Nové publikácie
Umelá inteligencia predpovedá výskyt malárie v južnej Ázii
Posledná kontrola: 02.07.2025
Všetok obsah iLive je lekársky kontrolovaný alebo kontrolovaný, aby sa zabezpečila čo najväčšia presnosť faktov.
Máme prísne smernice týkajúce sa získavania zdrojov a len odkaz na seriózne mediálne stránky, akademické výskumné inštitúcie a vždy, keď je to možné, na lekársky partnerské štúdie. Všimnite si, že čísla v zátvorkách ([1], [2] atď.) Sú odkazmi na kliknutia na tieto štúdie.
Ak máte pocit, že niektorý z našich obsahov je nepresný, neaktuálny alebo inak sporný, vyberte ho a stlačte kláves Ctrl + Enter.
Výskumníci z NDORMS v spolupráci s medzinárodnými inštitúciami preukázali potenciál využitia environmentálnych meraní a modelov hlbokého učenia na predpovedanie prepuknutia malárie v južnej Ázii. Štúdia ponúka povzbudivé vyhliadky na zlepšenie systémov včasného varovania pred jednou z najsmrteľnejších chorôb na svete.
Malária zostáva významným globálnym zdravotným problémom, pričom približne polovica svetovej populácie je vystavená riziku infekcie, najmä v Afrike a južnej Ázii. Hoci sa dá malárii predchádzať, premenlivá povaha klimatických, sociodemografických a environmentálnych rizikových faktorov sťažuje predpovedanie jej vypuknutia.
Tím výskumníkov pod vedením docentky Sarah Khalidovej zo skupiny NDORMS Planetary Health Informatics Group na Oxfordskej univerzite sa v spolupráci s Lahore University of Management Sciences snažil riešiť tento problém a preskúmať, či by prístup strojového učenia založený na prostredí mohol ponúknuť potenciál pre nástroje včasného varovania pred maláriou špecifické pre dané miesto.
Vyvinuli viacrozmerný model LSTM (M-LSTM), ktorý súčasne analyzoval environmentálne metriky vrátane teploty, zrážok, meraní vegetácie a údajov o nočnom svetle s cieľom predpovedať výskyt malárie v juhoázijskom pásme, ktorý zahŕňa Pakistan, Indiu a Bangladéš.
Údaje boli porovnané s mierami výskytu malárie na úrovni okresov pre každú krajinu v rokoch 2000 až 2017, ktoré boli získané zo súborov údajov z demografických a zdravotných prieskumov Agentúry Spojených štátov pre medzinárodný rozvoj.
Výsledky publikované v časopise The Lancet Planetary Health ukazujú, že navrhovaný model M-LSTM konzistentne prekonáva tradičný model LSTM s chybami nižšími o 94,5 %, 99,7 % a 99,8 % pre Pakistan, Indiu a Bangladéš.
Celkovo sa so zvyšujúcou sa zložitosťou modelu dosiahla vyššia presnosť a znížené chyby, čo zdôrazňuje účinnosť tohto prístupu.
Sarah vysvetlila: „Tento prístup je zovšeobecniteľný, a preto má naše modelovanie významné dôsledky pre politiku verejného zdravia. Mohlo by sa napríklad uplatniť na iné infekčné choroby alebo rozšíriť na iné oblasti s vysokým rizikom s neúmerne vysokou chorobnosťou a úmrtnosťou na maláriu v regiónoch WHO v Afrike. Mohlo by to pomôcť osobám s rozhodovacou právomocou zaviesť proaktívnejšie opatrenia na včasné a presné zvládnutie ohnísk malárie.“
„Skutočným lákadlom je schopnosť analyzovať prakticky kdekoľvek na Zemi vďaka rýchlemu pokroku v pozorovaní Zeme, hlbokom učení a umelej inteligencii, ako aj dostupnosti vysokovýkonných počítačov. To by mohlo viesť k cielenejším intervenciám a lepšiemu rozdeleniu zdrojov v prebiehajúcom úsilí o eradikáciu malárie a zlepšenie výsledkov v oblasti verejného zdravia na celom svete.“