AI Data przewidywała wybuchy cholery

Cholera to choroba przenoszona przez wodę, która pojawia się w wyniku spożycia wody.

lub żywność skażona bakterią Vibrio cholerae,który występuje w wielu przybrzeżnych regionach świata, szczególnie w gęsto zaludnionych obszarach tropikalnych. Patogen odpowiedzialny zazwyczaj żyje w wysokich temperaturach, umiarkowanym zasoleniu i zmętnieniu, a także może zawierać plankton i szczątki w wodzie.

Globalne ocieplenie i zwiększona częstotliwośćEkstremalne zjawiska pogodowe powodują epidemie cholery – choroby, która każdego roku dotyka od 1,3 do 4 milionów ludzi na całym świecie i powoduje nawet 143 000 zgonów. Nowe badanie pokazuje, jak można przewidzieć epidemie cholery w przybrzeżnych regionach Indii z 89% skutecznością, co stanowi pierwszą demonstrację wykorzystania zasolenia powierzchni morza do przewidywania cholery.

Badania opublikowane wInternational Journal of Environmental Research and Public Health,ma na celu przewidzenie epidemii cholery na północnym Oceanie Indyjskim, gdzie w latach 2010–2016 zgłoszono ponad połowę przypadków cholery na świecie.

Liczba ognisk cholery zgłoszonych wcotygodniowe raporty epidemiologiczne publikowane przez indyjski program Integrated Disease Surveillance Program (IDSP) w okresie od stycznia 2010 do grudnia 2018 w 40 indyjskich regionach przybrzeżnych wybranych do badania. Przedstawiono tylko te obszary raportowania cholery, dla których dostępne były wszystkie siedem zbiorów danych o podstawowych zmiennych klimatycznych (ECV). Źródło: Campbell i in., 2020.

Związek między czynnikami środowiskowymiCzęstość występowania cholery jest złożona i zmienia się w zależności od pory roku, z różnymi efektami opóźnionymi, takimi jak pora deszczowa. Algorytmy uczenia maszynowego mogą pomóc przezwyciężyć te wyzwania, ucząc się rozpoznawania wzorców w dużych zbiorach danych w celu tworzenia możliwych do przetestowania prognoz.

Badanie prowadziła AmyCampbell podczas rocznego stażu w Biurze Klimatycznym ESA Europejskiej Agencji Kosmicznej. Amy wraz ze współautorami z Plymouth Marine Laboratory (PML) wykorzystała algorytm uczenia maszynowego popularny w zastosowaniach w naukach o środowisku, który potrafi rozpoznawać wzorce w długich zestawach danych i formułować sprawdzalne prognozy.

Modeluj wyniki metryk wydajnościowychlosowy las w zastosowaniu do niewidocznych danych testowych dla wybranych obszarów przybrzeżnych Indii, które zgłosiły ogniska cholery. Obszary przybrzeżne, na których w badanym okresie nie odnotowano ognisk cholery, a obszary przybrzeżne zaznaczono na szaro. Źródło: Campbell i in., 2020.

Algorytm wyszkolony na wybuchy chorób, ochzgłoszony w przybrzeżnych Indiach w latach 2010-2018 i zbadał związek z sześcioma zapisami klimatycznymi z satelitów utworzonych przez inicjatywę Climate Change Initiative (CCI) ESA.

Włączanie lub usuwanie zmiennych środowiskowych ipodparametry dla różnych pór roku algorytm zidentyfikował kluczowe zmienne służące do przewidywania wybuchów cholery, takie jak temperatura powierzchni ziemi, zasolenie powierzchni morza, stężenie chlorofilu i anomalia na poziomie morza.

Czytaj także

Zobacz najpiękniejsze zdjęcia Hubble'a. Co teleskop widział przez 30 lat?

W Rosji stworzyli trwały materiał ze śmieci do pokrycia dróg

Życie pozaziemskie znajduje się w meteorytach. Co o niej wiadomo i skąd pochodzi?