مدلسازی محاسباتی چیست؟ |شبیه‌سازی و مطالعه سیستم‌های پیچیده‌ی زیستیزمان مطالعه ۷ دقیقه

مدلسازی محاسباتی، استفاده از کامپیوتر به همراه علوم ریاضیات، فیزیک و دانش رایانه به منظور شبیه‌سازی و مطالعه‌ی سیستم‌های پیچیده است.یک مدل محاسباتی شامل تعداد بی‌شماری متغیر است که سیستم مورد مطالعه را مشخص می‌کند. شبیه‌سازی با تنظیم کردن متغیرها به تنهایی، یا در حضور سایر متغیرها و مشاهده‌ی خروجی سیستم کامل می‌شود. در این مقاله از تریتا مدلسازی محاسباتی را به طور کامل توضیح می‌دهیم. مدلسازی محاسباتی به دانشمندان این امکان را می‌دهد که هزاران آزمایش شبیه‌سازی را به وسیله‌ی کامپیوتر هدایت کنند. هزاران آزمایش کامپیوتری، تعداد انگشت شماری از آزمایش‌های آزمایشگاهی را شناسایی می‌کند که کارایی بیش‌تری دارند. امروزه مدل‌های محاسباتی می‌توانند سیستم‌های‌ بیولوژیکی و زیستی را در چند مرحله مطالعه کنند. این مراحل شامل مدل  پیشرفت بیماری در سطح مولکولی، تعامل سلول با سلول، و تاثیر این تغییرات بر بافت‌ها و ارگان‌ها می‌باشد. مطالعه سیستم‌ها در چند مرحله، (MultiScale Modeling (MSM نام دارد.

رابطه‌ی بین مدلسازی محاسباتی و آزمایش چیست؟

در آزمایش‌های فیزیکی از مشاهده بهره می‌گیرند و ممکن است شامل دستکاری‌هایی نیز باشد تا بتوانند عملکرد سیستم مورد مطالعه را بفهمند. چالش کلیدی در این‌ گونه آزمایش‌ها فهمیدن راهی است که بتوان به مشاهدات و دستکاری‌های مد نظر بدون تاثیرات منفی روی سیستم رسید. بعضی روش‌ها مانند فرسایش لیزری، ذاتا مخرب هستند در حالی که سایر روش‌ها مانند میکروسکوپ‌های کانونی، سفید سازی و روشنایی عکس را تنظیم می‌کنند. بنابراین این روش‌ها تعداد اندازه‌گیری‌های قابل انجام را محدود می‌کنند. همچنین دیگر روش‌ها مانند اندازه‌گیری نیروی مکانیکی، سیستمی را که می‌خواهد اندازه‌گیری کند، آشفته می‌سازد. برای اینکه بتوان اطلاعات بدست آمده از آزمایش‌های فیزیکی را تفسیر کرد، اغلب ضروری است که از روش‌های ریاضیاتی استفاده کنیم. 

شباهت‌ها و تفاوت‌های مدلسازی محاسباتی و آزمایش فیزیکی

در مدلسازی‌های محاسباتی نیز از مشاهدات و دستکاری‌هایی که در آزمایشات فیزیکی استفاده می‌شود بهره می‌برند. زیرا اغلب هدف هر دو روش یکسان است. اکثر آزمایش‌های فیزیکی به وسیله‌ی مدل‌های ساخته شده، قابل تکرار هستند و این کار خود عامل اصلی در اعتبارسنجی مدل است. با این حال مدل‌ها می‌توانند از برخی مشکلات تجربی جلوگیری کنند و همچنین اجازه‌ی انجام آزمایش‌هایی که در حال حاضر از نظر فیزیکی قابل انجام نیستند را می‌دهند. برخی از ویژگی‌های آزمایش‌های مجازی با استفاده از مدل‌های محاسباتی در مقابل آزمایش‌های فیزیکی شامل موارد زیر است:

۱- تعداد دلخواهی از آزمایش را می‌توان با تنظیماتی دقیقا یکسان اجرا کرد.

۲- مشاهدات را می‌توان بدون هیچ گونه تداخلی در سیستم یا اجزای آن انجام داد.

۳- مشاهدات را می‌توان با فرکانس دلخواه و وضوحی که به مدل آسیب نزند انجام داد.

۴- مشاهدات را می‌توان مستقیم منتقل کرد به نرم افزارهای مناسب تجزیه و تحلیل یا نمایشگرهای گرافیکی.

