Ditulis oleh:

Dunia hari ini semakin saling terhubung melalui kemajuan teknologi dan globalisasi. Walaupun perkembangan ini membawa pelbagai manfaat kepada masyarakat, ia juga menjadikan penyebaran penyakit berjangkit lebih cepat dan sukar dikawal. Pengalaman menghadapi pandemik COVID-19 telah memberikan pengajaran besar kepada dunia tentang pentingnya persediaan awal dalam menghadapi ancaman kesihatan awam. Dalam situasi seperti ini, keupayaan untuk meramalkan penyebaran penyakit dan menguruskan sumber perubatan dengan cekap menjadi faktor yang amat penting.

Sejajar dengan perkembangan teknologi, kecerdasan buatan (Artificial Intelligence atau AI) dan pemodelan matematik semakin mendapat perhatian sebagai alat yang mampu membantu pihak berkuasa membuat keputusan dengan lebih pantas dan tepat. Kajian terkini yang menggabungkan Model SEIR yang dipertingkatkan dengan Algoritma Artificial Bee Colony (ABC) menunjukkan bagaimana teknologi moden boleh memainkan peranan penting dalam menguruskan wabak penyakit berjangkit.

Salah satu cabaran terbesar ketika berlakunya wabak ialah mengetahui bagaimana penyakit tersebut akan merebak dari semasa ke semasa. Ramalan yang tepat membolehkan kerajaan dan agensi kesihatan membuat persediaan lebih awal, termasuk menyediakan katil hospital, tenaga kerja perubatan, ubat-ubatan, serta peralatan perlindungan diri yang mencukupi. Bagi memahami corak penyebaran penyakit, para saintis telah lama menggunakan model matematik. Antara model yang paling banyak digunakan ialah model SEIR, yang membahagikan populasi kepada empat kumpulan utama, iaitu individu yang mudah dijangkiti (Susceptible), individu yang telah terdedah kepada penyakit (Exposed), individu yang dijangkiti (Infected), dan individu yang telah pulih (Recovered).

Walaupun model SEIR tradisional telah digunakan secara meluas, model ini mempunyai beberapa kelemahan. Antaranya ialah kesukaran untuk mengambil kira faktor-faktor yang sentiasa berubah seperti langkah kawalan kerajaan, pengasingan pesakit, program vaksinasi dan perubahan tingkah laku masyarakat. Oleh sebab itu, penyelidik telah menambah baik model tersebut supaya ia dapat memberikan gambaran yang lebih realistik mengenai situasi sebenar sesuatu wabak. Pada masa yang sama, kemunculan kecerdasan buatan telah membuka ruang baharu dalam bidang kesihatan awam. AI mempunyai keupayaan untuk menganalisis sejumlah besar data dalam masa yang singkat dan mengenal pasti corak yang mungkin sukar dikesan melalui analisis manusia biasa.

Dalam kajian ini, penyelidik menggunakan Algoritma Artificial Bee Colony (ABC), iaitu satu kaedah pengoptimuman yang diinspirasikan daripada cara lebah mencari sumber makanan. Di dalam alam semula jadi, lebah pekerja, lebah pemerhati dan lebah pengintip bekerjasama untuk mencari sumber nektar terbaik. Konsep kerjasama ini kemudiannya diterjemahkan ke dalam bentuk algoritma komputer bagi menyelesaikan masalah yang kompleks dengan lebih berkesan. Keistimewaan algoritma ABC terletak pada kemampuannya mencari penyelesaian terbaik tanpa mudah terperangkap pada pilihan yang kurang optimum. Dengan kata lain, algoritma ini mampu meneroka pelbagai kemungkinan sebelum memilih penyelesaian yang paling sesuai. Ciri ini menjadikannya sangat berguna dalam situasi kecemasan yang memerlukan keputusan dibuat dengan cepat dan tepat.

Selain meramalkan perkembangan wabak, satu lagi cabaran utama ialah memastikan sumber perubatan dapat diagihkan dengan berkesan. Ketika pandemik COVID-19 melanda dunia, banyak negara berdepan dengan kekurangan ventilator, katil hospital, kit ujian dan peralatan perlindungan diri. Dalam keadaan sumber yang terhad, pengagihan yang tidak sistematik boleh menyebabkan kawasan yang paling memerlukan bantuan gagal menerima bekalan tepat pada waktunya. Bagi mengatasi masalah ini, penyelidik menggabungkan model SEIR dengan algoritma ABC untuk membangunkan sistem yang bukan sahaja mampu meramalkan jumlah pesakit pada masa hadapan, tetapi juga menentukan laluan penghantaran bekalan perubatan yang paling efisien. Sistem ini mengambil kira pelbagai faktor seperti lokasi pusat bekalan, kawasan yang terjejas, kapasiti pengangkutan dan tahap keperluan setiap lokasi.

