Нови публикации
Изкуствен интелект предсказва епидемии от малария в Южна Азия
Последно прегледани: 02.07.2025
Цялото съдържание на iLive е медицински прегледано или е проверено, за да се гарантира възможно най-голяма точност.
Имаме строги насоки за снабдяване и само свързваме реномирани медийни сайтове, академични изследователски институции и, когато е възможно, медицински проучвания, които се разглеждат от специалисти. Имайте предвид, че номерата в скоби ([1], [2] и т.н.) са линкове към тези проучвания.
Ако смятате, че някое от съдържанието ни е неточно, остаряло или под съмнение, моля, изберете го и натиснете Ctrl + Enter.
Изследователи от NDORMS, в сътрудничество с международни институции, демонстрираха потенциала на използването на измервания на околната среда и модели на дълбоко обучение за прогнозиране на огнища на малария в Южна Азия. Проучването предлага окуражаващи перспективи за подобряване на системите за ранно предупреждение за едно от най-смъртоносните заболявания в света.
Маларията остава значителен глобален здравен проблем, като приблизително половината от населението на света е изложено на риск от инфекция, особено в Африка и Южна Азия. Въпреки че маларията е предотвратима, променливият характер на климатичните, социално-демографските и екологичните рискови фактори затруднява прогнозирането на огнищата.
Екип от изследователи, ръководен от доцент Сара Халид от Групата за планетарна здравна информатика на NDORMS към Оксфордския университет, в сътрудничество с Университета по управленски науки в Лахор, се стреми да се справи с този проблем и да проучи дали подходът за машинно обучение, базиран на околната среда, може да предложи потенциал за специфични за мястото инструменти за ранно предупреждение за малария.
Те разработиха многовариантен LSTM (M-LSTM) модел, който едновременно анализира екологични показатели, включително температура, валежи, измервания на растителността и данни за нощната светлина, за да предскаже разпространението на малария в южноазиатски пояс, обхващащ Пакистан, Индия и Бангладеш.
Данните бяха сравнени с нивата на заболеваемост от малария на областно ниво за всяка държава между 2000 и 2017 г., получени от наборите от данни за демографски и здравни проучвания на Агенцията за международно развитие на Съединените щати.
Резултатите, публикувани в The Lancet Planetary Health, показват, че предложеният M-LSTM модел постоянно превъзхожда традиционния LSTM модел с 94,5%, 99,7% и 99,8% по-ниски грешки съответно за Пакистан, Индия и Бангладеш.
Като цяло, с увеличаване на сложността на модела са постигнати по-висока точност и намалени грешки, което подчертава ефективността на подхода.
Сара обясни: „Този подход е обобщаем и затова нашето моделиране има значителни последици за политиката в областта на общественото здраве. Например, то би могло да се приложи към други инфекциозни заболявания или да се разшири до други високорискови райони с непропорционално висока заболеваемост и смъртност от малария в регионите на СЗО в Африка. Това би могло да помогне на вземащите решения да въведат по-проактивни мерки за ранно и точно управление на огнищата на малария.“
„Истинската привлекателност е възможността за анализ практически навсякъде на Земята благодарение на бързия напредък в наблюдението на Земята, дълбокото обучение и изкуствения интелект, както и на наличието на високопроизводителни компютри. Това би могло да доведе до по-целенасочени интервенции и по-добро разпределение на ресурсите в продължаващите усилия за премахване на маларията и подобряване на резултатите в общественото здравеопазване в световен мащаб.“