KI-gestützte Daten sagten Cholera-Ausbrüche voraus

Cholera ist eine durch Wasser übertragene Krankheit, die durch Trinkwasser entsteht.

oder Lebensmittel, die mit dem Bakterium Vibrio cholerae kontaminiert sind,die in vielen Küstenregionen der Welt vorkommt, insbesondere in dicht besiedelten tropischen Gebieten. Der verantwortliche Erreger lebt typischerweise bei hohen Temperaturen, mäßigem Salzgehalt und Trübung und kann Plankton und Detritus im Wasser enthalten.

Globale Erwärmung und erhöhte FrequenzExtreme Wetterereignisse führen zu Cholera-Ausbrüchen, einer Krankheit, von der jedes Jahr weltweit 1,3 bis 4 Millionen Menschen betroffen sind und die bis zu 143.000 Todesfälle verursacht. Eine neue Studie zeigt, wie Cholera-Ausbrüche in den Küstenregionen Indiens mit einer Erfolgsquote von 89 % vorhergesagt werden können. Dies ist der erste Beweis dafür, dass der Salzgehalt der Meeresoberfläche zur Vorhersage von Cholera genutzt wird.

Forschung veröffentlicht inInternationale Zeitschrift für Umweltforschung und öffentliche Gesundheit,zielt darauf ab, Cholera-Ausbrüche im Nordindischen Ozean vorherzusagen, wo zwischen 2010 und 2016 mehr als die Hälfte der weltweiten Fälle gemeldet wurden.

Anzahl der gemeldeten Cholera-Ausbrüche inWöchentliche epidemiologische Berichte, die vom indischen Integrated Disease Surveillance Program (IDSP) zwischen Januar 2010 und Dezember 2018 in 40 in der Studie ausgewählten indischen Küstenregionen veröffentlicht wurden. Es werden nur die Cholera-Berichtsbereiche angezeigt, für die alle sieben ECV-Datensätze (Essential Climate Variables) verfügbar waren. Bildnachweis: Campbell et al., 2020.

Die Beziehung zwischen UmweltfaktorenDie Inzidenz von Cholera ist komplex und variiert mit der Jahreszeit, mit verschiedenen Verzögerungseffekten, wie z. B. der Regenzeit. Algorithmen für maschinelles Lernen können helfen, diese Probleme zu überwinden, indem sie lernen, Muster in großen Datensätzen zu erkennen, um überprüfbare Vorhersagen zu treffen.

Die Studie wurde von Amy geleitetCampbell während ihres einjährigen Praktikums beim Klimabüro der Europäischen Weltraumorganisation ESA. Amy verwendete zusammen mit ihren Co-Autoren am Plymouth Marine Laboratory (PML) einen in umweltwissenschaftlichen Anwendungen beliebten Algorithmus für maschinelles Lernen, der Muster in langen Datensätzen erkennen und überprüfbare Vorhersagen treffen kann.

Ergebnisse der ModellleistungsmetrikenZufälliger Wald für unsichtbare Testdaten für ausgewählte Gebiete an der indischen Küste, in denen Cholera-Ausbrüche gemeldet wurden. Küstengebiete, in denen während des Untersuchungszeitraums keine Cholera-Ausbrüche gemeldet wurden, und Küstengebiete sind grau dargestellt. Bildnachweis: Campbell et al., 2020.

Algorithmus für Krankheitsausbrüche, ohberichteten zwischen 2010 und 2018 in Küstenregionen Indiens und untersuchten die Beziehung zu sechs Klimarekorden von Satelliten, die von der Climate Change Initiative (CCI) der ESA erstellt wurden.

Einbeziehen oder Entfernen von Umgebungsvariablen undUnterparameter für verschiedene Jahreszeiten identifizierte der Algorithmus Schlüsselvariablen für die Vorhersage von Cholera-Ausbrüchen wie Landoberflächentemperatur, Salzgehalt der Meeresoberfläche, Chlorophyllkonzentration und Anomalie des Meeresspiegels.

Lesen Sie auch

Schauen Sie sich die schönsten Bilder von Hubble an. Was hat das Teleskop in 30 Jahren gesehen?

In Russland haben sie aus Müll ein haltbares Material geschaffen, um Straßen zu bedecken

Außerirdisches Leben findet man in Meteoriten. Was ist über sie bekannt und woher kommt sie?