Tehisintellekt ennustab malaaria puhanguid Lõuna-Aasias

NDORMS-i teadlased on koostöös rahvusvaheliste institutsioonidega näidanud, et Lõuna-Aasias malaariapuhangute ennustamiseks on võimalik kasutada keskkonnamõõtmisi ja süvaõppe mudeleid. Uuring pakub paljutõotavaid väljavaateid varajase hoiatamise süsteemide täiustamiseks ühe maailma surmavama haiguse korral.

Malaaria on endiselt oluline ülemaailmne terviseprobleem, millesse nakatumise oht mõjutab ligikaudu poolt maailma elanikkonnast, eriti Aafrikas ja Lõuna-Aasias. Kuigi malaaria on ennetatav, muudavad kliimamuutused, sotsiaaldemograafilised ja keskkonnariskitegurid haiguspuhangute prognoosimise keeruliseks.

Oxfordi ülikooli NDORMS Planetary Health Informatics Groupi dotsent Sarah Khalidi juhitud teadlaste meeskond koostöös Lahore'i juhtimisteaduste ülikooliga püüdis seda probleemi lahendada ja uurida, kas keskkonnapõhine masinõppe lähenemisviis võiks pakkuda potentsiaali malaaria varajase hoiatamise kohaste tööriistade jaoks.

Nad töötasid välja mitme muutujaga LSTM-i mudeli (M-LSTM), mis analüüsis samaaegselt keskkonnanäitajaid, sealhulgas temperatuuri, sademeid, taimestiku mõõtmisi ja öiseid valgusandmeid, et ennustada malaaria esinemissagedust Lõuna-Aasia vööndis, mis hõlmab Pakistani, Indiat ja Bangladeshi.

Andmeid võrreldi iga riigi maakonna tasandi malaaria esinemissagedusega aastatel 2000–2017, mis saadi USA Rahvusvahelise Arengu Agentuuri demograafiliste ja terviseuuringute andmekogumitest.

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

Üldiselt saavutati suurem täpsus ja vigade vähendamine koos mudeli keerukuse suurenemisega, mis tõstab esile lähenemisviisi tõhususe.

Sarah selgitas: „See lähenemisviis on universaalne ja seetõttu on meie modelleerimisel rahvatervise poliitikale oluline mõju. Näiteks võib seda rakendada muude nakkushaiguste korral või laiendada teistele kõrge riskiga piirkondadele, kus on ebaproportsionaalselt kõrge malaaria esinemissagedus ja suremus WHO Aafrika piirkondades. See võib aidata otsustajatel rakendada ennetavamaid meetmeid malaariapuhangute varajaseks ja täpseks ohjamiseks.

"Tõeline atraktiivsus seisneb võimes analüüsida peaaegu kõikjal Maa peal tänu kiiretele edusammudele Maa vaatluse, süvaõppe ja tehisintellekti vallas ning suure jõudlusega arvutite kättesaadavusele. See võib kaasa tuua sihipärasema sekkumise ja parema jaotuse. Ressursid käimasolevates jõupingutustes malaaria likvideerimiseks ja rahvatervise tulemuste parandamiseks kogu maailmas."