Изкуствен интелект прогнозира огнища на малария в Южна Азия
Последно прегледани: 14.06.2024
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 за използване на измервания на околната среда и модели за дълбоко обучение за прогнозиране на епидемии от малария в Южна Азия. Проучването предлага обещаващи перспективи за подобряване на системите за ранно предупреждение за една от най-смъртоносните болести в света.
Маларията остава значителен глобален здравен проблем, като рискът от инфекция засяга приблизително половината от световното население, особено в Африка и Южна Азия. Въпреки че маларията е предотвратима, променливият характер на климатичните, социално-демографските и екологичните рискови фактори прави прогнозирането на епидемии трудно.
Екип от изследователи, ръководен от доцент Сара Халид от NDORMS Planetary Health Informatics Group, Университет на Оксфорд, в сътрудничество с Лахорския университет за управленски науки, се опитаха да разрешат този проблем и да проучат дали базиран на околната среда подход за машинно обучение би могъл предлагат потенциал за специфични за сайта инструменти за ранно предупреждение за малария.
Те разработиха многовариантен LSTM модел (M-LSTM), който едновременно анализира показатели за околната среда, включително температура, валежи, измервания на растителността и данни за нощната светлина, за да предскаже заболеваемостта от малария в южноазиатския пояс, обхващащ Пакистан, Индия и Бангладеш.
Данните бяха сравнени с нивата на заболеваемост от малария на ниво окръг за всяка държава между 2000 г. И 2017 г., получени от наборите от данни за демографските и здравни проучвания на Агенцията за международно развитие на САЩ.
Резултатите, публикувани в The Lancet Planetary Health показват, че предложеният модел M-LSTM постоянно превъзхожда традиционния модел LSTM с грешки от 94,5%, 99,7% и 99,8 % са по-ниски съответно за Пакистан, Индия и Бангладеш.
Като цяло по-висока точност и намаляване на грешките бяха постигнати с увеличаване на сложността на модела, което подчертава ефективността на подхода.
Сара обясни: „Този подход е универсален и следователно нашето моделиране има значителни последици за политиката за обществено здраве. Например, може да се приложи към други инфекциозни заболявания или да се разшири до други високорискови зони с непропорционално висока заболеваемост и смъртност от малария в региони СЗО в Африка. Това може да помогне на вземащите решения да прилагат по-проактивни мерки за ранно и точно управление на огнищата на малария.
„Истинската привлекателност се крие в способността да се анализира практически навсякъде по Земята благодарение на бързия напредък в наблюдението на Земята, дълбокото обучение и AI, както и наличието на високопроизводителни компютри. Това може да доведе до по-целенасочени интервенции и по-добро разпределение на ресурси в текущите усилия за ликвидиране на маларията и подобряване на резултатите за общественото здраве по света."