Tehisintellekt ennustab malaaria puhanguid Lõuna-Aasias

NDORMSi teadlased on koostöös rahvusvaheliste institutsioonidega näidanud keskkonnamõõtmiste ja süvaõppe mudelite potentsiaali malaariapuhangute ennustamiseks Lõuna-Aasias. Uuring pakub paljulubavaid väljavaateid varajase hoiatamise süsteemide parandamiseks ühe maailma surmavaima haiguse puhul.

Malaaria on endiselt märkimisväärne ülemaailmne terviseprobleem, mille nakatumisohus on ligikaudu pool maailma elanikkonnast, eriti Aafrikas ja Lõuna-Aasias. Kuigi malaaria on ennetatav, muudab kliima, sotsiaaldemograafiliste ja keskkonnaalaste riskitegurite muutlik olemus puhangute ennustamise keeruliseks.

Oxfordi Ülikooli NDORMS-i planeedi tervise informaatika grupi dotsendi Sarah Khalidi juhitud teadlaste meeskond koostöös Lahore'i juhtimisteaduste ülikooliga püüdis seda probleemi lahendada ja uurida, kas keskkonnapõhine masinõppe lähenemisviis võiks pakkuda potentsiaali kohapõhiste malaaria varajase hoiatamise vahendite jaoks.

Nad töötasid välja mitmemõõtmelise LSTM-mudeli (M-LSTM), mis analüüsis samaaegselt keskkonnanäitajaid, sealhulgas temperatuuri, sademete hulka, taimestiku mõõtmisi ja öise valguse andmeid, et ennustada malaaria esinemissagedust Lõuna-Aasia vööndis, mis hõlmab Pakistani, Indiat ja Bangladeshi.

Andmeid võrreldi iga riigi piirkondlike malaaria esinemissagedustega aastatel 2000–2017, mis saadi Ameerika Ühendriikide Rahvusvahelise Arengu Agentuuri demograafiliste ja terviseuuringute andmekogumitest.

Ajakirjas The Lancet Planetary Health avaldatud tulemused näitavad, et pakutud M-LSTM-mudel ületab järjepidevalt traditsioonilist LSTM-mudelit, kusjuures Pakistani, India ja Bangladeshi puhul on veamäär vastavalt 94,5%, 99,7% ja 99,8% madalam.

Üldiselt saavutati mudeli keerukuse suurenemisega suurem täpsus ja vähenenud vead, mis rõhutab lähenemisviisi tõhusust.

Sarah selgitas: „See lähenemisviis on üldistatav ja seega on meie modelleerimisel märkimisväärne mõju rahvatervise poliitikale. Näiteks saaks seda rakendada ka teistele nakkushaigustele või laiendada teistele kõrge riskiga piirkondadele, kus WHO Aafrika piirkondades on ebaproportsionaalselt kõrge malaaria haigestumus ja suremus. See aitaks otsustajatel rakendada ennetavamaid meetmeid malaariapuhangute varajaseks ja täpseks ohjamiseks.“

"Tõeline atraktiivsus seisneb võimes analüüsida praktiliselt kõikjal Maal tänu kiirele arengule Maa vaatluses, süvaõppes ja tehisintellektis, samuti suure jõudlusega arvutite kättesaadavuses. See võib viia sihipärasemate sekkumisteni ja ressursside parema jaotamiseni käimasolevas malaaria kaotamise ja rahvatervise tulemuste parandamise püüdlustes kogu maailmas."