Inteligența artificială prezice focarele de malarie în Asia de Sud
Ultima examinare: 14.06.2024
Tot conținutul iLive este revizuit din punct de vedere medical sau verificat pentru a vă asigura cât mai multă precizie de fapt.
Avem linii directoare de aprovizionare stricte și legătura numai cu site-uri cu reputație media, instituții de cercetare academică și, ori de câte ori este posibil, studii medicale revizuite de experți. Rețineți că numerele din paranteze ([1], [2], etc.) sunt link-uri clickabile la aceste studii.
Dacă considerați că oricare dintre conținuturile noastre este inexactă, depășită sau îndoielnică, selectați-o și apăsați pe Ctrl + Enter.
Cercetătorii de la NDORMS, în colaborare cu instituții internaționale, au demonstrat potențialul utilizării măsurătorilor de mediu și a modelelor de învățare profundă pentru a prezice focarele de malarie în Asia de Sud. Studiul oferă perspective promițătoare pentru îmbunătățirea sistemelor de avertizare timpurie pentru una dintre cele mai mortale boli din lume.
Malaria rămâne o problemă de sănătate globală semnificativă, riscul de infecție afectând aproximativ jumătate din populația lumii, în special în Africa și Asia de Sud. Deși malaria poate fi prevenită, natura variabilă a factorilor de risc climatici, socio-demografici și de mediu face dificilă predicția focarelor.
O echipă de cercetători condusă de profesorul asociat Sarah Khalid de la NDORMS Planetary Health Informatics Group, Universitatea din Oxford, în colaborare cu Universitatea de Științe de Management Lahore, a încercat să rezolve această problemă și să exploreze dacă o abordare bazată pe mediu învățarea automată ar putea oferă un potențial pentru instrumente specifice site-ului de avertizare timpurie pentru malarie.
Ei au dezvoltat un model LSTM multivariat (M-LSTM) care a analizat simultan indicatorii de mediu, inclusiv temperatura, precipitațiile, măsurătorile de vegetație și datele de lumină pe timp de noapte pentru a prezice incidența malariei în centura Asiei de Sud care acoperă Pakistan, India și Bangladesh.
Datele au fost comparate cu ratele de incidență a malariei la nivel de județ pentru fiecare țară între 2000 și 2017, obținute din seturile de date ale Agenției SUA pentru Dezvoltare Internațională a Sondajelor Demografice și de Sănătate.
Rezultatele publicate în The Lancet Planetary Health arată că modelul M-LSTM propus depășește în mod constant modelul tradițional LSTM cu erori de 94,5%, 99,7% și 99,8 % sunt mai mici pentru Pakistan, India și, respectiv, Bangladesh.
În general, s-au obținut o precizie mai mare și o reducere a erorilor odată cu creșterea complexității modelului, evidențiind eficacitatea abordării.
Sarah a explicat: „Această abordare este universală și, prin urmare, modelarea noastră are implicații semnificative pentru politica de sănătate publică. De exemplu, ar putea fi aplicat altor boli infecțioase sau extins la alte zone cu risc ridicat, cu incidență și mortalitate disproporționat de mare din cauza malariei, în regiunile OMS din Africa. Acest lucru poate ajuta factorii de decizie să implementeze măsuri mai proactive pentru a gestiona timpuriu și cu acuratețe focarele de malarie.
„Adevărata atracție constă în capacitatea de a analiza practic oriunde pe Pământ, datorită progreselor rapide în observarea Pământului, învățarea profundă și AI și disponibilitatea computerelor de înaltă performanță. Acest lucru ar putea duce la intervenții mai direcționate și la o mai bună alocare a resurse în eforturile continue de eradicare a malariei și îmbunătățirea rezultatelor în domeniul sănătății publice în întreaga lume.”