קידום חינוך למחקר במדעי הנתונים באפריקה באמצעות חידושים מונעי-דאטאתון

מדוע זה חשוב לבריאות באפריקה

בכל רחבי אפריקה חוקרים אוספים כמויות עצומות של מידע בריאותי, מביקורי קליניקה ועד ספירות יתושים ותמונות לוויין. עם זאת, בלי אנשים מיומנים לפענח נתונים אלה, תובנות שיכולות להציל חיים נשארות פעמים רבות נעולות. מאמר זה מתאר דרך חדשה להכשרה מהירה של מדענים צעירים במערב אפריקה באמצעות "דאטאתונים" — אירועים אינטנסיביים קבוצתיים שבהם המשתתפים מנתחים נתוני מלריה אמיתיים והופכים את עבודתם למחקר שניתן לפרסם. הגישה מראה כיצד תכניות קצרות וממוקדות יכולות לחזק מומחיות מקומית ולעזור להבטיח שנעשה שימוש בנתונים אפריקאים כדי לפתור בעיות בריאותיות אפריקאיות.

סוג חדש של אירוע לימודי

המחברים תכננו מודל הכשרה בעל שתי שלבים במסגרת היוזמה Data Science for Health Discovery and Innovation in Africa. תחילה התקיים "שבוע יסוד" היברידי, פתוח לכ-50 משתתפים מ-14 מדינות, רבים מהם הצטרפו מרחוק. בשלב זה למדו המשתתפים קידוד, ניהול נתונים וכישורים אנליטיים בסיסיים תוך שימוש בכלים חינמיים או נרחבים זמינים כגון R, Python ותוכנות מיפוי. הדגש היה על תרגול מעשי ולא על הרצאות, עם תרגילים שהנחו את המשתתפים שלב אחר שלב במשימות אנליטיות אמיתיות. מי שהשלימו רוב המפגשים קיבלו תעודה והיו זכאים לשלב השני, הפרונטלי.

הפיכת סטטיסטיקה לכלים חכמים יותר

רוב הנוכחים כבר הכירו סטטיסטיקה מסורתית, ולכן המדריכים השתמשו בהיכרות זו כגשר לשיטות חדשות שמקובצות לעתים תחת אינטליגנציה מלאכותית ולמידת מכונה. במקום להציגן כ"קופסאות שחורות" מסתוריות, ההכשרה הראתה כיצד הן צומחות מרעיונות מוכרים. לדוגמה, מקרה בוחן אחד השווה בין רגרסיה לינארית רגילה — יסוד בסטטיסטיקה — לבין רגרסיה בסגנון למידת מכונה שמחלקת נתונים לערכי אימון ובדיקה ומשתמשת בחציית-צולבת (cross-validation) לבדיקת ביצועים. תרגיל אחר השווה בין רישום ידני של עצמים בתמונות לוויין לשיטות סיווג תמונה אוטומטיות שיכולות לזהות גגות בתים במהירות ובדיוק רב יותר. הדגמות אלו צמודות זו לזו עזרו למשתתפים להבין מתי להשתמש בטכניקות קלאסיות ומתי למידת מכונה מוסיפה ערך ממשי.

מה בתוך הדאטאתון

אחרי שלב היסוד, 15 חניכים נסעו לבמקו, מאלי, להשתתפות בדאטאתון פרונטלי בן חמישה ימים שהתקיים במרכז ביואינפורמטיקה מיוחד. הם עבדו עם מחסן נתוני מלריה עשיר שנבנה מתוך מחקר ארוך-טווח במאלי, סנגל וגמביה שעקב אחר אלפי אנשים, משקי בית, יתושים וביקורי קליניקה במשך מספר שנים. המשתתפים חולקו לחמישה צוותים קטנים ששילבו כישורים בתכנות, אפידמיולוגיה ועבודה קלינית. בהנחיית מנטורים, כל קבוצה בחרה שאלה מחקרית משלה — כגון מדוע ילדים מסוימים נושאים את טפיל המלריה ללא תסמינים, או כיצד סיכון המלריה משתנה בעונות ובמיקומים שונים — ולאחר מכן ניקתה, קישרה וניתחה את שכבות הנתונים הרלוונטיות.

משבוע אינטנסיבי להשפעה מתמשכת

לאורך השבוע הציגו הצוותים התקדמות יומית לשופטים שדירגו את הפרויקטים על איכות מדעית ושיטות. בסופו של דבר קיבלו הקבוצות מצגות סופיות ודוחות כתובים, והוענקו פרסים להופעות הבולטות. קריטי הוא שהדאטאתון לא הסתיים עם האירוע עצמו. כל קבוצה הועמדה בזוגיות עם מנטור בכיר והצטרפה ללוח זמנים מסתובב של פגישות מקוונות במטרה להפוך את הפרויקט למאמר מדעי מלא בתוך כשנה. התכנית הדגישה גם את האתגרים בעולם האמיתי: תיאום נסיעות בינלאומיות, התמודדות עם מחסומי שפה בין דוברי אנגלית ולחש, ומתן הזדמנויות שוות לנשות מדע להגיש מועמדות, להשתתף ולהוביל צוותים. למרות המכשולים הללו, המשתתפים דיווחו על מעורבות גבוהה והנאה, והמחברים מציינים רישות ושיתופי פעולה חזקים בין המדינות.

מה המשמעות לעתיד

מחקר זה מראה כי דאטאתונים שתוכננו בקפידה יכולים לעשות הרבה יותר מהצעת קורס מהיר בקידוד. על ידי שילוב הכנה מסודרת, גישה לנתוני בריאות מקומיים באיכות גבוהה וליווי מתמשך, המודל מסייע לחוקרים אפריקאים צעירים ללמוד על ידי עשייה מדעית ממשית המשפיעה על הקהילות שלהם. המחברים טוענים שתכניות דומות יכולות להיות מותאמות למחלות ואזורים אחרים, במיוחד במקום שבו אוניברסיטאות או בתי חולים כבר מחזיקים בתשתיות מחשוב בסיסיות. בטווח הארוך, מאמצים כאלה יכולים להפוך נתונים שלא מנוצלים עד כה לראיות המדברות עבור מדיניות בריאות טובה יותר, תוך בניית דור חדש של מדענים בקיאי-נתונים ברחבי היבשת.

ציטוט: Doumbia, S., Kane, F., Diabate, O. et al. Advancing data science research education in Africa through datathon-driven innovations. Sci Rep 16, 11527 (2026). https://doi.org/10.1038/s41598-026-41474-7

מילות מפתח: הכשרה בדאטאתון, מדעי נתונים בריאותיים, מחקר מלריה, חיזוק יכולות באפריקה, חינוך בלמידת מכונה