۵- هر یک از متغیرهای حالت را می‌توان دستکاری کرد. 

۶- این دستکاری‌ها می‌توانند دلخواه، بسیار کوچک و یا تعریف شده توسط کاربر باشند (چیزی که معمولا در آزمایش‌های تجربی امکان پذیر نیست).

مدلسازی محاسباتی که در مطالعه سیستم‌های پیچیده به کار می‌رود چگونه است؟

مدل‌های پیش‌بینی آب و هوا

این مدل‌ها براساس تعداد زیادی متغیرهای وابسته به اتمسفر، پیش‌بینی مناسبی را انجام می‌دهند. پیش‌بینی‌های دقیق آب و هوا می‌توانند از زندگی و دارایی افراد محافظت کنند و به شرکت‌های تاسیساتی کمک می‌کنند تا برای افزایش نیروهایی که با تغییرات شدید آب و هوایی رخ می‌دهد، برنامه‌ریزی کنند.

مدل شبیه‌ساز پرواز

در اینگونه مدل‌ها از معادلات پیچیده‌ای استفاده می‌کنند تا بتواند مشخص کنند هواپیما چگونه در برابر پارامترهایی مانند توربولاس، چگالی هوا و بارندگی واکنش نشان می‌دهند و پرواز می‌کنند. شبیه‌سازها برای آموزش خلبان‌ها، طراحی هواپیما و مطالعه‌ی تغییرات هواپیما در برابر تغییر شرایط مورد استفاده قرار می‌گیرند.

شبیه‌سازهای زلزله

برای نجات جان افراد، ساختمان‌ها و زیرساخت‌ها طراحی می‌شوند. مدل‌های محاسباتی پیش‌بینی می‌کنند که در هنگام زلزله، ترکیب و حرکات سازه‌ها چگونه با سطوح زیرین واکنش می‌دهند و این واکنش‌ها چه اثراتی به جای می‌گذارد.

چگونه مدلسازی محاسباتی مراقبت‌ و تحقیقات پزشکی را بهبود می‌بخشد؟

ردیابی بیماری‌های عفونی

این مدل‌های محاسباتی برای ردیابی بیماری‌های عفونی در جامعه، تشخیص مؤثرترین مداخلات و نظارت و تنظیم کردن این مداخلات برای کاهش شیوع بیماری استفاده می‌شوند. در طول همه‌گیری بیماری‌های عفونی، شناسایی و جایگذاری مداخله‌گرهایی که شیوع بیماری را محدود کنند، برای نجات جان افراد و کاهش استرس ضروری است. 

سیستم پشتیبان تصمیمات بالینی

مدل‌های محاسباتی، هوشمندانه اطلاعات سلامت افراد را جمع‌آوری، فیلتر، تحلیل و آماده می‌کنند تا پزشک بتواند براساس اطلاعات سلامت مخصوص هر بیمار، به درمان بیماری او بپردازد. این سیستم در طول دوره درمان به بیمارانی که به بیمارستان‌های مناسب منتقل می‌شوند و آزمایشات زیادی را طی می‌کنند، کمک می‌کند.

پیش‌بینی عوارض جانبی دارو

محققان از مدلسازی محاسباتی برای طراحی داروهایی که برای بیماران ایمن‌تر یا دارای عوارض جانبی حداقل باشند، استفاده می‌کنند. این روش می‌تواند سال‌های زیادی را که برای تولید دارویی سالم و مؤثر لازم است، کاهش دهد.

محققان چگونه از مدلسازی محاسباتی برای بهبود سلامت افراد استفاده می‌کند؟

مدلسازی بیماری عفونی برای تشخیص مداخلات مؤثر است. مدلسازی دقیق بیماری‌های عفونی وابسته به منابع اطلاعاتی زیادی است. برای مثال، ارزیابی تاثیر فاصله‌گذاری اجتماعی بر شیوع بیماری‌‌های شبیه آنفولانزا باید شامل اطلاعاتی در مورد روابط دوستانه و تعاملات افراد و همچنین اطلاعات استاندارد زیستی و جمعیتی باشد. محققان در حال توسعه‌ی ابزارهای محاسباتی جدید هستند که می‌تواند در طول همه‌گیری و شیوع بیماری عفونی و سایر خطرات حوزه سلامت، به کمک مردم بیایند. این ابزارها مجموعه اطلاعات جدید را با اطلاعات قبلی مدل طراحی شده ادغام می‌کنند تا بتواند مؤثرترین مداخله‌گرها را شناسایی کند.

