في عالم توقع الأوبئة، يعتبر فتح آفاق جديدة في تقنيات التنبؤ أمرًا ضروريًا. جاء هذا الابتكار مع عرض تقنية التعلم متعدد الوسائط ثنائية الجوانب (Dual-Stream Attention - DSA) والتي تمثل قفزة نوعية في تنبؤ أنشطة الإنفلونزا على مدى 12 أسبوعًا قادمًا.

يعتبر التنبؤ بنشاط أمراض مثل الإنفلونزا (ILI) عنصرًا مؤثرًا في الاستعداد للصحة العامة. ولتوليد توقعات دقيقة، يتم الاعتماد تقليديًا على بيانات الوباء العددية، لكن هذه البيانات غالبًا ما تكون متخلفة أو غير مباشرة عند مقارنتها بالتوجهات القريبة. لذلك، أصبح دمج المعلومات العددية مع البيانات النصية أمرًا ضروريًا، مما تطلب تصميمًا دقيقًا.

تستند فكرة DSA على استخدام إطار عمل متعمق، حيث يقوم بتشفير كل من البيانات العددية والقنية النصية بواسطة محولات (Transformers)، فضلاً عن استخدام آلية انتباه ثنائية الاتجاه (Cross-Modal Attention - CMA) تسمح لها بالتفاعل وتوجيه بعضها البعض في عملية التنبؤ.

أظهرت النتائج التجريبية التي خضعت لها DSA تفوقًا على نماذج أخرى، حيث حصلت على متوسط خطأ قدره 0.416، مقارنةً بـ 0.668 و 0.607 و 0.851 لنماذج مثل iTransformer وTaTS وGPT4MTS، ما يعكس انخفاض متوسط الأخطاء بنسبة تصل إلى 67.23%.

يسهم هذا الابتكار ليس فقط في تحسين دقة التوقعات، بل يظهر أن تقنية التفاعل بين النصوص والإشارات العددية أكثر فاعلية مما كان متوقعًا. هكذا، تظل DSA مهيأة لدفع حدود الفهم والكفاءة في إدارة الأوبئة المستقبلية والاستجابة لها.