Kajian ini turut membandingkan prestasi algoritma ABC dengan beberapa algoritma lain seperti Genetic Algorithm (GA), Particle Swarm Optimization (PSO) dan Simulated Annealing Algorithm (SAA). Hasil perbandingan menunjukkan bahawa ABC memberikan prestasi yang lebih stabil, tepat dan konsisten dalam kebanyakan keadaan. Melihat kepada potensinya, teknologi seperti ini boleh menjadi sebahagian daripada sistem kesihatan awam pada masa hadapan. Sekiranya berlaku wabak baharu, sistem berasaskan AI boleh digunakan untuk mengenal pasti kawasan berisiko tinggi lebih awal, sebelum keadaan menjadi semakin serius. Maklumat ini membolehkan hospital membuat persediaan awal, meningkatkan kapasiti rawatan, menyediakan stok ubat yang mencukupi serta menggerakkan tenaga kerja dengan lebih teratur. Selain itu, sistem pengoptimuman logistik dapat memastikan bekalan penting sampai ke lokasi yang betul pada masa yang diperlukan. Menariknya, pendekatan yang sama juga boleh digunakan dalam pengurusan bencana lain seperti banjir, gempa bumi dan kebakaran hutan, di mana penghantaran bantuan kecemasan yang pantas amat diperlukan.

Walau bagaimanapun, masih terdapat beberapa cabaran yang perlu diberi perhatian. Ketepatan model sangat bergantung kepada kualiti data yang digunakan. Jika data tidak lengkap atau tidak dikemas kini secara berkala, ketepatan ramalan boleh terjejas. Selain itu, setiap negara mempunyai struktur penduduk, sistem kesihatan dan corak pergerakan masyarakat yang berbeza. Oleh itu, model yang berjaya digunakan di sesebuah negara mungkin perlu disesuaikan sebelum digunakan di negara lain. Pada masa hadapan, model ini boleh dipertingkatkan lagi dengan memasukkan faktor tambahan seperti kepadatan penduduk, mobiliti manusia, penggunaan media sosial dan data masa nyata daripada peranti pintar. Penggunaan teknologi seperti Internet of Things (IoT), pengkomputeran awan dan analitik data raya juga dijangka mampu meningkatkan keupayaan sistem ini.

Secara keseluruhannya, gabungan kecerdasan buatan dan pemodelan matematik menawarkan satu pendekatan yang sangat menjanjikan dalam usaha menangani wabak penyakit berjangkit. Integrasi model SEIR yang dipertingkatkan dengan Algoritma Artificial Bee Colony membuktikan bahawa teknologi moden bukan sahaja dapat meningkatkan ketepatan ramalan wabak, malah membantu mengoptimumkan pengagihan sumber perubatan yang kritikal. Dalam dunia yang sentiasa berdepan dengan ancaman penyakit baharu, penggunaan teknologi pintar bukan lagi sekadar pilihan, tetapi satu keperluan. Dengan memanfaatkan kecerdasan buatan secara berkesan, masyarakat global akan lebih bersedia menghadapi krisis kesihatan pada masa hadapan serta mampu mengurangkan kesannya terhadap kesihatan, ekonomi dan kesejahteraan manusia.

Rujukan

1. World Health Organization (2021). Managing Epidemics: Key Facts About Major Deadly Diseases. Geneva: WHO Press. 

2. Yang Yang, Houjin Zhang, & Xiaochun Chen (2020). "Modified SEIR and AI Prediction of the Epidemics Trend of COVID-19 in China Under Public Health Interventions." Journal of Thoracic Disease, 12(3), 165–174. 

3. Steven M. Scarpino & Giovanni Petri (2019). "On the Predictability of Infectious Disease Outbreaks." Nature Communications, 10(1), 898. 

4. Ercan Kaya, Bahar Gorkemli, Beyza Akay, et al. (2022). "A Review on the Studies Employing Artificial Bee Colony Algorithm to Solve Combinatorial Optimization Problems." Engineering Applications of Artificial Intelligence, 115, 105311. 

5. Johns Hopkins University (2020). COVID-19 County-Level Dataset for the United States. Baltimore, MD: Johns Hopkins University Center for Systems Science and Engineering (CSSE).