پیگیری تکامل ویروسی در هنگام شیوع بیماری عفونی

ویروس‌های RNA مانند ایدز، هپاتیت ب و ویروس کرونا بطور مداوم جهش پیدا می‌کند تا در برابر دارو مقاومت کنند، از دست سیستم ایمنی فرار کنند و عفونت جدیدی را ایجاد کنند. برای شناسایی میلیون‌ها ویروس در حال تکامل می‌توان از نمونه‌های پاتوژن توالی هزاران فرد آلوده‌ استفاده کرد. محققان به همراه متخصصان مراقبت‌های بهداشتی در حال ساخت ابزارهای محاسباتی هستند تا این اطلاعات مهم را با تحلیل‌ بیماری‌های عفونی ادغام کند. این ابزار جدید با همکاری CDC ساخته خواهد شد و برای محققان و کارمندان مراقبت‌های بهداشتی به صورت آنلاین موجود خواهد بود. این پروژه نظارت بر بیماری و درمان را در سراسر جهان افزایش می‌دهد و امکانات توسعه‌ی مؤثرترین استراتژی‌ها جهت ریشه‌کن کردن بیماری را فراهم می‌کند.

جابه‌جایی اطلاعات سلامت به ‌صورت بی‌سیم به‌منظور بهبود سلامت و مراقبت‌های بهداشتی

دستگاه‌های نمایش‌گر سلامتی در بیمارستان‌ها و سنسورهای پوشیدنی مانند ساعت‌های هوشمند در هر لحظه حجم وسیعی از اطلاعات سلامت افراد را تولید می‌کنند. مراقبت‌های پزشکی مبتنی بر اطلاعات به ما این اطمینان را می‌دهد که درمان سریع، دقیق و ارزان باشد ولی در حال حاضر جریان‌های مداوم اطلاعات، امکان استفاده از اطلاعات را از ما می‌گیرد. محققان در حال توسعه‌ی مدل‌های محاسباتیی هستند که بتواند اطلاعات سلامت تولید شده در لحظه را به‌ شکل‌های قابل استفاده تبدیل کنند. مدل‌های جدید ساخته شده در بیمارستان کودکان Nationwide پیشنهادات فیزیولوژیکی آنی را برای تصمیم‌گیری بالینی فراهم می‌کنند. تیمی تشکیل شده از ریاضی‌دانان، مهندسان پزشک و کارکنان بیمارستان، اطلاعات و نرم‌افزارهای به ‌اشتراک گذاشته را به‌صورتی که در دسترس عموم باشد، تولید می‌کنند. این پروژه برای بهبود قابل توجه مراقبت‌های بهداشتی، هزینه ای بالغ بر ۱۱ میلیارد دلار به عرصه‌ی سلامت از راه دور تحمیل می‌کند.

یادگیری انسان و ماشین برای کنترل ربات‌های کمکی

هر چه اختلالات حرکتی در شخصی بیشتر باشد، کار با ماشین‌های کمکی مانند صندلی‌های چرخ‌دار برقی و بازوهای رباتیک چالش برانگیزتر است. بسیاری از کنترل کننده‌های موجود مانند دستگاه sipp-and-puff برای افرادی که از اختلالات حرکتی شدیدتری برخوردارند، کافی نیست. محققان در حال طراحی سیستمی هستند که به افراد مبتلا به تتراپلاژیا امکان کنترل بازوی رباتیکی را می‌دهد تا فعالیت‌های ورزشی و مهارت‌های حرکتی باقی‌مانده را تقویت کنند. این فناوری از رابط‌های بدن و ماشین استفاده می‌کند که به کوچک‌ترین حرکت در اندام‌ها، سر، زبان، شانه‌ها و چشم‌ها پاسخ می‌دهد. در ابتدا وقتی کاربر حرکتی می‌کند، ماشین آموزش دیده سیگنالی را تولید می‌کند تا بازوی رباتیک حرکتی را انجام دهد. وقتی این دستگاه کنترلی به فردی با مهارت‌های بیش‌تر منتقل می‌شود، کمک سیستم به فرد کم‌تر می‌شود. هدف از این روش، توانمندسازی افراد دارای معلولیت بسیار و همچنین آموزش برای کنترل ایمن دستیارهای رباتیکی است.

منبع: NIBIB