش استفاده از آن به شرایط ساختاری مرتبط با داده‌ها، زیرساخت‌ها، منابع مالی و نظارت وابسته است. در مجموع، این ارزیابی بر پایه ۴۳ مطالعه منتخب از میان ۵۰۵۰ رکورد بازیابی‌شده از پایگاه‌های اطلاعاتی، کاربردهای هوش مصنوعی در پژوهش‌های مربوط به بیماری‌های عفونی در آفریقا را بررسی می‌کند.
موضوع پژوهش: مرور نظام‌مند کاربردهای هوش مصنوعی در پیش‌بینی، مدیریت و پایش بیماری‌های عفونی در آفریقا
عنوان مقاله: کاربرد هوش مصنوعی در بیماری‌های عفونی در آفریقا: یک مرور نظام‌مند
مشخصات منبع: Anulaobi, C. C., Ogaba, A. K., Udoh, I. O., David, P. W., Ozugha, E. P., Nwadike, P. I., Maduka, Y. O., Miller, O. C., Nnana, M. E., & Ajayi, A. O. (2026). Utilization of artificial intelligence for infectious disease in Africa: a systematic review. BMC Infectious Diseases. https://doi.org/10.1186/s12879-026-14276-5
شناسه دیجیتال مقاله (DOI): 10.1186/s12879-026-14276-5
کلیدواژه‌ها: هوش مصنوعی، بیماری‌های عفونی، آفریقا، مرور نظام‌مند، یادگیری ماشین، یادگیری عمیق، پایش سلامت عمومی، اچ‌آی‌وی، مالاریا، کووید ۱۹، سل، کاربرد